Las 10 principales tecnologías de voz e inteligencia artificial que dominarán 2025 (TTS, STT, clonación de voz)

Google Cloud Speech AI ofrece Text-to-Speech con más de 380 voces en más de 50 idiomas usando WaveNet/Neural2, Speech-to-Text en más de 125 idiomas, y Custom Voice disponible de forma general en 2024.
Azure Speech Service ofrece Neural Text-to-Speech con 446 voces en 144 idiomas (a mediados de 2024), Speech-to-Text en más de 75 idiomas, y Custom Neural Voice con despliegue en la nube o local.
Amazon Polly ofrece más de 100 voces en más de 40 idiomas, incluye Neural Generative TTS con 13 voces ultra-expresivas para finales de 2024, y Amazon Transcribe soporta más de 100 idiomas.
IBM Watson Speech Services proporciona Text-to-Speech en más de 13 idiomas y Speech-to-Text en 8–10 idiomas, con Large Speech Models en 2024 y despliegue local a través de Cloud Pak.
Nuance Dragon Medical One ofrece precisión cercana al 100% en dictado médico tras la adaptación del usuario, soporta operación offline en PC, e integra con Microsoft 365 Dictate y Dragon Ambient Experience.
OpenAI Whisper es un modelo STT de código abierto entrenado con 680,000 horas de audio, soporta unos 99 idiomas, puede traducir voz, y Whisper-large vía API cuesta $0.006 por minuto.
Deepgram lanzó Nova-2 en 2024, logrando aproximadamente un 30% menos de WER y un WER medio de 8.4% en datos diversos, con streaming en tiempo real y despliegue local.
Speechmatics Flow, lanzado en 2024, combina STT con un LLM y TTS, soporta más de 30 idiomas, y reporta 91.8% de precisión en voces infantiles con una mejora del 45% para voces afroamericanas; irlandés y maltés se añadieron en agosto de 2024.
ElevenLabs ofrece más de 300 voces predefinidas y, con el modelo v3 de 2024, soporta más de 30 idiomas y clonación de voz a partir de unos minutos de audio.
Resemble AI permite conversión y clonación de voz en tiempo real en 62 idiomas con Localize, y una campaña Truefan produjo 354,000 mensajes personalizados con aproximadamente un 90% de similitud de voz.

Introducción

La tecnología de IA de voz en 2025 se caracteriza por avances notables en Text-to-Speech (TTS), Speech-to-Text (STT) y Voice Cloning. Las plataformas líderes de la industria ofrecen una síntesis de voz cada vez más natural y un reconocimiento de voz altamente preciso, permitiendo casos de uso que van desde asistentes virtuales y transcripción en tiempo real hasta locuciones realistas y doblaje multilingüe. Este informe perfila las 10 principales plataformas de IA de voz que dominan 2025, destacándose en una o más de estas áreas. Cada entrada incluye una visión general de capacidades, características clave, idiomas soportados, tecnología subyacente, casos de uso, precios, fortalezas/debilidades, innovaciones recientes (2024–2025) y un enlace a la página oficial del producto. Se proporciona una tabla comparativa resumen para una visión rápida de sus puntos destacados.

