Ir al contenido principal
Español— Elegir un idioma
Menú

Modo de voz

Lección 13 de 18 Actualizado el 5 de noviembre de 2026 Principiante
En esta página
  1. Conversar con ChatGPT
  2. Iniciar una conversación de voz
  3. Tres modos, una configuración
  4. ¿Cuánto tiempo de voz tienes disponible?
  5. Qué posibilita la voz
  6. Cuándo ceñirse al teclado y mejores prácticas
  7. Tu turno
  8. Puntos clave

Conversar con ChatGPT

El modo de voz de ChatGPT convierte al asistente en un interlocutor hablado. Tú hablas, él responde en voz alta y toda la conversación se mantiene en un único hilo de chat: puedes seguir la respuesta en texto, escribir cuando no puedas hablar y revisar intercambios anteriores sin tener que empezar de cero. Esta función cambia la forma en que utilizas la herramienta más que ninguna otra, ya que elimina el teclado y, con él, la necesidad de estar sentado frente a una pantalla.

Iniciar una conversación de voz

En iPhone y Android, toca el icono Voice en la barra de entrada, concede acceso al micrófono si la aplicación lo solicita y elige una voz la primera vez que lo uses. A continuación, habla con naturalidad. Durante la conversación, el botón del micrófono te silencia o reactiva el audio, y un botón de salida finaliza la llamada. En la web, los pasos son idénticos: toca el icono Voice en el área de entrada del chat en chatgpt.com y permite el acceso al micrófono en tu navegador.

En la aplicación de escritorio, el modo de voz está diseñado principalmente para gestionar Work y Codex: lanza una tarea, sigue su progreso y coordina varios agentes mediante la voz. Para conversaciones habladas en Chat, utiliza las aplicaciones web o móviles.

No confundas el modo de voz con la dictado, representado por un icono de micrófono independiente. La dictado transcribe un mensaje que puedes revisar y editar antes de enviarlo. Si necesitas texto palabra por palabra, usa la dictado; el modo de voz está pensado para la conversación.

Tres modos, una configuración

En Settings > Voice, encontrarás tres opciones, dependiendo de tu plan, región, aplicación y espacio de trabajo.

  • Live es el más natural. Impulsado por GPT-Live-1.1 o su variante ligera GPT-Live-1.1 Quip, según tu plan, escucha y habla simultáneamente: puedes interrumpirlo igual que harías con un interlocutor humano. Puede buscar en la web, basarse en la memoria, mostrar resultados visuales, usar tus complementos y aceptar tanto texto como imágenes en el mismo hilo.
  • Advanced es la experiencia en tiempo real anterior. Sigue siendo útil en móviles para tareas que Live no admite: compartir vídeo en directo desde tu cámara o tu pantalla, para suscriptores elegibles.
  • Standard funciona turno por turno: tu voz se transcribe y, a continuación, ChatGPT responde.

Cuando Live necesita realizar una acción en una aplicación conectada, la aprobación se produce en pantalla: la confirmación por voz no se acepta en la web ni en móviles.

Tres modos de voz Tres columnas. Live: GPT-Live-1.1 o Quip, escucha y habla simultáneamente, usa la web, la memoria, complementos e imágenes. Advanced: la experiencia anterior, con uso compartido de vídeo y pantalla en móviles. Standard: turno por turno, el habla se transcribe y luego ChatGPT responde. MODO DE VOZ DE CHATGPT Tres modos de voz Live Modelo GPT-Live-1.1 o Quip Interacción Escucha y habla simultáneamente Herramientas Web, memoria, complementos, imágenes Advanced Estado La experiencia anterior Punto fuerte Uso compartido de vídeo y pantalla Dónde Aplicaciones móviles Standard Interacción Turno por turno Principio Transcribir y luego responder Configuración Settings > Voice Para texto palabra por palabra, usa dictado (icono de micrófono), no el modo de voz.
Basado en el artículo "ChatGPT Voice" del Centro de ayuda de OpenAI (noviembre de 2026).

¿Cuánto tiempo de voz tienes disponible?

En Chat, el uso de Live se mide en un periodo móvil de 24 horas, y ChatGPT te notifica cuando te acercas a tu límite.

