software · 27 menciones
FnScribe es una aplicación de dictado por voz para macOS que ejecuta el reconocimiento de forma local en el equipo, sin enviar audio ni transcripciones a la nube. Funciona desde la barra de menús y permite activar la grabación manteniendo pulsada la tecla fn (Globe) y soltándola para insertar la tra
Vocal Slice es una aplicación de escritorio para macOS y Windows pensada para podcasters, editores de vídeo, locutores y creadores de contenido que necesitan extraer fragmentos concretos de grabaciones de voz largas. Su flujo de trabajo se resume en tres pasos: cargar un archivo de audio en formatos
Un repositorio de código abierto cuestiona un supuesto muy extendido en el diseño de asistentes conversacionales por voz: que el reconocimiento automático del habla (ASR) falla con las personas mayores. El proyecto, del usuario Kayvan-Zahiri en GitHub, replica un banco de pruebas sobre 2.760 clips d
Un modelo de visión por computador dispone de unos 150 fotogramas por vídeo antes de agotar su presupuesto de tokens. Elegir cuáles de esos 150 conservarlo es lo que decide si el modelo vio el vídeo o solo recibió una secuencia de imágenes inconexas. Este artículo recoge las notas de ingeniería obte
Yap es una herramienta gratuita y de código abierto para dictado por voz en macOS que realiza la transcripción íntegramente en el dispositivo, sin enviar audio a la nube ni requerir cuentas, claves de API ni conexión a internet. La aplicación, desarrollada por Frigade, vive en la barra de menús y se
HART OS, desarrollado por Hevolve y disponible en GitHub bajo el repositorio hertz-ai/HARTOS, es un sistema operativo de inteligencia artificial nativo que se ejecuta de forma local en portátiles, servidores, teléfonos y dispositivos embebidos, incluidos robots. Su núcleo, llamado HART, se instala c
Screenpipe es una aplicación de escritorio desarrollada por Louis y respaldada por Y Combinator (S26) que registra de forma continua la pantalla y el audio del usuario en local, los indexa y los expone a través de una API para que agentes de IA dispongan de una memoria consultable de lo que el usuar
OfflineTTS es una plataforma gratuita y centrada en el navegador que reúne en un único kit varias herramientas de audio con IA para creadores, investigadores y usuarios con necesidades de accesibilidad. Su objetivo es evitar depender de servicios en la nube ofreciendo procesamiento local y privado.
Voicebox es una herramienta de voz a texto de código abierto que captura la voz del usuario, la transcribe con el modelo Whisper y formatea el resultado mediante un modelo de lenguaje. Funciona con un atajo de teclado (Ctrl+Cmd en macOS): al pulsarlo se inicia la grabación y se muestra una pequeña s
libargus es un runtime de ejecución de inteligencia artificial nativo, sin gestión de memoria automática y con cero asignaciones de memoria, que consolida en un único proceso global las canalizaciones de visión, habla y modelos de lenguaje. La biblioteca actúa como una capa fina sobre los motores de
Un benchmark independiente publicado por Inscribe sitúa al nuevo motor de reconocimiento de voz en dispositivo de Apple, SpeechAnalyzer (incluido en iOS 26 y macOS 26), como el más preciso frente a los modelos Whisper de OpenAI sobre el corpus LibriSpeech. Las pruebas, ejecutadas íntegramente en loc
Un equipo de investigadores ha entrenado un modelo capaz de transcribir el habla a partir de grabaciones de ultrasonido de la lengua mientras la persona permanece en silencio. Colocan una sonda bajo el mentón para capturar vídeos del movimiento lingual y los transforman en palabras, una técnica de '
ghostmeet es un asistente de reuniones basado en inteligencia artificial de código abierto que funciona de forma silenciosa en el navegador del usuario. Su principal característica es que captura el audio directamente desde una pestaña del navegador —compatible con Google Meet, Zoom, Microsoft Teams
