Web de actualidad independiente
El reconocimiento de voz abierto dejó de ser un monocultivo de Whisper en algún momento de los últimos doce meses. En marzo de 2026, Cohere lanzó Transcribe, un modelo 2B…
OpenAI ha lanzado dos nuevos modelos en tiempo real en su API. Se denominan gpt-realtime-2.1 y gpt-realtime-2.1-mini. Ambos apuntan a experiencias multimodales y de voz de baja latencia. El modelo…
Gradium lanzó hoy dos modelos de traducción de voz en tiempo real: stt-translate y s2s-translate. Ambos funcionan en cinco idiomas y transmiten los resultados en vivo en el navegador. Gradium…
En el mundo de la IA por voz, la diferencia entre un asistente útil y una interacción incómoda se mide en milisegundos. Mientras que los sistemas de generación aumentada de…
Mistral AI ha lanzado Voxtral TTS, un modelo abierto de conversión de texto a voz que marca el primer paso importante de la compañía hacia la generación de audio. Tras…
Google ha lanzado Gemini 3.1 Flash Live en versión preliminar para desarrolladores a través de la API Gemini Live en Google AI Studio. Este modelo apunta a interacciones de voz…
En el mundo de la IA generativa, la latencia es la principal causa de muerte de la inmersión. Hasta hace poco, construir un agente de IA con capacidad de voz…
El ‘valle inquietante’ es la última frontera del vídeo generativo. Hemos visto avatares de IA que pueden hablar, pero a menudo carecen del alma de la interacción humana. Sufren de…
En este tutorial, creamos un agente de planificación consciente de los costos que equilibra deliberadamente la calidad de la salida con las restricciones del mundo real, como el uso de…
El equipo Qwen de Alibaba Cloud tiene Qwen3-TTS de código abierto, una familia de modelos multilingües de conversión de texto a voz que se enfocan en tres tareas principales en…