Tabla comparativa resumen

Plataforma	Capacidades (TTS/STT/Clonación)	Modelo de precios	Usuarios objetivo y casos de uso
Google Cloud Speech AI	TTS (voces WaveNet/Neural2); STT (más de 120 idiomas); Opción de voz personalizadacloud.google.com id.cloud-ace.com	Pago por uso (por carácter para TTS; por minuto para STT); Créditos de nivel gratuito disponiblescloud.google.com	Empresas y desarrolladores que crean aplicaciones de voz a escala global (centros de contacto, transcripción de medios, IVR, etc.)krisp.ai cloud.google.com
Microsoft Azure Speech Service	TTS (voces neuronales – más de 400 voces, más de 140 idiomastechcommunity.microsoft.com); STT (más de 75 idiomas, traducción)telnyx.com krisp.ai; Custom Neural Voice (clonación)	Pago por uso (por carácter/hora); nivel gratuito y créditos de Azure para pruebatelnyx.com	Empresas que necesitan IA de voz segura y personalizable (aplicaciones multilingües, asistentes de voz, transcripción sanitaria/legal)krisp.ai krisp.ai
Amazon AWS Voice AI (Polly & Transcribe)	TTS (más de 100 voces, más de 40 idiomasaws.amazon.com, voces neuronales y generativas); STT (en tiempo real y por lotes, más de 100 idiomasaws.amazon.com)	Pago por uso (por millón de caracteres para TTS; por segundo para STT); Nivel gratuito por 12 meses aws.amazon.com aws.amazon.com	Empresas en AWS que necesitan funciones de voz escalables (narración de medios, transcripción de llamadas de servicio al cliente, aplicaciones interactivas por voz) telnyx.com aws.amazon.com
IBM Watson Speech Services	TTS (voces neuronales en varios idiomas); STT (en tiempo real y por lotes, modelos ajustados por dominio)	Pago por uso (nivel gratuito lite; precios escalonados según uso)	Empresas en dominios especializados (finanzas, salud, legal) que necesitan soluciones de voz altamente personalizables y seguras krisp.ai telnyx.com
Nuance Dragon (Microsoft)	STT (dictado de alta precisión; versiones específicas por dominio, por ejemplo, médico, legal); Comandos de voz	Licencia por usuario o suscripción (software Dragon); Licencias empresariales para servicios en la nube	Profesionales (médicos, abogados) y empresas que requieren transcripción de alta precisión y documentación por voz krisp.ai krisp.ai
OpenAI Whisper (código abierto)	STT (ASR multilingüe de última generación – ~99 idiomas zilliz.com; también traducción)	Código abierto (Licencia MIT); Uso de la API de OpenAI a ~$0.006/minuto	Desarrolladores e investigadores que necesitan reconocimiento de voz de máxima precisión (por ejemplo, servicios de transcripción, traducción de idiomas, análisis de datos de voz) zilliz.com zilliz.com
Deepgram	STT (modelos empresariales basados en transformadores con un 30% menos de error frente a competidores deepgram.com); Algunas capacidades TTS emergentes	Suscripción o API basada en uso (créditos de nivel gratuito, luego precios escalonados; ~$0.004–0.005/min para el modelo más reciente) deepgram.com	Empresas tecnológicas y centros de contacto que necesitan retranscripción en tiempo real y de alto volumen con ajuste personalizado de modelos telnyx.com deepgram.com
Speechmatics	STT (ASR auto-supervisado, más de 50 idiomas con cualquier acento audioxpress.com); algunas soluciones de voz integradas con LLM (API Flow para ASR+TTS) audioxpress.com audioxpress.com	Suscripción o licencia empresarial (API en la nube o local); cotizaciones personalizadas para volumen	Medios y empresas globales que requieren transcripción inclusiva y neutral al acento (subtítulos en vivo, análisis de voz) con opciones locales para privacidad speechmatics.com speechmatics.com
ElevenLabs	TTS (voces ultra realistas y expresivas); Clonación de voz (voces personalizadas a partir de muestras); Síntesis de voz multilingüe (más de 30 idiomas en voz original) elevenlabs.io resemble.ai	Plan gratuito (~10 min/mes); Planes de pago desde $5/mes (30 min+) zapier.com zapier.com	Creadores de contenido, editores y desarrolladores que necesitan locuciones de alta calidad, narración de audiolibros, voces de personajes o clonación de voz para medios zapier.com zapier.com
Resemble AI	TTS y Clonación de Voz (clonación instantánea de voz con emoción; conversión de voz a voz); Doblaje en más de 50 idiomas con la misma voz <a href=»https://www.aibase.com/news/554#:~:text=The%20data%20to%20be%20translateaibase.com resemble.ai	Precios empresariales y basados en uso (planes personalizados; prueba gratuita disponible)	Equipos de medios, videojuegos y marketing que crean voces de marca personalizadas, contenido de voz localizado o conversión de voz en tiempo real en aplicaciones interactivasresemble.ai resemble.ai

1. Google Cloud Speech AI (TTS y STT) – Google

Resumen: La oferta de Speech AI de Google Cloud abarca las API de Cloud Text-to-Speech y Speech-to-Text, reconocidas por su alta fidelidad y escalabilidad. El TTS de Google produce voz natural y humana utilizando modelos avanzados de deep learning (por ejemplo, WaveNet, Neural2) videosdk.live, mientras que su STT logra transcripción precisa en tiempo real en más de 120 idiomas/dialectos krisp.ai. Los usuarios objetivo van desde empresas que necesitan aplicaciones de voz multilingües globales hasta desarrolladores que integran voz en aplicaciones o dispositivos. Google también ofrece una opción de Custom Voice que permite a los clientes crear una voz de IA única usando sus propias grabaciones id.cloud-ace.com (con salvaguardas éticas).

Características clave:

Text-to-Speech: Más de 380 voces en más de 50 idiomas/variantes cloud.google.com, incluyendo voces WaveNet y las más recientes Neural2 para una entonación realista. Ofrece estilos de voz (por ejemplo, voces “Studio” que emulan narradores profesionales) y control detallado mediante SSML para tono, velocidad, pausas y tono videosdk.live videosdk.live.
Speech-to-Text: Transcripción en tiempo real y por lotes con soporte para más de 125 idiomas, puntuación automática, marcas de tiempo a nivel de palabra y diarización de hablantes krisp.ai krisp.ai. Permite la adaptación de voz (vocabularios personalizados) para mejorar el reconocimiento de términos específicos de dominio krisp.ai krisp.ai.
Modelos personalizados: Cloud STT permite a los usuarios ajustar modelos con terminología específica, y Cloud TTS ofrece Voz personalizada (clonación de voz neuronal) para una identidad de voz de marca id.cloud-ace.com id.cloud-ace.com.
Integración y herramientas: Se integra perfectamente con el ecosistema de Google Cloud (por ejemplo, Dialogflow CX para voicebots). Proporciona SDKs/APIs REST y admite la implementación en varias plataformas.

Idiomas compatibles: Más de 50 idiomas para TTS (que cubren todos los principales idiomas del mundo y muchas variantes regionales) cloud.google.com, y más de 120 idiomas para STT krisp.ai. Este amplio soporte de idiomas lo hace adecuado para aplicaciones globales y necesidades de localización. Ambas API manejan múltiples acentos y dialectos del inglés; STT puede detectar automáticamente idiomas en audio multilingüe e incluso transcribir code-switching (hasta 4 idiomas en una sola expresión) googlecloudcommunity.com googlecloudcommunity.com.

Bases técnicas: El TTS de Google está construido sobre la investigación de DeepMind – por ejemplo, los vocoders neuronales WaveNet y los avances posteriores AudioLM/Chirp para un habla expresiva y de baja latencia cloud.google.com cloud.google.com. Las voces se sintetizan con redes neuronales profundas que logran una prosodia casi humana. El STT utiliza modelos de aprendizaje profundo de extremo a extremo (aumentados por la vasta base de datos de audio de Google); las actualizaciones han aprovechado arquitecturas basadas en Transformer y entrenamiento a gran escala para mejorar continuamente la precisión. Google también garantiza que los modelos estén optimizados para su implementación a escala en su nube, ofreciendo funciones como reconocimiento en streaming con baja latencia y la capacidad de manejar audio ruidoso mediante entrenamiento robusto al ruido.

