ESCRÍBENOS: contacto@techplanet.es

Tech Planet

  • HARDWARE
  • SOFTWARE
  • PERIFÉRICOS
  • FORMACIÓN
  • PRODUCTIVIDAD
  • NOTICIAS
  • PRESUPUESTOS PC
  • GUÍAS
  • RANKINGS
  • Inicio
  • Noticias
  • Microsoft AI transcribe en directo en 60 idiomas y clona voces con unos segundos de audio

Microsoft AI transcribe en directo en 60 idiomas y clona voces con unos segundos de audio

Varias ondas sonoras finas de colores entran por la izquierda y se trenzan en el centro hasta formar una sola onda ancha de color coral. Imagen generada con IA.
viernes, 02 octubre 2026 / Publicado en Noticias

Microsoft AI transcribe en directo en 60 idiomas y clona voces con unos segundos de audio

Microsoft AI ha presentado su primer modelo de transcripción en tiempo real, que pasa a texto lo que se dice en 60 idiomas mientras se habla, y dos nuevos modelos de voz que hablan 23 idiomas y clonan una voz con unos segundos de audio. Lo anunció el 1 de octubre en su web, y el objetivo está claro: agentes de voz que escuchen, entiendan y respondan sin que la charla deje de parecer una conversación.


Transcribe mientras hablas

El protagonista es MAI-Transcribe-2-Streaming, que transcribe en tiempo real en 60 idiomas y detecta de forma automática y continua cuál se está hablando. Y no espera a que la persona termine para devolver el texto.

Según Microsoft, ofrece sus primeras hipótesis, lo que llama «parciales», en poco más de 100 milisegundos desde que recibe el audio, las corrige conforme llega más contexto y fija enseguida una transcripción estable. Eso permite a las aplicaciones de voz actuar antes de que la persona acabe de hablar. En dictado o subtitulado en tiempo real, sus evaluaciones internas indican que las palabras salen el doble de rápido que con su competidor más cercano.

En precisión, la compañía asegura que es el número 1 de Artificial Analysis tanto en transcripciones finales como parciales, y que en su evaluación de precisión frente a latencia se sitúa en la frontera de Pareto, lo que a su juicio demuestra que «una mayor precisión no tiene por qué venir acompañada de un gran sacrificio en latencia».


Una sola voz en 23 idiomas, con acento nativo

El segundo anuncio es MAI-Voice-2.1, que Microsoft describe como su modelo de texto a voz multilingüe más potente hasta ahora. Habla 23 idiomas y 26 variantes regionales, y una misma voz puede usarlos todos con acento nativo. El ejemplo de la empresa: se le pide inglés, luego mandarín y luego alemán, y el hablante sigue siendo inconfundiblemente el mismo, con la forma de hablar de cada lugar en vez de arrastrar un único acento.

Así, una marca puede mantener una única voz en todas partes, una aplicación de tutorías puede cambiar de idioma a mitad de clase sin cambiar de profesor y un asistente multilingüe puede contestar en el idioma en que se le hable, sin dejar de sonar igual.


Flash para ir rápido y clonación con consentimiento

Le acompaña MAI-Voice-2.1-Flash, con los mismos idiomas y voces políglotas, pero pensado para grandes volúmenes y tareas en las que el retraso es crítico. Puede generar 45 segundos de audio con un retraso total, de extremo a extremo, de apenas 150 milisegundos, menos de una quinta parte de segundo. Por esa combinación de latencia, calidad y eficiencia en costes, Microsoft lo presenta como el compañero natural de su modelo de transcripción.

Los dos modelos de voz pueden clonar voces en todos los idiomas compatibles a partir de solo unos segundos de audio de referencia, algo que, explica la compañía, facilita a sus clientes usar la voz de su marca. A la vez, Microsoft afirma que llevan integradas «salvaguardas de consentimiento que impiden el mal uso», aunque la entrada no detalla cómo funcionan.


