Tecnología
modelos de audio
Los modelos de audio son sistemas de IA que procesan directamente la voz y los sonidos, ya sea para transcribir grabaciones, mantener conversaciones habladas o interpretar el tono y las emociones. Permiten que las máquinas trabajen con la voz sin depender siempre de convertirla antes en texto.
Sobre esta tecnología, IA para hoy ha analizado 3 noticias, procedentes de 3 medios distintos. En los últimos siete días han sido 2, frente a las 0 de la semana anterior. La fiabilidad media de esa cobertura es de 2,7 sobre 5, medida con las reglas de nuestro método. Las áreas de impacto que más se repiten son Productividad, Atención al cliente, Ciencia. Aparece en 3 historias en seguimiento.
Evolución en 16 semanas
El momentum semanal se estima con la misma fórmula que el momentum actual: volumen, aceleración respecto a la semana anterior, diversidad de fuentes e impacto.
Análisis Qué significa para una empresa
- Oportunidades
- Permiten automatizar la transcripción de reuniones, llamadas y entrevistas en varios idiomas, con identificación de hasta ocho interlocutores en el caso de Nemotron 3.5 Transcribe. A medio plazo abren nuevas formas de interacción por voz en productos y dispositivos, así como análisis más finos del tono y la emoción del cliente.
- Riesgos
- Los modelos abiertos de transcripción solo procesan audio grabado, así que no sirven todavía para subtítulos en directo sin otras soluciones. Las cifras de error publicadas por los fabricantes proceden de pruebas propias y deben verificarse con el audio real de cada empresa. La captación de voz plantea riesgos de privacidad y cumplimiento normativo, y los modelos más avanzados aún no están disponibles para su uso general.
- Qué debería hacer una empresa
- Probar en los próximos seis meses un modelo abierto de transcripción con grabaciones reales de la organización, midiendo error, coste y tratamiento de datos personales antes de decidir una adopción. Seguir de cerca los lanzamientos de voz nativa, sin comprometer inversiones significativas hasta que haya productos disponibles.
Análisis generado por IA a partir de las noticias disponibles; actualizado hace 2 h.
Relacionadas
Nvidia ×2OpenAI ×1Apple ×1Hugging Face ×1voz ×1Block ×1full-duplex ×1código abierto ×1transcripción de voz ×1agentes conversacionales ×1
Historias
Noticias
Nvidia lanza Nemotron 3.5 Transcribe, modelo abierto de transcripción de audio en 40 idiomas
Nvidia ha publicado Nemotron 3.5 Transcribe, un modelo de código abierto que transcribe grabaciones de hasta una hora en 40 idiomas y distingue hasta ocho…
Por qué importaOfrece a empresas y desarrolladores una base abierta para transcribir reuniones y conversaciones, con la posibilidad de adaptarla a vocabulario…
Block presenta Dessa, un modelo de voz entrenado solo con habla que aún no está disponible
Block, empresa matriz de Square y Cash App, ha presentado Dessa, un modelo de voz que procesa el audio directamente sin convertirlo antes a texto. Según la…
Por qué importaSi las capacidades de voz que reconocen matices emocionales se confirman, la interacción con asistentes de voz podría mejorar en servicios de…
OpenAI reorganiza equipos de audio para dispositivo sin pantalla con Jony Ive
OpenAI ha reorganizado sus equipos internos de ingeniería, producto e investigación para mejorar los modelos de audio, en línea con su proyecto de dispositivo…
Por qué importaSeñala el compromiso de OpenAI con la computación sin pantalla y la interacción por voz como interfaz principal, lo que podría redefinir cómo los…