Casos de uso: La versatilidad de las API de voz de Google impulsa casos de uso como:

Automatización de centros de contacto: Sistemas IVR y voicebots que conversan de forma natural con los clientes (por ejemplo, un agente de voz de Dialogflow que proporciona información de cuentas) cloud.google.com.
Transcripción y subtitulado de medios: Transcribir pódcast, videos o transmisiones en vivo (subtítulos en tiempo real) en varios idiomas para accesibilidad o indexación.
Asistencia por voz e IoT: Impulsando asistentes virtuales en smartphones o dispositivos inteligentes para el hogar (el propio Asistente de Google utiliza esta tecnología) y permitiendo el control por voz en aplicaciones IoT.
E-learning y creación de contenido: Generar narraciones de audiolibros o voces en off para videos con voces naturales, y transcribir clases o reuniones para su revisión posterior.
Accesibilidad: Permitir texto a voz para lectores de pantalla y dispositivos de asistencia, y voz a texto para que los usuarios dicten en lugar de escribir.

Precios: Google Cloud utiliza un modelo de pago por uso. Para TTS, el precio es por millón de caracteres (por ejemplo, alrededor de $16 por 1M de caracteres para voces WaveNet/Neural2, y menos para voces estándar). STT se cobra por cada 15 segundos o por minuto de audio (~$0.006 por 15s para modelos estándar) dependiendo del nivel del modelo y si es en tiempo real o por lotes. Google ofrece un nivel gratuito generoso: los nuevos clientes reciben $300 en créditos y cuotas mensuales de uso gratuito (por ejemplo, 1 hora de STT y varios millones de caracteres de TTS) cloud.google.com. Esto hace que la experimentación inicial sea de bajo costo. Hay descuentos por volumen empresarial y contratos de uso comprometido disponibles para grandes volúmenes.

Fortalezas: La plataforma de Google destaca por su alta calidad y precisión de audio (aprovechando la investigación en IA de Google). Cuenta con amplio soporte de idiomas (alcance verdaderamente global) y escalabilidad en la infraestructura de Google (puede manejar cargas de trabajo en tiempo real a gran escala). Los servicios son amigables para desarrolladores con APIs REST/gRPC simples y bibliotecas cliente. La innovación continua de Google (por ejemplo, nuevas voces, mejoras de modelos) garantiza un rendimiento de última generación cloud.google.com. Además, al ser una suite completa en la nube, se integra bien con otros servicios de Google (Storage, Translation, Dialogflow) para construir aplicaciones de voz de extremo a extremo.

Debilidades: El costo puede volverse alto a gran escala, especialmente para la generación de TTS de formato largo o transcripción 24/7; los usuarios han notado que los precios de Google pueden ser costosos para uso a gran escala sin descuentos por volumen telnyx.com. Algunos usuarios informan que la precisión de STT aún puede variar con acentos marcados o audio ruidoso, requiriendo adaptación del modelo. El STT en tiempo real puede tener algo de latencia bajo alta carga telnyx.com. Otra consideración es la gobernanza de datos de Google: aunque el servicio ofrece opciones de privacidad de datos, algunas organizaciones con datos sensibles podrían preferir soluciones on-premise (que el enfoque centrado en la nube de Google no ofrece directamente, a diferencia de algunos competidores).

Actualizaciones recientes (2024–2025): Google ha seguido perfeccionando sus ofertas de voz. A finales de 2024, comenzó a actualizar muchas voces TTS en idiomas europeos a nuevas versiones más naturales googlecloudcommunity.com googlecloudcommunity.com. El Cloud TTS ahora admite voces Chirp v3 (aprovechando la investigación de AudioLM para una conversación de sonido espontáneo) y síntesis de diálogo multihablante cloud.google.com cloud.google.com. En el lado de STT, Google lanzó modelos mejorados con mayor precisión y cobertura de idiomas ampliada a más de 125 idiomas gcpweekly.com telnyx.com. Cabe destacar que Google hizo Custom Voice disponible de forma general, permitiendo a los clientes entrenar y desplegar voces TTS personalizadas con sus propios datos de audio (con el proceso de revisión ética de Google) id.cloud-ace.com id.cloud-ace.com. Estas innovaciones, junto con la incorporación incremental de idiomas y dialectos, mantienen a Google a la vanguardia de la IA de voz en 2025.

Sitio web oficial: Google Cloud Text-to-Speech cloud.google.com (para TTS) y las páginas de producto de Speech-to-Text krisp.ai.

2. Microsoft Azure Speech Service (TTS, STT, Clonación de voz) – Microsoft

Resumen: El servicio Azure AI Speech de Microsoft es una plataforma de nivel empresarial que ofrece Neural Text-to-Speech, Speech-to-Text, además de capacidades como Speech Translation y Custom Neural Voice. El TTS de Azure proporciona una enorme selección de voces (más de 400 voces en 140 idiomas/localizaciones) con calidad similar a la humana techcommunity.microsoft.com, incluyendo estilos y emociones. Su STT (reconocimiento de voz) es altamente preciso, compatible con más de 70 idiomas para transcripción en tiempo real o por lotes telnyx.com, e incluso puede traducir audio hablado al instante a otros idiomas krisp.ai. Una característica distintiva es la personalización empresarial: los clientes pueden entrenar modelos acústicos/lingüísticos personalizados o crear una voz clonada para su marca. Azure Speech está estrechamente integrado con el ecosistema de la nube de Azure (con SDKs y APIs REST) y cuenta con el respaldo de décadas de I+D en voz de Microsoft (incluida la tecnología de Nuance, que Microsoft adquirió).