Kokoro es un modelo de síntesis de voz (TTS) de código abierto con solo 82 millones de parámetros capaz de generar audio realista en inglés, mandarín e hindi, entre otros idiomas, y ofrece alrededor de 50 voces distintas. Su principal atractivo es que produce resultados de alta calidad funcionando í
claude-real-video es una herramienta de código abierto (licencia MIT) diseñada para que un modelo de lenguaje grande (LLM) pueda "ver" un vídeo de forma efectiva, trabajando en local y sin subir el contenido a la nube. A diferencia de los flujos habituales —como Gemini, que muestrea fotogramas a int
En este ensayo-conferencia, la ingeniera de aprendizaje automático Vicki Boykis reflexiona sobre el estado actual del oficio de construir sistemas de machine learning en plena era de los modelos de lenguaje grandes. La autora parte de una pregunta que describe como existencial: si casi todo el secto
Erm es una herramienta de línea de comandos de código abierto diseñada para eliminar disfluencias como “um”, “uh” y “er” de archivos de audio de voz. Desarrollada por Doug Calobrisi y disponible en GitHub, se ejecuta completamente en local, lo que garantiza la privacidad de las grabaciones. La inter
Open-LLM-VTuber es un compañero de inteligencia artificial con interacción por voz y un avatar Live2D animado, diseñado para funcionar de forma totalmente local en Windows, macOS y Linux. El proyecto nació con el objetivo de replicar mediante soluciones de código abierto la experiencia de la VTuber
FunASR es un toolkit de código abierto para reconocimiento automático del habla (ASR) desarrollado por ModelScope, la organización de Alibaba DAMO, orientado a escenarios industriales y de producción. La herramienta se posiciona como una alternativa a OpenAI Whisper y a las API de transcripción en l
MoneyPrinterTurbo es una herramienta de código abierto que integra grandes modelos de lenguaje (LLM) para generar vídeos cortos de alta definición de forma automatizada. Su arquitectura sigue el patrón MVC, lo que facilita su mantenimiento y escalabilidad, y ofrece tanto una interfaz web como una AP
El desarrollador Tantara ha presentado OpenBrief, una nueva herramienta de código abierto alojada en GitHub que convierte videos y audio en resúmenes interactivos y legibles. Esta aplicación de escritorio permite a los usuarios importar archivos multimedia, extraer transcripciones y generar resúmene
MoqBoy ha introducido un innovador sistema de entrega de medios bajo demanda para emuladores, optimizando el uso de recursos y reduciendo costes. El sistema, implementado en máquinas virtuales en Texas, permite a los usuarios acceder a juegos retro (principalmente homebrew para evitar problemas de d
Un nuevo toolkit llamado 'gemma-tuner-multimodal' permite a los usuarios afinar modelos Gemma de Google para tareas de inteligencia artificial multimodal (texto, imágenes y audio) directamente en Macs con Apple Silicon. La herramienta, desarrollada por Mattmireles y disponible en GitHub, elimina la
El proyecto FFmpeg ha lanzado varias actualizaciones significativas en los últimos meses, consolidándose como una solución integral para la grabación, conversión y transmisión de audio y video. La versión 8.1 "Hoare" (marzo de 2026) introduce decodificadores experimentales (xHE-AAC Mps212, MPEG-H),
RunanywhereAI ha lanzado RCLI, un asistente de voz con inteligencia artificial diseñado para macOS que funciona completamente en el dispositivo, eliminando la necesidad de conexión a la nube o claves de API. Utilizando Apple Silicon (M1 o posterior), RCLI integra reconocimiento de voz (STT), un mode
Una nueva herramienta llamada Script Snap ha sido lanzada para validar contenido técnico generado por inteligencia artificial, buscando evitar errores y alucinaciones comunes en herramientas de IA genéricas. La plataforma, presentada en script-snap.com, se enfoca en asegurar la precisión de términos
Un desarrollador ha lanzado 'Off Grid', una aplicación móvil de inteligencia artificial que permite a los usuarios ejecutar una amplia gama de funciones directamente en sus teléfonos, sin necesidad de conexión a internet ni de enviar datos a la nube. La aplicación, disponible para Android e iOS, int
