Tecnología
voz
La tecnología de voz de IA permite que sistemas reconozcan lo que se dice (transcripción), generen habla natural (síntesis) y mantengan conversaciones hablando con personas. Hoy se usa en asistentes de televisores, atención telefónica, quioscos de pedidos, agentes que llaman a negocios y dispositivos wearable.
Sobre esta tecnología, IA para hoy ha analizado 302 noticias, procedentes de 18 medios distintos. En los últimos siete días han sido 10, frente a las 8 de la semana anterior. La fiabilidad media de esa cobertura es de 3,5 sobre 5, medida con las reglas de nuestro método. Las áreas de impacto que más se repiten son Atención al cliente, Productividad, Marketing. Aparece en 8 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
- Permite automatizar la atención telefónica y en mostrador, realizar entrevistas o estudios de mercado a gran escala con agentes conversacionales y crear nuevas experiencias de cliente en productos de consumo. Los precios por minuto han bajado, lo que facilita pilotos de coste reducido.
- Riesgos
- Las cifras de rendimiento que publican los proveedores suelen ser propias y no verificadas, y los modelos pueden fallar con acentos, ruido o dialectos. Existe dependencia de proveedores de modelos, riesgos de privacidad al grabar conversaciones y exigencias regulatorias sobre el uso de voz e identidad, aún poco definidas en muchos mercados.
- Qué debería hacer una empresa
- Empezar en los próximos seis meses con un piloto acotado, como atención de llamadas de bajo riesgo o transcripción de reuniones, midiendo precisión y satisfacción del cliente antes de escalar. Revisar antes el cumplimiento sobre grabación de voz y el consentimiento de los usuarios.
Análisis generado por IA a partir de las noticias disponibles; actualizado hace 15 h.
Relacionadas
agentes ×141LLM ×139multimodal ×99Google ×80OpenAI ×72Meta ×72edge-ai ×44Apple ×38Anthropic ×18Nvidia ×17
Historias
OpenAI lanza la Decisions API para decisiones rápidas y baratas
AWS publica guías para TTS en SageMaker: autoescalado y streaming de voz
Gemini se integra en Google Maps para Apple CarPlay
NVIDIA y proyectos europeos de IA en el sector público
Samsung lanza Vision AI Companion en sus Smart TV
IBM publica nuevos modelos de voz Granite Speech 5.0
Mistral lanza Voxtral 3 para agentes de voz
Yelp lanza agentes de voz y nuevas funciones de IA para consumidores y negocios
Noticias
OpenAI lanza al público su Decisions API, competidor de los modelos de decisión de TypeSafe
OpenAI puso a disposición de todos sus clientes la Decisions API, un modelo rápido y barato basado en ChatGPT Luna reconfigurado para acelerar la inferencia…
Por qué importaLos modelos de decisión rápidos pueden sustituir a los LLM en flujos que requieren clasificar opciones con baja latencia y coste, lo que reordena la…
AWS explica cómo transmitir voz de baja latencia desde agentes de IA con Kokoro-82M en SageMaker
AWS publica una guía para enviar cada frase de un agente de voz a un modelo Kokoro-82M alojado en SageMaker AI en cuanto se genera, sin esperar a la respuesta…
Por qué importaLa latencia percibida es lo que más pesa en la experiencia de los agentes de voz, y el enfoque por frases reduce el tiempo hasta el primer audio sin…
Google Maps incorpora funciones de Gemini para buscar lugares y modificar rutas con lenguaje natural
Google Maps incorpora funciones impulsadas por Gemini que permiten buscar lugares, consultar su entorno y modificar rutas mediante instrucciones en lenguaje…
Por qué importaPara empresas con clientes que se desplazan o con flotas, la búsqueda conversacional en mapas cambia la forma en que los usuarios descubren servicios…
NVIDIA y socios europeos despliegan modelos abiertos en proyectos del sector público
NVIDIA publicó en su blog varios proyectos del sector público europeo que usan modelos abiertos. En Polonia, el eHealth Centre desarrolla una plataforma de…
Por qué importaMuestra cómo las administraciones europeas buscan modelos que puedan evaluar, adaptar y ejecutar en infraestructura propia para mantener el control…
Samsung extiende a Latinoamérica Vision AI Companion, su asistente conversacional para televisores
Samsung expande en Latinoamérica Vision AI Companion, una función conversacional de sus Smart TVs de 2026 que responde por voz preguntas contextualizadas sobre…
Por qué importaMuestra la llevada de asistentes de IA generalistas a dispositivos de consumo del hogar, con el contenido en pantalla como contexto. Para marcas y…
IBM actualiza su familia Granite Speech con un nuevo modelo de voz de 2B parámetros y una versión más rápida
IBM Granite publica tres actualizaciones de su colección de voz: el nuevo modelo granite-speech-5.0-2b, una revisión de granite-speech-5.0-470m-turboctc y una…
Por qué importaOfrece modelos de voz abiertos y de licencia permisiva que pueden desplegarse en infraestructura propia para transcripción empresarial, algo…