Características clave:

Neural Text-to-Speech: Una enorme biblioteca de voces neuronales preconstruidas en 144 idiomas/variantes (446 voces a mediados de 2024) techcommunity.microsoft.com, que van desde tonos conversacionales informales hasta estilos de narración formal. Las voces se crean utilizando modelos de aprendizaje profundo de Microsoft para la prosodia (por ejemplo, variantes de Transformer y Tacotron). Azure ofrece estilos de voz únicos (alegre, empático, atención al cliente, noticiero, etc.) y controles detallados (a través de SSML) para tono, velocidad y pronunciación. Una característica destacada es el soporte multilingüe y multi-hablante: ciertas voces pueden manejar cambios de idioma, y el servicio admite múltiples roles de hablante para producir diálogos.
Speech-to-Text: ASR de alta precisión con modos de transcripción por streaming en tiempo real y por lotes. Compatible con más de 75 idiomas/dialectos telnyx.com y ofrece funciones como puntuación automática, filtrado de blasfemias, diarización de hablantes, vocabulario personalizado y traducción de voz (transcribir y traducir voz en un solo paso) krisp.ai. El STT de Azure puede usarse tanto para comandos de corta duración como para transcripciones extensas, con opciones de modelos mejorados para casos de uso específicos (por ejemplo, centros de llamadas).
Voz Neural Personalizada: Un servicio de clonación de voz que permite a las organizaciones crear una voz de IA única modelada a partir de un hablante objetivo (requiere aproximadamente 30 minutos de audio de entrenamiento y una estricta verificación de consentimiento). Esto produce una voz sintética que representa una marca o personaje, utilizada en productos como juegos inmersivos o agentes conversacionales. El Custom Neural Voice de Microsoft es conocido por su calidad, como se ve con voces de marcas como Flo de Progressive o los chatbots de AT&T.
Seguridad y Despliegue: Azure Speech enfatiza la seguridad empresarial: cifrado de datos, cumplimiento de estándares de privacidad y opciones para usar endpoints en contenedores (para que las empresas puedan desplegar los modelos de voz en sus propias instalaciones o en el edge para escenarios sensibles) krisp.ai. Esta flexibilidad (nube o local mediante contenedor) es valorada en sectores como la salud.
Integración: Diseñado para integrarse con el ecosistema de Azure – por ejemplo, uso con Cognitive Services (Traducción, Búsqueda Cognitiva), Bot Framework (para bots habilitados por voz), o Power Platform. También es compatible con Speaker Recognition (autenticación por voz) como parte de la oferta de voz.

Idiomas compatibles: La IA de voz de Azure es notablemente multilingüe. TTS cubre más de 140 idiomas y variantes (con voces en casi todos los idiomas principales y muchas variantes regionales – por ejemplo, múltiples acentos de inglés, dialectos chinos, lenguas indias, lenguas africanas) techcommunity.microsoft.com. STT admite más de 100 idiomas para transcripción (y puede detectar automáticamente idiomas en el audio o manejar habla multilingüe) techcommunity.microsoft.com. La función de Traducción de Voz admite docenas de pares de idiomas. Microsoft también agrega continuamente idiomas de pocos recursos, con el objetivo de ser inclusivo. Esta amplitud hace que Azure sea una de las mejores opciones para aplicaciones que requieren alcance internacional o soporte de idiomas locales.

Fundamentos técnicos: La tecnología de voz de Microsoft está respaldada por redes neuronales profundas e investigación extensa (parte de la cual proviene de Microsoft Research y de los algoritmos adquiridos de Nuance). El Neural TTS utiliza modelos como Transformer y variantes de FastSpeech para generar la forma de onda del habla, así como vocoders similares a WaveNet. El último avance de Microsoft fue lograr la paridad humana en ciertas tareas de TTS, gracias al entrenamiento a gran escala y el ajuste fino para imitar los matices de la entonación humana techcommunity.microsoft.com. Para STT, Azure emplea una combinación de modelos acústicos y modelos de lenguaje; desde 2023, ha introducido modelos acústicos basados en Transformer (mejorando la precisión y la robustez frente al ruido) y modelos unificados “Conformer”. Azure también aprovecha model ensembling y aprendizaje por refuerzo para la mejora continua. Además, ofrece aprendizaje adaptativo – la capacidad de mejorar el reconocimiento de jerga específica proporcionando datos de texto (modelos de lenguaje personalizados). En el lado de la infraestructura, Azure Speech puede utilizar aceleración por GPU en la nube para transmisión de baja latencia y se escala automáticamente para manejar picos (por ejemplo, subtitulado en vivo de grandes eventos).

