16 noticias
Edge0 Audio8 ASR Infinite es un modelo de reconocimiento de voz nativo en streaming diseñado para ofrecer latencia mínima y transcripciones de audio de longitud ilimitada. Su arquitectura hereda la estructura Voxtral Realtime y combina un Decoder basado en Qwen2.5-3B-Instruct con un sistema de caché
Wispr Advanced Interfaces Lab ha presentado Canto, un modelo de reconocimiento de voz diseñado específicamente para condiciones de uso realistas. A diferencia de los modelos anteriores que funcionan mejor en entornos controlados, Canto está optimizado para transcripciones en tiempo real realizadas e
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
Google ha dado un paso significativo en su estrategia de inteligencia artificial conversacional con el lanzamiento de tres nuevos modelos de audio bajo la familia Gemini 3.5: Gemini 3.5 Transcribe, Gemini 3.5 Live y Gemini 3.5 Live Experimental. El anuncio, realizado a través del blog oficial de la
Particle, la startup fundada por exempleados de Twitter y conocida por su lector de noticias con IA, ha presentado Radar, un motor de búsqueda centrado en podcasts que transcribe el audio y lo hace consultable tanto para personas como para agentes de inteligencia artificial. La compañía, cofundada p
Moonshine, la biblioteca de reconocimiento de voz de la start-up Moonshine AI, ya puede ejecutarse directamente en el navegador gracias a una compilación en WebAssembly del núcleo en C++ de la herramienta. El desarrollador principal del proyecto publica una versión inicial pensada para que los progr
Qwen Scribe es una aplicación de código abierto que ofrece transcripción de audio y vídeo y dictado en todo el sistema ejecutándose por completo en un Mac con Apple Silicon, sin cuentas, claves de API ni servicios en la nube. El proyecto se encuentra en la versión 0.1.0-beta.1 y utiliza el modelo Qw
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
En los primeros meses de 2011, Jeff Bezos dibujó en una pizarra de sala de reuniones el dispositivo que acabaría convirtiéndose en el Amazon Echo: un altavoz controlado por voz, con un precio objetivo de 20 dólares y la inteligencia en la nube, aprovechando Amazon Web Services para mejorar el produc
Epilude ha presentado Model 4, la cuarta generación del modelo de limpieza que impulsa Local Mode, su función de dictado íntegramente en el dispositivo. Mantiene el mismo peso de descarga (1,5 GB) y la misma velocidad sobre Macs con chip Apple Silicon, pero ofrece una mejora sustancial de calidad: e
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 '
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
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
Un ingeniero ha desarrollado un agente de voz con una latencia 2 veces menor que las plataformas existentes, utilizando una aproximación de bajo costo y un enfoque innovador. El proyecto, realizado en seis meses como parte de un trabajo para una importante empresa de bienes de consumo, buscó crear u
Moonshine AI ha lanzado Moonshine Voice, un toolkit de código abierto para desarrolladores que buscan crear interfaces de voz en tiempo real. La herramienta, disponible en múltiples plataformas (Python, iOS, Android, macOS, Linux, Windows, Raspberry Pi, IoT y wearables), se distingue por funcionar c
PersonaPlex es un avance significativo en el campo de los modelos de habla conversacional de dobleplex, que permite interacciones de voz a voz en tiempo real con una latencia muy baja, imitando la conversación humana natural. Los sistemas de dobleplex existentes, aunque prometedores, están limitados
