19 noticias
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
Bullshit Detector es un proyecto de código abierto publicado en GitHub por Serhii Korniienko que convierte a cualquier agente de IA compatible con el estándar Agent Skills (Claude Code, Codex, OpenCode, Cursor, Gemini CLI, ChatGPT y otros) en un verificador de afirmaciones pieza por pieza. El usuari
Primate Labs ha presentado Geekbench 7, la nueva versión de su benchmark multiplataforma, ya disponible para Android, iOS, Windows, macOS y Linux. La herramienta incorpora cargas de trabajo de medios inéditas que evalúan el rendimiento de la CPU en tareas de codificación, decodificación y procesamie
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
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
El columnista Cory Doctorow sostiene en su artículo "Reverse Centaurs", publicado en la revista Locus, que la paradoja de la inteligencia artificial —usuarios que la veneran frente a otros que la sufren— se explica mediante la automatización. Un "centauro" es una persona asistida por una máquina que
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
El repositorio 'local-llm' del desarrollador James O'Beirne es una guía práctica y detallada para ejecutar modelos de lenguaje de gran tamaño en un equipo propio, sin depender de servicios en la nube como los de OpenAI o Anthropic. El documento describe dos niveles de inversión: con unos 2.000 dólar
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
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
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