Casos de uso: Azure Speech se utiliza en diversas industrias:

Atención al cliente e IVRs: Muchas empresas utilizan el STT y TTS de Azure para potenciar sistemas IVR de centros de llamadas y bots de voz. Por ejemplo, una aerolínea podría usar STT para transcribir solicitudes telefónicas de clientes y responder con una voz Neural TTS, incluso traduciendo entre idiomas según sea necesario krisp.ai.
Asistentes virtuales: Da soporte de voz a agentes virtuales como Cortana y asistentes de terceros integrados en automóviles o electrodomésticos. La función de voz personalizada permite que estos asistentes tengan una personalidad única.
Creación de contenido y medios: Estudios de videojuegos y empresas de animación utilizan Custom Neural Voice para dar voces distintivas a personajes sin grabaciones extensas de actores de voz (por ejemplo, leer guiones con la voz clonada de un actor). Las empresas de medios usan Azure TTS para lectura de noticias, audiolibros o doblaje multilingüe de contenido.
Accesibilidad y educación: El STT preciso de Azure ayuda a generar subtítulos en tiempo real para reuniones (por ejemplo, en Microsoft Teams) y clases, ayudando a personas con discapacidades auditivas o barreras idiomáticas. El TTS se utiliza en funciones de lectura en voz alta en Windows, libros electrónicos y aplicaciones educativas.
Productividad empresarial: La transcripción de reuniones, mensajes de voz o dictados para documentos es un uso común. La tecnología de Nuance Dragon (ahora bajo Microsoft) está integrada para servir a profesiones como médicos (por ejemplo, reconocimiento de voz a texto para notas clínicas) y abogados para dictar escritos con alta precisión en terminología especializada krisp.ai krisp.ai.

Precios: Azure Speech utiliza precios basados en consumo. Para STT, cobra por hora de audio procesado (con diferentes tarifas para modelos estándar vs. personalizados o mejorados). Por ejemplo, la transcripción estándar en tiempo real puede costar alrededor de $1 por hora de audio. TTS se cobra por carácter o por cada 1 millón de caracteres (aproximadamente $16 por millón de caracteres para voces neuronales, similar a los competidores). Custom Neural Voice implica una tarifa adicional de configuración/entrenamiento y tarifas de uso. Azure ofrece niveles gratuitos: por ejemplo, cierto número de horas de STT gratis en los primeros 12 meses y caracteres de texto a voz gratuitos. Azure también incluye los servicios de voz en su paquete de Cognitive Services que los clientes empresariales pueden adquirir con descuentos por volumen. En general, los precios son competitivos, pero los usuarios deben tener en cuenta que las funciones avanzadas (como modelos personalizados o estilos de alta fidelidad) pueden costar más.

Fortalezas: El servicio de voz de Microsoft está preparado para empresas – conocido por su seguridad robusta, privacidad y cumplimiento (importante para industrias reguladas) krisp.ai. Ofrece personalización inigualable: voces personalizadas y modelos STT personalizados dan a las organizaciones un control detallado. La amplitud de soporte de idiomas y voces es líder en la industria techcommunity.microsoft.com, lo que lo convierte en una solución integral para necesidades globales. La integración con el ecosistema más amplio de Azure y las herramientas para desarrolladores (excelentes SDKs para .NET, Python, Java, etc.) es un punto fuerte, ya que simplifica el desarrollo de soluciones de extremo a extremo. Las voces de Microsoft son altamente naturales, a menudo elogiadas por su expresividad y la variedad de estilos disponibles. Otra fortaleza es la implementación flexible – la capacidad de ejecutar contenedores permite el uso sin conexión o en el edge, algo que pocos proveedores en la nube ofrecen. Por último, las actualizaciones continuas de Microsoft (a menudo informadas por sus propios productos como Windows, Office y Xbox que utilizan tecnología de voz) significan que el servicio Azure Speech se beneficia de investigación de vanguardia y pruebas a gran escala en el mundo real.

Debilidades: Aunque la calidad de Azure es alta, el costo puede acumularse con un uso intensivo, especialmente para Custom Neural Voice (que requiere una inversión significativa y un proceso de aprobación de Microsoft) y para transcripción de formato largo si no se cuenta con un acuerdo empresarial telnyx.com. La gran cantidad de funciones y opciones del servicio implica una curva de aprendizaje más alta: los usuarios nuevos pueden encontrar complejo navegar por todas las configuraciones (por ejemplo, elegir entre muchas voces o configurar modelos personalizados requiere cierta experiencia). En cuanto a precisión, Azure STT está entre los líderes, pero algunas pruebas independientes muestran que Google o Speechmatics están ligeramente por delante en ciertos indicadores (la precisión puede depender del idioma o acento). Además, el uso completo del potencial de Azure Speech suele asumir que estás en el ecosistema Azure: funciona mejor cuando se integra con almacenamiento de Azure, etc., lo que puede no atraer a quienes usan multi-nube o buscan un servicio independiente más sencillo. Finalmente, como con cualquier servicio en la nube, usar Azure Speech implica enviar datos a la nube: las organizaciones con datos extremadamente sensibles podrían preferir una solución solo local (el contenedor de Azure ayuda, pero no es gratuito).

Actualizaciones recientes (2024–2025): Microsoft ha ampliado agresivamente la oferta de idiomas y voces. En 2024, Azure Neural TTS añadió 46 nuevas voces y 2 nuevos idiomas, llevando el total a 446 voces en 144 idiomas techcommunity.microsoft.com. También retiraron las antiguas voces “estándar” en favor de voces exclusivamente neuronales (desde septiembre de 2024) para garantizar mayor calidad learn.microsoft.com. Microsoft introdujo una función innovadora llamada Voice Flex Neural (en vista previa) que puede ajustar los estilos de habla de forma aún más dinámica. En STT, Microsoft integró algunas capacidades de Dragon de Nuance en Azure; por ejemplo, un modelo Dragon Legal y Medical está disponible en Azure para transcripción específica de dominio con altísima precisión en términos técnicos. También lanzaron actualizaciones de Speech Studio, una herramienta GUI para crear fácilmente modelos y voces personalizados. Otro avance importante: Speech to Text de Azure se benefició de un nuevo modelo fundacional (reportado como un modelo de miles de millones de parámetros) que mejoró la precisión en ~15% y permitió la transcripción de idiomas mixtos en una sola vez aws.amazon.com aws.amazon.com. Además, Microsoft anunció la integración de voz con los servicios de Azure OpenAI, permitiendo casos de uso como convertir el habla de reuniones a texto y luego ejecutar GPT-4 para resumir (todo dentro de Azure). La continua integración de IA generativa (por ejemplo, GPT) con voz, y las mejoras en el manejo de acentos y sesgos (algunas provenientes de la colaboración de Microsoft con organizaciones para reducir tasas de error en hablantes diversos), mantienen a Azure Speech a la vanguardia en 2025.