Mistral AI lanza Voxtral 3, un conjunto para agentes de voz en tiempo real con transcripción, síntesis y SDK
Mistral AI ha presentado Voxtral 3, una familia de modelos para agentes de voz que integra transcripción (Voxtral Small Transcribe 3), síntesis de voz (Voxtral…
Por qué importaReúne escucha, razonamiento, uso de herramientas y voz en un único flujo, lo que puede simplificar el desarrollo de atención telefónica o asistentes…
Yelp añade agentes de voz que llaman a restaurantes para consultar esperas y un asistente con memoria
Yelp incorpora a su app la función Check for Me, un agente de voz que llama a un restaurante para consultar el tiempo de espera y envía el resultado al usuario…
Por qué importaMuestra cómo los agentes de voz empiezan a actuar en nombre de los consumidores frente a los negocios, lo que obliga a las empresas de servicios a…
Autentic AI, startup catalana, levanta 1,5 millones para hacer estudios de mercado con agentes de IA
La startup catalana Autentic AI ha cerrado una ronda de inversión de 1,5 millones de euros con gestoras como Baobab Ventures y Lanai. Usa agentes de IA que…
Por qué importaMuestra cómo la IA puede abaratar y acelerar la investigación de mercado, un servicio hoy dominado por grandes consultoras. Para equipos de marketing…
Amazon lanza dos wearables de IA que escuchan conversaciones para convertirlas en tareas
Amazon presentó dos wearables con IA, comercializados por su marca Bee, que registran conversaciones durante el día y las convierten en tareas, resúmenes y…
Por qué importaMuestra la extensión de la IA a dispositivos que captan audio de forma continua, lo que plantea retos de privacidad y de cumplimiento normativo para…
OpenAI actualiza las voces de ChatGPT con GPT-Live-1.1: nuevos idiomas, acentos y frases de espera
OpenAI ha anunciado GPT-Live-1.1, una actualización del modo de voz de ChatGPT que añade voces para francés, alemán, hindi, japonés, coreano, español de México…
Por qué importaPara empresas que despliegan asistentes de voz en varios idiomas, la calidad de acento y fluidez en lenguas distintas del inglés es un factor…
xAI lanza Grok Voice 3.0 en su API a 0,08 dólares por minuto de audio
xAI puso a disposición de los desarrolladores Grok Voice 3.0 en su API el 14 de octubre, con el precio de 0,08 dólares por minuto de audio que tenía la versión…
Por qué importaPara los equipos que operan asistentes de voz o atención al cliente, la actualización puede mejorar capacidades sin subir la tarifa anunciada. Quien…
NVIDIA presenta el ecosistema de IA nórdico: supercomputación en Suecia y casos en Spotify y ABB
NVIDIA publica en su blog un panorama del ecosistema de IA nórdico. Cita la previsión de 1 gigavatio de capacidad de IA en la región para finales de 2027 y el…
Por qué importaMuestra cómo se combinan infraestructura de cómputo, modelos abiertos y casos de producción en Europa del Norte, un referente para empresas que…
Square lanza Square Kiosk, un quiosco de pedidos con agente de voz de IA para atender al cliente
Square presenta Square Kiosk, un dispositivo de pedidos con pantalla táctil de 21,5 pulgadas y una capa de voz conversacional con agente de IA. Según la…
Por qué importaMuestra cómo los agentes de voz pasan de los asistentes online al punto de venta físico, con potencial para automatizar parte de la toma de pedidos…
Higgsfield amplía sus vídeos generados con IA a más de 10 minutos con modelos de OpenAI
OpenAI anuncia que Higgsfield ofrecerá a sus creadores vídeos más largos con GPT-6 Astra, imágenes más precisas con GPT-Image-2.5 y un camino hacia la creación…
Por qué importaMuestra que los modelos de OpenAI se integran en herramientas de vídeo con IA orientadas a creadores, lo que podría acercar la generación de piezas…
Tesla activa el asistente Grok @Bot en sus robotaxis, con compras y mensajes por voz
Tesla activó Grok @Bot, la versión de voz del asistente Grok de xAI que ejecuta tareas, en toda la flota de Cybercab y en los Model Y que operan como…
Por qué importaMuestra cómo los asistentes con agentes empiezan a ejecutar acciones de compra y comunicación dentro de productos de consumo, lo que plantea…
Una empresa australiana usa bots de IA para entretener a estafadores telefónicos y recopilar datos
Apate, empresa australiana, ha desarrollado un sistema que desvía llamadas de estafadores a bots de IA diseñados para mantener la conversación el máximo tiempo…
Por qué importaMuestra una vía de defensa contra el fraude que usa IA de forma automatizada y puede interesar a bancos y operadoras que sufren estafas telefónicas…
SpaceX lanza Grok Bot, sistema de atención al cliente con Claude Opus 5.5, Midjourney y Suno
SpaceX anunció el 6 de octubre de 2026 el lanzamiento de Grok Bot, su sistema de atención al cliente con IA, disponible para clientes de Starlink, SpaceX y…
Por qué importaEs llamativo que SpaceX, del ecosistema de Musk, elija Claude de Anthropic en vez de Grok de xAI para un producto de cara al cliente, lo que puede…
