Noticias etiquetadas con «voz»
31 noticias
ElevenLabs ha presentado Eleven Realtime, dos modelos de voz a voz: v1 Mini, para conversaciones naturales a menor coste, y v1 Max, orientado a tareas más…
Por qué importaLos agentes de voz en tiempo real son una vía directa para automatizar llamadas de atención al cliente y servicios telefónicos, con modelos que se…
IBM presentó Granite-Switch-4.1-8B y 30B, modelos que integran en una sola arquitectura chat, modelos de decisión y reconocimiento de voz mediante adaptadores…
Por qué importaSi los resultados se confirman, una sola GPU podría cubrir tareas que hoy requieren varios modelos o servicios separados, lo que afecta a costes de…
Anthropic ha empezado a mostrar notificaciones a usuarios de Claude solicitando permiso voluntario para usar sus conversaciones de voz en el entrenamiento de…
Por qué importaRefleja cómo las empresas de IA buscan datos multimodales de voz para mejorar sus modelos, y plantea cuestiones de privacidad y consentimiento…
Hugging Face presentó el Open TTS Leaderboard, que evalúa modelos de texto a voz mediante métricas objetivas como tasa de error de palabra (WER), similitud de…
Por qué importaOfrece a empresas y desarrolladores un método rápido y escalable para elegir modelos de voz según necesidades concretas (latencia, calidad…
OpenAI incorporó conversaciones por voz en la pestaña Work de ChatGPT, disponible para móvil, permitiendo pedir documentos, correos o resúmenes hablando en vez…
Por qué importaReduce fricción para generar contenido de trabajo desde el móvil, integrando voz y continuidad entre dispositivos, lo que puede aumentar el uso…
NVIDIA presentó Nemotron 3 Diarization, un modelo de pesos abiertos de 100M de parámetros que identifica quién habla y cuándo en conversaciones con hasta ocho…
Por qué importaLa diarización precisa mejora la calidad de transcripciones de reuniones, llamadas y agentes de voz, permitiendo atribuir declaraciones a personas…
El equipo Qwen de Alibaba lanzó Qwen-Audio-3.1, un conjunto de cinco modelos para reconocimiento de voz (ASR), síntesis de voz (TTS) e interacción en tiempo…
Por qué importaLos recortes de precio combinados con más capacidades técnicas abaratan la adopción de IA de voz en atención al cliente, asistentes y transcripción a…
Google actualizó Gemini Notebook (antes NotebookLM) con conversación por voz en tiempo real en cerca de 100 idiomas, una grabadora integrada para clases y…
Por qué importaAmplía las capacidades de una herramienta de estudio y productividad documental muy usada, integrando voz, multimedia y evaluación adaptativa en un…
Google ha lanzado los modelos Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, orientados a mejorar el razonamiento de los agentes de voz. Estos modelos…
Por qué importaMejora la capacidad de los asistentes de voz para resolver tareas de varios pasos, lo que puede acelerar la adopción de agentes conversacionales en…
Google presentó Gemini 3.8 Live y 3.8 Live Extended Thinking, dos modelos speech-to-speech comparables a la familia GPT-Live de OpenAI. El desarrollador Simon…
Por qué importaLos modelos de voz en tiempo real son clave para asistentes conversacionales y atención al cliente automatizada, y esta demo muestra lo accesible que…
Google DeepMind presenta Gemini 3.8 Live y 3.8 Live Extended Thinking, sus modelos de diálogo en vivo más avanzados, disponibles vía API, Google Workspace y…
Por qué importaEstos modelos acercan la voz como interfaz principal para agentes empresariales capaces de ejecutar tareas complejas mientras mantienen conversación…
OpenAI ha publicado GPT-Live-1 como API para desarrolladores, un modelo de voz full-duplex que puede escuchar y hablar simultáneamente. En benchmarks internos…
Por qué importaUn modelo de voz con menor latencia y mejor gestión de turnos permite construir asistentes telefónicos y de atención al cliente más naturales y…