Sitio web oficial: Azure AI Speech Service techcommunity.microsoft.com (Página oficial del producto de Microsoft Azure para Speech).

3. Amazon AWS Voice AI – Amazon Polly (TTS) y Amazon Transcribe (STT)

Descripción general: Amazon Web Services (AWS) ofrece potentes soluciones de voz IA en la nube a través de Amazon Polly para Texto a Voz y Amazon Transcribe para Voz a Texto. Polly convierte texto en voz realista en una variedad de voces e idiomas, mientras que Transcribe utiliza Reconocimiento Automático de Voz (ASR) para generar transcripciones altamente precisas a partir de audio. Estos servicios forman parte de la amplia oferta de IA de AWS y se benefician de la escalabilidad e integración de AWS. Las tecnologías de voz de Amazon destacan por su fiabilidad y han sido adoptadas en diversas industrias para tareas como sistemas IVR, subtitulado de medios, asistentes de voz y más. Aunque Polly y Transcribe son servicios separados, juntos cubren el espectro de necesidades de entrada y salida de voz. Amazon también ofrece servicios relacionados: Amazon Lex (para bots conversacionales), Transcribe Call Analytics (para inteligencia en centros de contacto), y un programa personalizado Brand Voice (donde Amazon crea una voz TTS personalizada para la marca de un cliente). AWS Voice AI está orientado a desarrolladores y empresas que ya forman parte del ecosistema AWS, ofreciéndoles fácil integración con otros recursos de AWS.

Características clave:

Amazon Polly (TTS): Polly ofrece más de 100 voces en más de 40 idiomas y variantes aws.amazon.com, incluyendo voces masculinas y femeninas y una combinación de opciones neuronales y estándar. Las voces son “realistas”, construidas con aprendizaje profundo para capturar la inflexión y el ritmo natural. Polly admite TTS neuronal para voz de alta calidad y recientemente introdujo un motor TTS Generativo Neuronal – un modelo de última generación (con 13 voces ultra-expresivas a finales de 2024) que produce un habla más emotiva y conversacional aws.amazon.com aws.amazon.com. Polly ofrece funciones como compatibilidad con Speech Synthesis Markup Language (SSML) para ajustar la salida de voz (pronunciaciones, énfasis, pausas) aws.amazon.com. También incluye estilos de voz especiales; por ejemplo, un estilo de lectura Newscaster, o un estilo Conversational para un tono relajado. Una característica única es la capacidad de Polly para ajustar automáticamente la velocidad del habla en textos largos (respiración, puntuación) usando el motor de síntesis long-form, asegurando una lectura más natural de audiolibros o noticias (incluso tienen voces dedicadas para long-form).
Amazon Transcribe (STT): Transcribe puede manejar tanto la transcripción por lotes de archivos de audio pregrabados como la transcripción en tiempo real. Es compatible con más de 100 idiomas y dialectos para transcripción aws.amazon.com, y puede identificar automáticamente el idioma hablado. Las características clave incluyen diarización de hablantes (distingue los hablantes en audio con varios interlocutores) krisp.ai, vocabulario personalizado (para enseñar al sistema términos o nombres específicos de un dominio) telnyx.com, puntuación y uso de mayúsculas (inserta puntuación y mayúsculas automáticamente para mejorar la legibilidad) krisp.ai, y generación de marcas de tiempo para cada palabra. Transcribe también tiene filtro de contenido (para enmascarar o etiquetar blasfemias/PII) y capacidades de redacción – útil en grabaciones de centros de llamadas para redactar información sensible. Para telefonía y reuniones, existen mejoras especializadas: por ejemplo, Transcribe Medical para voz en el sector salud (apto para HIPAA) y Call Analytics que no solo transcribe, sino que también proporciona análisis de sentimiento, categorización de llamadas y generación de resúmenes con ML integrado aws.amazon.com aws.amazon.com.
Integración y herramientas: Tanto Polly como Transcribe se integran con otros servicios de AWS. Por ejemplo, la salida de Transcribe puede ir directamente a Amazon Comprehend (servicio de PLN) para un análisis de texto más profundo o a Translate para transcripciones traducidas. Polly puede trabajar con AWS Translate para crear salida de voz en varios idiomas. AWS ofrece SDKs en muchos lenguajes (Python boto3, Java, JavaScript, etc.) para llamar fácilmente a estos servicios. También hay funciones convenientes como que MediaConvert de Amazon puede usar Transcribe para generar subtítulos automáticamente para archivos de video. Además, AWS ofrece APIs Presign que permiten realizar cargas seguras directas desde el cliente para transcripción o streaming.
Personalización: Si bien las voces de Polly son predefinidas, AWS ofrece Brand Voice, un programa donde los expertos de Amazon crean una voz TTS personalizada para un cliente (no es autoservicio; es una colaboración – por ejemplo, KFC Canadá trabajó con AWS para crear la voz del Coronel Sanders a través de Brand Voice de Polly venturebeat.com). Para Transcribe, la personalización es mediante vocabulario personalizado o Modelos de Lenguaje Personalizados (para algunos idiomas, AWS permite entrenar un pequeño modelo personalizado si tienes transcripciones, actualmente en vista previa limitada).
Rendimiento y escalabilidad: Los servicios de Amazon son conocidos por estar probados en producción a gran escala (es probable que Amazon incluso use Polly y Transcribe internamente para Alexa y servicios de AWS). Ambos pueden manejar grandes volúmenes: la transmisión de Transcribe puede manejar simultáneamente muchos flujos (escala horizontalmente), y los trabajos por lotes pueden procesar muchas horas de audio almacenado en S3. Polly puede sintetizar voz rápidamente, incluso admite el almacenamiento en caché de resultados, y ofrece caché neuronal de frases frecuentes. La latencia es baja, especialmente si se utilizan regiones de AWS cercanas a los usuarios. Para uso en IoT o edge, AWS no ofrece contenedores offline para estos servicios (a diferencia de Azure), pero sí proporciona conectores de edge a través de AWS IoT para transmitir a la nube.