Google lanza AI Edge Foresight, app de notas con IA que funciona sin internet en Mac
Google presentó AI Edge Foresight, una aplicación de escritorio para Mac que transcribe reuniones y convierte notas en documentos completos, ejecutándose…
Por qué importaEs una demostración práctica de cómo los modelos locales pueden ofrecer funciones de productividad sensibles (transcripción de reuniones) sin…
Natura lanza un anillo inteligente de 99 dólares para controlar agentes de IA
La startup Natura presentó Interface, un smart ring de 99 dólares que permite invocar agentes de IA (Claude, ChatGPT, Grokbot, Meta Muse, Instinct) con el…
Por qué importaEs un ejemplo del esfuerzo de las startups por crear nuevas interfaces físicas para el acceso constante a agentes de IA, más allá del teléfono o el…
Google lanza app experimental de transcripción de reuniones totalmente offline
Google ha lanzado Google AI Edge Foresight, una app experimental y gratuita de notas que transcribe reuniones y archivos de audio de forma completamente local…
Por qué importaOfrece una alternativa a herramientas como Granola o Wispr Flow sin enviar audio a la nube, lo que resulta atractivo para empresas con requisitos…
El fundador de Cal AI lanza Persona, asistente de IA personal con pulsera por 179 dólares, tras ronda de 10 millones
Zach Yadegari, cofundador de la app Cal AI vendida a MyFitnessPal, ha lanzado Persona, una startup de asistente de IA personal, tras recaudar 10 millones de…
Por qué importaRefleja la consolidación del mercado de asistentes IA personales con hardware dedicado, un segmento donde ya compiten grandes tecnológicas como Meta…
Google lanza AI Edge Foresight, tomador de notas de reuniones offline con IA local
Google lanzó Google AI Edge Foresight, una app para Mac que transcribe reuniones y genera notas usando el modelo on-device EmbeddingGemma 2 (740M parámetros) y…
Por qué importaMuestra que Google está empujando modelos pequeños on-device como alternativa viable a soluciones cloud, reduciendo dependencia de conectividad y…
Google lanza SynthID Detector en abierto para el público y suma a Apple como socio
Google lanzó el 7 de octubre como servicio público global SynthID Detector, accesible en synthid.com sin registro, para verificar si imágenes, vídeo o audio…
Por qué importaEs la primera infraestructura de verificación de contenido sintético con escala real y acceso universal, lo que la acerca a convertirse en estándar…
Google lanza al público una herramienta web para detectar contenido generado con IA
Google abrió al público general una herramienta web que usa SynthID para detectar marcas de agua digitales en imágenes, videos y audios generados por modelos…
Por qué importaFacilita una verificación básica de autenticidad en un contexto de creciente desinformación visual y sonora generada por IA, aunque solo funciona con…
Google abre SynthID al público para detectar contenido generado con IA
Google ha lanzado el acceso público a SynthID, su herramienta para detectar marcas de agua invisibles en imágenes, vídeos y audios generados con IA. El sistema…
Por qué importaLa detección de contenido sintético se vuelve relevante para empresas de medios, marketing y moderación de contenidos ante la proliferación de…
Google abre SynthID Detector a todos los usuarios para identificar contenido generado con IA
Google ha abierto SynthID Detector, su herramienta para detectar marcas de agua en imágenes, vídeos y audio generados por IA, a cualquier usuario con cuenta de…
Por qué importaLa apertura convierte a SynthID en una infraestructura compartida de procedencia entre varios proveedores de IA, facilitando la verificación de…
Google abre al público una web para verificar si imágenes, vídeos y audios son generados por IA
Google lanzó públicamente un sitio basado en SynthID que permite a cualquier usuario verificar si una imagen, vídeo o audio fue generado con IA. La…
Por qué importaLa proliferación de contenido sintético hace necesarias herramientas de verificación accesibles, especialmente para medios, empresas y plataformas…
TII lanza Falcon-ASR, modelo de reconocimiento de voz en árabe centrado en el dialecto emiratí
El Technology Innovation Institute (TII) de Abu Dabi presentó Falcon-ASR, un modelo de reconocimiento automático de voz de 1.600 millones de parámetros…
Por qué importaEs un avance relevante para empresas y servicios que operan en árabe y sus dialectos regionales, un área con menos recursos de entrenamiento que el…
Prueba de Dots, el agente 'always-on' de OpenAI, revela fallos y momentos extraños
Wired probó Dots, el nuevo agente 'always-on' de OpenAI disponible por 100 dólares al mes dentro de ChatGPT, encargándole comprar un sofá. El agente cometió…
Por qué importaLos agentes 'always-on' que pueden navegar y actuar de forma autónoma representan un salto desde los chatbots hacia asistentes que ejecutan tareas…





