OpenAI presentó GPT-Live-1, un modelo disponible en su API para conversaciones de voz naturales en modo full-duplex. Ofrece mejor seguimiento de instrucciones…
Por qué importaFacilita a desarrolladores construir asistentes de voz más realistas y con integración telefónica, ampliando los casos de uso comerciales de la IA…
Meta Superintelligence Labs lanzó Muse Voice Transcribe, un modelo de transcripción de voz en tiempo real que procesa audio en fragmentos de 80 milisegundos…
Por qué importaMeta apuesta por competir en precio y latencia en transcripción en tiempo real, sentando las bases para asistentes de IA que 'escuchan' continuamente…
AWS publicó en su blog de machine learning una solución de gestión de conocimiento institucional basada en IA que utiliza Amazon Bedrock Knowledge Bases para…
Por qué importaPermite que organizaciones conserven el conocimiento de empleados con experiencia antes de que se jubilen o se marchen, mejorando la retención de…
AWS ha publicado un tutorial en su blog de aprendizaje automático que muestra cómo construir un sistema de voz que atiende llamadas telefónicas en restaurantes…
Por qué importaAutomatiza completamente un proceso manual costoso y genera cuello de botella en hostelería, eliminando tiempos de espera y errores de anotación…
OpenAI ha desarrollado GPT-Live, un sistema que permite interacción continua por voz con IA, construido en seis meses. El sistema utiliza un modelo de…
Por qué importaEl reconocimiento y síntesis de voz sin latencia perceptible es clave para la adopción de interfaces conversacionales en empresas y consumidores. Un…
Google está desarrollando una nueva función de personalización de voz para Gemini que permitirá ajustar la velocidad, energía, formalidad y calidez mediante…
Por qué importaLa personalización de voz mejora la experiencia de interacción con asistentes IA y puede aumentar la adopción de Gemini en contextos profesionales y…
Google ha comenzado a desplegar Gemini Live en Gmail, una función que permite controlar la bandeja de entrada mediante comandos de voz. La funcionalidad…
Por qué importaLa interacción por voz en herramientas de correo reduce fricción en tareas multilingües y en situaciones de movilidad, mejorando la productividad de…
AWS ha publicado Nova Sonic Test Harness, un framework de código abierto para evaluar agentes de voz de forma automática. La herramienta ejecuta conversaciones…
Por qué importaLos equipos que desarrollan agentes de voz enfrentan un cuello de botella crítico: las pruebas requieren interacción manual y no escalan. Este…
Luke Curley, ingeniero de OpenAI, ha documentado un conflicto técnico fundamental en el uso de WebRTC para entregar IA de voz en tiempo real. WebRTC prioriza…
Por qué importaEste dilema tecnico afecta directamente a la viabilidad de productos de IA conversacional de bajo coste en navegadores. Revela una tensión entre dos…
OpenAI ha anunciado nuevos modelos de voz en tiempo real disponibles en su API, con capacidades de razonamiento, traducción y transcripción de habla. El…
Por qué importaMejora la calidad de los asistentes de voz y agentes conversacionales que las empresas pueden construir sobre la API de OpenAI, ampliando casos de…
AWS ha publicado en su blog de machine learning un tutorial técnico completo sobre cómo construir un sistema omnicanal de pedidos por voz usando Amazon Bedrock…
Por qué importaIlustra cómo las empresas pueden implementar agentes IA conversacionales en producción con infraestructura empresarial (seguridad, escalabilidad…
Google DeepMind ha presentado Gemini 3.1 Flash Live, su modelo de audio y voz de más alta calidad, diseñado para diálogos en tiempo real más naturales y…
Por qué importaLa mejora en comprensión de matices tonales, latencia reducida y capacidad multilingüe hace que la interacción por voz sea más viable para agentes…