Idiomas compatibles:

Amazon Polly: Admite docenas de idiomas (actualmente alrededor de 40+). Esto incluye la mayoría de los idiomas principales: inglés (EE. UU., Reino Unido, AU, India, etc.), español (UE, EE. UU., LATAM), francés, alemán, italiano, portugués (BR y UE), hindi, árabe, chino, japonés, coreano, ruso, turco y más aws.amazon.com. Muchos idiomas tienen varias voces (por ejemplo, el inglés de EE. UU. tiene más de 15 voces). AWS sigue añadiendo idiomas; por ejemplo, a finales de 2024 añadieron voces en checo y alemán suizo docs.aws.amazon.com. No todos los idiomas del mundo están cubiertos, pero la selección es amplia y sigue creciendo.
Amazon Transcribe: A partir de 2025, admite más de 100 idiomas y variantes para transcripción aws.amazon.com. Inicialmente, cubría unos 31 idiomas (principalmente occidentales), pero Amazon lo amplió significativamente, aprovechando un modelo de nueva generación para incluir muchos más (incluidos idiomas como vietnamita, farsi, suajili, etc.). También admite transcripción multilingüe: puede detectar y transcribir conversaciones bilingües (por ejemplo, una mezcla de inglés y español en una llamada). Específico de dominio: Transcribe Medical actualmente admite dictado médico en varios dialectos de inglés y español.

Fundamentos técnicos: La voz generativa de Amazon (Polly) utiliza modelos avanzados de redes neuronales, incluido un modelo Transformer de mil millones de parámetros para sus voces más recientes aws.amazon.com. Esta arquitectura de modelo permite que Polly genere voz de manera continua manteniendo alta calidad, produciendo un habla “emocionalmente comprometida y altamente coloquial” aws.amazon.com. Las voces anteriores utilizan enfoques concatenativos o redes neuronales más antiguas para voces estándar, pero ahora el enfoque está completamente en TTS neuronal. En el lado de STT, Amazon Transcribe funciona con un modelo ASR de nueva generación (de varios miles de millones de parámetros) que Amazon construyó y entrenó con grandes cantidades de audio (supuestamente millones de horas) aws.amazon.com. Es probable que el modelo use una arquitectura Transformer o Conformer para lograr alta precisión. Está optimizado para manejar diversas condiciones acústicas y acentos (algo que Amazon menciona explícitamente, que tiene en cuenta diferentes acentos y ruidos) aws.amazon.com. Cabe destacar que la evolución de Transcribe ha sido influenciada por los avances en el reconocimiento de voz de Amazon Alexa: las mejoras de los modelos de Alexa suelen incorporarse en Transcribe para un uso más amplio. AWS emplea técnicas de aprendizaje auto-supervisado para idiomas con pocos recursos (similar a cómo funcionan SpeechMix o wav2vec) para ampliar la cobertura de idiomas. En cuanto a la implementación, estos modelos se ejecutan en la infraestructura gestionada de AWS; AWS cuenta con chips de inferencia especializados (como AWS Inferentia) que podrían usarse para ejecutar estos modelos de manera rentable.

Casos de uso:

