OpenAI ha consolidado varios equipos de ingeniería, producto e investigación en los últimos dos meses para renovar sus modelos de audio, lo que indica un impulso significativo hacia la IA de audio, según un informe de The Information. Esta reestructuración anticipa el lanzamiento de un dispositivo personal centrado en el audio que se espera dentro del próximo año.

La medida de OpenAI refleja una tendencia más amplia en la industria tecnológica, donde el audio se considera cada vez más como una interfaz principal, que podría eclipsar el dominio de las pantallas. Los altavoces inteligentes ya han establecido asistentes de voz en más de un tercio de los hogares estadounidenses, lo que demuestra la creciente aceptación por parte de los consumidores de la tecnología basada en la voz.

Meta introdujo recientemente una función para sus gafas inteligentes Ray-Ban que utiliza una matriz de cinco micrófonos para mejorar la claridad conversacional en entornos ruidosos, convirtiendo efectivamente el rostro del usuario en un dispositivo de escucha direccional. Google comenzó a experimentar con Audio Overviews en junio, transformando los resultados de búsqueda en resúmenes conversacionales. Tesla está integrando el chatbot Grok de xAI en sus vehículos, con el objetivo de proporcionar un asistente de voz conversacional capaz de gestionar la navegación y el control del clima a través del lenguaje natural.

Más allá de estos gigantes tecnológicos, numerosas startups también están invirtiendo en la IA de audio. Este esfuerzo colectivo sugiere un futuro en el que la interacción por voz se vuelva más fluida e integrada en la vida diaria. Los avances en la IA de audio plantean interrogantes sobre la accesibilidad, la privacidad y el potencial de nuevas formas de interacción persona-ordenador. A medida que los modelos de IA se vuelven más expertos en comprender y generar un habla similar a la humana, la línea entre interactuar con una máquina y otra persona puede volverse cada vez más borrosa.