PlanVoz en Chat, periodo móvil de 24 horas
FreeAcceso limitado a GPT-Live-1.1 Quip
Go3 horas con GPT-Live-1.1 Quip
Plus3 horas con GPT-Live-1.1
Pro a 100 $15 horas con GPT-Live-1.1
Pro a 200 $Ilimitado, sujeto a salvaguardas contra abusos
Business, puesto Standard3 horas, luego 1,25 créditos por minuto
Business, puesto Premium15 horas, luego 1,25 créditos por minuto

Qué posibilita la voz

La conversación es verdaderamente bidireccional: con Live, puedes intervenir para reformular o cambiar de dirección, y el flujo se mantiene fluido. El cambio de idioma ocurre bajo demanda: empieza en francés, pide una frase en inglés y continúa luego en español.

«¿Cómo se dice “Me gustaría reprogramar nuestra reunión para la semana que viene” en inglés profesional?»

ChatGPT te da la frase oralmente y tú le pides inmediatamente que la repita, la reformule o te ofrezca una versión más formal. El intercambio dura diez segundos, mientras que habría requerido tres mensajes escritos.

La lluvia de ideas es otro caso de uso ideal para la voz, ya que tolera la imprecisión y prospera con el impulso.

«Necesito ideas para la campaña de vuelta al cole de nuestra escuela de formación. Nuestro público objetivo son profesionales que quieren reorientar su carrera hacia la gestión. Lanza algunas ideas y te diré cuáles me gustan».

El mismo mecanismo funciona para practicar: «Haz una simulación de entrevista de trabajo conmigo para un puesto de jefe de proyecto digital. Hazme una pregunta a la vez y dame feedback tras cada respuesta». O para practicar idiomas: «Practiquemos español. Tú háblame en español, yo te responderé en español. Corrige mis errores al final de cada intercambio». En ambos casos, hablar no es solo una comodidad; es el modo central del ejercicio.

Cuándo ceñirse al teclado y mejores prácticas

La voz gana cuando estás en movimiento, cuando tienes las manos ocupadas o cuando pensar en voz alta te resulta más natural que escribir. Pierde eficacia en una oficina silenciosa o compartida, y siempre que la tarea implique código, tablas o texto que necesites copiar exactamente.

Unos pocos hábitos mejoran significativamente la experiencia. Habla con normalidad, sin sobrearticular. Sé preciso, igual que harías por escrito: una solicitud vaga genera una respuesta vaga. Interrumpe inmediatamente si la respuesta se desvía. Para preguntas sensibles al tiempo, ten en cuenta que la voz se basa en la zona horaria de tu dispositivo para entender «hoy» o «mañana»: especifica la fecha, la zona horaria o la ubicación si la respuesta parece incorrecta, y verifica cualquier información crítica, igual que harías por escrito.

En cuanto a los datos, el audio tiene su propia configuración: en Settings > Data controls, la opción Include your audio recordings determina si tus grabaciones de voz y dictado pueden utilizarse para mejorar los modelos. Desactivar Improve the model for everyone también detiene este intercambio.

Tu turno

Diez minutos hablados. Abre el modo de voz en tu teléfono o en la web y comprueba la opción activa en Settings > Voice. Pide una explicación de un concepto de tu campo, interrúmpelo con una pregunta de seguimiento, haz que traduzca una frase al inglés y luego al alemán, y termina con tres minutos de lluvia de ideas sobre un proyecto actual. A continuación, revisa el hilo escrito: conserva un registro de todo lo que se ha dicho.

Fuentes oficiales: ChatGPT Voice (Centro de ayuda de OpenAI: opciones Live, Advanced y Standard, primeros pasos, límites por plan, uso compartido de vídeo y pantalla) · ChatGPT Work and Codex (Voz en Work y la aplicación de escritorio) · Voice Dictation FAQ (dictado y uso compartido de audio)

Puntos clave

  • Inicia el modo de voz mediante el icono Voice en la barra de entrada en la web y en móviles; en escritorio, gestiona principalmente Work y Codex
  • Tres opciones en Settings > Voice: Live (el más natural), Advanced (uso compartido de vídeo y pantalla en móviles) y Standard (turno por turno)
  • El tiempo de voz depende de tu plan y se mide en un periodo móvil de 24 horas
  • Ideal para lluvia de ideas, práctica de idiomas, preparación de entrevistas y movilidad
  • Para texto palabra por palabra, usa dictado (icono de micrófono), no el modo de voz