Para qué lo quiere Microsoft y dónde está

La compañía lo resume así: un agente de voz es un bucle que tiene que oír, entender, decidir y hablar dentro del margen en el que una persona sigue sintiendo que conversa. Juntar la transcripción con Flash ahorra tiempo en ambos extremos, que el agente puede dedicar a razonar, usar herramientas y comprobar su respuesta.

Pone como ejemplos agentes de atención al cliente que transcriben la petición mientras se formula, empiezan a actuar antes de que quien llama termine y responden con voz natural; asistentes multilingües que detectan el idioma y contestan en cualquiera de los 23 con la misma voz; y contenidos interactivos y de aprendizaje con distintos hablantes para tutorías, juegos de rol, simulaciones o narración.

Los tres modelos llegan a través de Microsoft Foundry, y para mostrarlos trabajando juntos Microsoft ha creado Chatter, una nueva demostración con un agente en directo dentro de MAI Playground. La compañía indica que MAI-Transcribe-2-Streaming sale con un precio de lanzamiento de 0,54 dólares por hora de audio hasta final de año.


Te puede interesar

Tech Planet participa en el programa de afiliados de Amazon. Si compras a través de estos enlaces, recibimos una pequeña comisión sin coste extra para ti, lo que nos ayuda a seguir creando contenido como este.

Imagen Producto Características Comprar
Creative Pebble V3 Creative Pebble V3 Altavoces 2.0 con USB-C · drivers de 2,25″ · Bluetooth 5.0 y Clear Dialog Ver precio en Amazon
Edifier R1280DB Edifier R1280DB 2 × 21 W RMS · Bluetooth, óptico, coaxial y RCA · mando a distancia Ver precio en Amazon
Creative Sound Blaster G6 Creative Sound Blaster G6 DAC y tarjeta de sonido USB externa · 7.1 virtual y Dolby Digital · amplificador de auriculares Ver precio en Amazon
JBL Flip 7 JBL Flip 7 Altavoz Bluetooth portátil · IP68 · resiste caídas de 1 m Ver precio en Amazon


Escrito por Eloy Andrade

También podría interesarte

Personaje con armadura y capa en un acantilado árido observa ruinas de torres de piedra conectadas por puentes de luz verde azulada. Imagen generada con IA.
Xbox Cloud Gaming pondrá límites mensuales de streaming desde noviembre
Foto oficial del nuevo Fire TV Stick 4K de Amazon junto al mando Fire TV Remote rediseñado, sobre un fondo beis
Amazon renueva el Fire TV Stick 4K: más rápido, más fino y se alimenta del USB del televisor
Bastidor de servidor con equipos de red, cables naranja y azules, indicadores LED verdes iluminados y monitor mostrando código. Imagen generada con IA.
Un rootkit para Linux ataca F5 BIG-IP APM e inyecta una shell web en memoria

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

BUSCAR

POSTS RECIENTES

  • Varias esferas flotantes con paisajes planetarios y mundos imaginarios sobre fondo negro, con el texto Project Genie y su eslogan.

    Google abre Genie 4 a suscriptores de AI Ultra con audio nativo en tiempo real

    Google despliega una nueva versión de Project G...
  • Imagen promocional de Phison con el texto «Three Next-Generation Storage Innovations for the New Compute Era» sobre un fondo oscuro con trazos de luz naranja

    Phison detalla un SSD con NPU integrada y 64 GB de memoria para ejecutar IA

    Phison ha presentado en SC26 dos diseños de SSD...
  • Monitor con varias ventanas de terminal y un teclado mecánico sobre un escritorio oscuro. Imagen generada con IA.

    Rust Coreutils 0.13 se acerca a las de GNU: ya pasa el 96,7 % de sus pruebas

    Rust Coreutils 0.13.0 ya pasa el 96,7 % de las ...
  • Logotipo de PHP 8.6 con el texto "PHP 8.6 released" sobre fondo morado.

