Start-up desafía a OpenAI con IA de audio revolucionaria

Una startup llamada Gradium, surgida del laboratorio de investigación sin fines de lucro Kyutai, está revolucionando el desarrollo de modelos de audio con IA, desafiando a gigantes como OpenAI. En verano de 2024, Kyutai demostró el primer modelo de conversación de audio en tiempo real (Moshi) capaz de responder instantáneamente, cambiar de voz e incluso recitar poesía, superando a las soluciones de OpenAI y xAI en velocidad y funcionalidad. Lo más sorprendente es que este avance fue logrado por un equipo de solo cuatro investigadores en seis meses, con recursos limitados y utilizando código abierto que puede funcionar en dispositivos móviles.

Esta situación resalta una tendencia importante: los modelos de audio con IA están siendo desarrollados por startups ágiles y especializadas, en lugar de los grandes laboratorios. Esto se debe a que la investigación en audio ha sido históricamente subestimada y subfinanciada, y a que los equipos pequeños y enfocados pueden superar a los grandes laboratorios debido a su capacidad para innovar rápidamente y evitar la burocracia. El artículo profundiza en la historia de la IA de audio, las dinámicas de los laboratorios grandes y pequeños, y los desafíos específicos del entrenamiento de modelos de voz, abriendo una nueva vía en el panorama de la inteligencia artificial generativa.