Anthropic actualiza Claude Voice a modelos Opus/Sonnet; arquitectura turn-based compite con GPT-Live full-duplex de OpenAI en acceso a herramientas, no naturalidad del habla
Anthropic lanzó una actualización importante a Claude Voice el 23 de julio, expandiendo la elección del modelo más allá de Haiku a Opus y Sonnet, permitiendo razonamiento multiturn y ejecución de tareas complejas. El modo de voz ahora se establece por defecto en el último modelo que un usuario seleccionó en el chat de texto y permite cambiar a mitad de la conversación a través del selector de modelo. Los usuarios pueden pedirle a Claude que redacte correos electrónicos, reprograme reuniones del calendario, actualice documentos de Notion o busque Gmail por voz, con acceso de herramientas en paridad con el chat de texto (Nivel gratuito: Haiku + 1 aplicación conectada; pagado: Opus/Sonnet + todos los servicios conectados incluyendo Gmail, Google Calendar, Google Docs, Slack, Canva, Notion). La empresa agregó compatibilidad con idiomas multilingües de 18, aunque aún se requiere selección manual del idioma.
Arquitectónicamente, Claude Voice utiliza un modelo turn-based: Claude escucha, pausa para pensar y luego habla, a diferencia del GPT-Live bidirecional de OpenAI (disponible para todos los usuarios de ChatGPT desde el 8 de julio), que procesa el habla y genera salida simultáneamente para un ritmo más conversacional. Anthropic eligió intencionalmente modelos de razonamiento más fuertes en capas en infraestructura de voz convencional (supuestamente ElevenLabs para texto a voz) sobre construir un sistema nativo del habla. La empresa declaró que esta versión está "enfocada en inteligencia y acceso a herramientas", señalando un compromiso deliberado: razonamiento de tarea superior e integración de aplicaciones conectadas al costo de manejo de interrupciones natural y latencia.
Para los adoptantes empresariales, la apuesta de Anthropic es que el razonamiento conectado a herramientas importa más que la fluidez conversacional. Anthropic deriva ~80% de los ingresos de más de 300K clientes empresariales, por lo que la integración de voz a Gmail/Slack impacta directamente en los flujos de trabajo de productividad. La apuesta de OpenAI (agentes full-duplex sin manos que ponen en marcha tareas en segundo plano) se dirige a casos de uso diferentes: lluvia de ideas, delegación sin ida y vuelta. Ninguna empresa ha enviado aún un asistente que empareje la naturalidad del habla nativa con acceso amplio a herramientas. Monitoree qué enfoque resuena con los usuarios a medida que se escalan los despliegues; la respuesta dará forma a si la IA de voz prioriza la calidad del modelo de inferencia o la infraestructura de audio. "Más para compartir más adelante este año" de Anthropic sugiere que la empresa planea abordar la brecha de naturalidad de voz, aunque el cronograma y el enfoque permanecen sin revelar.
Fuentes
- Primary source
- techcrunch.com
“Users can choose between Opus, Sonnet, and Haiku models. Anthropic didn't make any changes to the voice model with this release. Instead, the update is focused on giving users access to stronger reasoning and tool integrations.”
- sqmagazine.co.uk
“Claude's voice mode can act on connected Gmail, Google Calendar, Google Docs, and Slack accounts the same way text chat does, and the rollout adds Canva and Notion to that reach.”
- engadget.com
“Anthropic's voice mode uses a turn-based architecture, so Claude listens to you, pauses to think and then responds, unlike OpenAI's GPT-Live which can simultaneously process speech and generate output.”