Gradium lanzó dos modelos de traducción de voz en tiempo real: stt-translate y s2s-translate. Según la empresa, cubren inglés, francés, alemán, español y portugués en 20 pares de idiomas.
La propuesta es simplificar la arquitectura tradicional de traducción por voz. En lugar de una cascada con tres modelos separados, los sistemas reducen el flujo a dos componentes, combinando transcripción y traducción en una sola pasada con una etapa de síntesis de voz de Gradium.
Qué cambia en la práctica
- stt-translate combina reconocimiento de voz y traducción en un solo paso.
- s2s-translate agrega salida de voz, con selección de voz y clonación.
- La comunicación ocurre mediante un WebSocket dúplex, lo que favorece aplicaciones interactivas.
- Gradium afirma tener un mejor equilibrio entre precisión y latencia que gpt-realtime-translate y gemini-3.5-live-translate.
Para productos que dependen de conversaciones en vivo, como atención al cliente, reuniones multilingües y herramientas educativas, la latencia es tan importante como la calidad de la traducción. Pequeños retrasos pueden hacer que la interacción sea menos natural, incluso cuando el contenido traducido es correcto.
Para los lectores hispanohablantes, el punto más relevante es la presencia del español entre los idiomas cubiertos. Esto puede facilitar integraciones en servicios que necesitan alternar entre español, portugués, inglés y otros idiomas sin montar una cadena compleja de modelos separados.
Nuestro prisma
La noticia importa porque la traducción de voz en tiempo real depende del equilibrio entre precisión, velocidad y voz natural. Para los mercados hispanohablantes, el soporte para español hace que la tecnología sea más aplicable a atención al cliente, educación y colaboración internacional, aunque las mejoras reportadas todavía provienen de la propia Gradium.
Fuente: MarkTechPost
Recibe Radar de IA todos los días
Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.