    Sale PHP 8.6 con aplicación parcial de funciones, la clase Duration y clamp()

    PHP 8.6 es una actualización mayor del lenguaje...
  • Portátil plateado con pantalla que muestra arte abstracto colorido, sobre mesa de madera junto a café y plantas. Imagen generada con IA.

    NotProton permite instalar juegos de Windows en Steam para Mac sin Windows

    NotProton activa Steam Play en el cliente nativ...

ARCHIVO

  • noviembre 2026
  • octubre 2026
  • septiembre 2026
  • agosto 2026
  • julio 2026
  • junio 2026
  • mayo 2026
  • abril 2026
  • marzo 2026
  • febrero 2026
  • enero 2026
  • diciembre 2025
  • noviembre 2025
  • octubre 2025
  • septiembre 2025

CATEGORÍAS

  • Consolas
  • Formación
  • Gaming
  • Guías
  • Hardware
  • Noticias
  • Periféricos
  • Presupuestos PC
  • Productividad
  • Rankings
  • Redes
  • Seguridad
  • Sistemas operativos
  • Software
  • Tablets
  • Tecnología
  • Todas las noticias

Tech Planet es tu punto de encuentro para estar al día en informática y hardware. Publicamos comparativas, configuraciones de PC, consejos de software y guías prácticas para que saques el máximo partido a tus equipos. Con un estilo claro y accesible, acercamos la tecnología a usuarios de todos los niveles.

Únete a la newsletter de Tech Planet

Cada domingo enviamos un resumen con los mejores artículos de la semana.

¡No hacemos spam! Lee nuestra política de privacidad para obtener más información.

Revisa tu bandeja de entrada o la carpeta de spam para confirmar tu suscripción.

contacto@techplanet.es

CATEGORÍAS

  • HARDWARE
  • SOFTWARE
  • PERIFÉRICOS
  • FORMACIÓN
  • PRODUCTIVIDAD
  • NOTICIAS
  • PRESUPUESTOS PC
  • GUÍAS
  • RANKINGS

SOCIAL MEDIA

TEXTOS LEGALES

  • AVISO LEGAL
  • POLÍTICA DE PRIVACIDAD
  • POLÍTICA DE COOKIES

Powered by Trígono Comunicación | © 2026  Tech Planet | En calidad de Afiliado de Amazon, Tech Planet obtiene ingresos por las compras adscritas que cumplen los requisitos aplicables.

SUBIR
Gestionar consentimiento
Para ofrecer las mejores experiencias, utilizamos tecnologías como las cookies para almacenar y/o acceder a la información del dispositivo. El consentimiento de estas tecnologías nos permitirá procesar datos como el comportamiento de navegación o las identificaciones únicas en este sitio. No consentir o retirar el consentimiento, puede afectar negativamente a ciertas características y funciones.
Funcional Siempre activo
El almacenamiento o acceso técnico es estrictamente necesario para el propósito legítimo de permitir el uso de un servicio específico explícitamente solicitado por el abonado o usuario, o con el único propósito de llevar a cabo la transmisión de una comunicación a través de una red de comunicaciones electrónicas.
Preferencias
El almacenamiento o acceso técnico es necesario para la finalidad legítima de almacenar preferencias no solicitadas por el abonado o usuario.
Estadísticas
El almacenamiento o acceso técnico que es utilizado exclusivamente con fines estadísticos. El almacenamiento o acceso técnico que se utiliza exclusivamente con fines estadísticos anónimos. Sin un requerimiento, el cumplimiento voluntario por parte de tu proveedor de servicios de Internet, o los registros adicionales de un tercero, la información almacenada o recuperada sólo para este propósito no se puede utilizar para identificarte.
Marketing
El almacenamiento o acceso técnico es necesario para crear perfiles de usuario para enviar publicidad, o para rastrear al usuario en una web o en varias web con fines de marketing similares.
  • Administrar opciones
  • Gestionar los servicios
  • Gestionar {vendor_count} proveedores
  • Leer más sobre estos propósitos
Ver preferencias
  • {title}
  • {title}
  • {title}