Respuesta de Voz Interactiva (IVR): Muchas empresas usan Polly para emitir mensajes y Transcribe para capturar lo que dicen los usuarios en los menús telefónicos. Por ejemplo, el IVR de un banco podría dar información de cuentas mediante Polly y usar Transcribe para entender solicitudes habladas.
Analítica de Centros de Contacto: Usando Transcribe para transcribir llamadas de atención al cliente (a través de Amazon Connect u otras plataformas de call center) y luego analizarlas para detectar el sentimiento del cliente o el desempeño del agente. Las funciones de Call Analytics (con detección de sentimiento y resumen) ayudan a automatizar la garantía de calidad en las llamadas aws.amazon.com aws.amazon.com.
Medios y Entretenimiento: Polly se utiliza para generar narraciones de artículos de noticias o blogs (algunos sitios de noticias ofrecen “escuchar este artículo” usando voces de Polly). Transcribe es utilizado por emisoras para subtitular TV en vivo o por plataformas de video para generar automáticamente subtítulos en videos subidos por usuarios. Los estudios de producción pueden usar Transcribe para obtener transcripciones de grabaciones para fines de edición (buscar dentro de videos por texto).
E-learning y accesibilidad: Las plataformas de e-learning utilizan Polly para convertir contenido escrito en audio en varios idiomas, haciendo que los materiales de aprendizaje sean más accesibles. Transcribe puede ayudar a crear transcripciones de las lecciones o permitir que los estudiantes busquen en grabaciones de clases.
Funciones de voz en dispositivos y aplicaciones: Muchas aplicaciones móviles o dispositivos IoT utilizan AWS para funciones de voz. Por ejemplo, una aplicación móvil podría usar Transcribe para una función de búsqueda por voz (graba tu pregunta, envíala a Transcribe, recibe el texto). Las voces de Polly pueden integrarse en dispositivos como espejos inteligentes o sistemas de anuncios para leer alertas o notificaciones.
Doblaje multilingüe: Usando una combinación de servicios de AWS (Transcribe + Translate + Polly), los desarrolladores pueden crear soluciones de doblaje automatizado. Por ejemplo, tomar un video en inglés, transcribirlo, traducir la transcripción al español y luego usar una voz española de Polly para producir una pista de audio doblada al español.
Videojuegos y medios interactivos: Los desarrolladores de juegos pueden usar Polly para diálogos dinámicos de NPC (para que los diálogos de texto puedan ser hablados sin grabar actores de voz para cada línea). Polly incluso tiene una voz NTTS (Justin) que fue diseñada para cantar, y algunos la han usado para proyectos creativos.

Precios: El precio de AWS se basa en el consumo:

Amazon Polly: Se cobra por cada millón de caracteres de texto de entrada. Los primeros 5 millones de caracteres por mes son gratis durante 12 meses (cuentas nuevas) aws.amazon.com. Después de eso, las voces estándar cuestan alrededor de $4 por 1M de caracteres, las voces neuronales unos $16 por 1M de caracteres (estos precios pueden variar ligeramente según la región). Las nuevas voces “generativas” pueden tener un precio premium (por ejemplo, un poco más alto por carácter debido a mayor computación). El costo de Polly es aproximadamente igual al de Google/Microsoft en la categoría neuronal. No hay cargo adicional por almacenar o transmitir el audio (más allá del mínimo de S3 o transferencia de datos si lo almacenas/entregas).
Amazon Transcribe: Se cobra por segundo de audio. Por ejemplo, la transcripción estándar cuesta $0.0004 por segundo (lo que equivale a $0.024 por minuto). Así que una hora cuesta alrededor de $1.44. Hay tarifas ligeramente diferentes para funciones extra: por ejemplo, usar Transcribe Call Analytics o Medical puede costar un poco más (~$0.0008/seg). La transmisión en tiempo real se cobra de manera similar por segundo. AWS ofrece 60 minutos de transcripción gratis por mes durante 12 meses para nuevos usuarios aws.amazon.com. Además, AWS suele ofrecer descuentos escalonados para grandes volúmenes o contratos empresariales a través de AWS Enterprise Support.
El enfoque de AWS es modular: si usas Translate u otros servicios en conjunto, se cobran por separado. Sin embargo, un beneficio es que solo pagas por lo que usas y puedes reducir a cero cuando no lo usas. Esto es rentable para usos esporádicos, pero para cargas de trabajo continuas muy grandes, puede ser necesario negociar descuentos o usar los planes de ahorro de AWS.

Fortalezas: La mayor fortaleza de los servicios de voz de AWS es su escalabilidad y confiabilidad comprobadas: están diseñados para manejar cargas de trabajo de producción (SLA de AWS del 99,9%, redundancia multirregional, etc.). La integración profunda con el ecosistema de AWS es una ventaja para quienes ya usan AWS (IAM para control de acceso, S3 para entrada/salida, etc., todo funciona de manera fluida). Las voces de Polly son consideradas muy naturales y la incorporación de las nuevas voces generativas ha cerrado aún más la brecha con el habla humana, además tienen especialidad en expresividad emocional aws.amazon.com. Transcribe es conocido por su robustez en audio desafiante (fue de los primeros en enfatizar el manejo de diferentes acentos y fondos ruidosos aws.amazon.com). Los servicios son relativamente fáciles de usar vía API, y AWS tiene buena documentación y ejemplos de código. AWS también ofrece precios competitivos, y el nivel gratuito ayuda a los nuevos usuarios. Otra fortaleza es el ritmo rápido de mejoras: Amazon agrega funciones regularmente (por ejemplo, detección de toxicidad en Transcribe para moderación) y más soporte de idiomas, a menudo inspirado en necesidades reales de clientes de AWS. En cuanto a seguridad, AWS es fuerte: el contenido está cifrado y se puede optar por no almacenar los datos o que se eliminen automáticamente después del procesamiento. Para clientes empresariales, AWS también proporciona soporte humano y arquitectos de soluciones para ayudar a implementar estos servicios de manera efectiva.

Debilidades: Para algunos desarrolladores, una posible desventaja es que AWS requiere crear una cuenta y entender AWS IAM y la consola, lo cual puede ser excesivo si solo se necesita una prueba rápida de voz (en contraste con algunos competidores que ofrecen endpoints públicos más simples o herramientas GUI). A diferencia de algunos competidores (Google, Microsoft), AWS no tiene un clonación de voz personalizada de autoservicio disponible para todos; Brand Voice está limitado a compromisos más grandes. Esto significa que los usuarios pequeños no pueden entrenar sus propias voces en AWS, salvo la función de léxico. AWS tampoco ofrece actualmente una opción de implementación local/offline para Polly o Transcribe: es solo en la nube (aunque se podría usar Outposts o zonas locales de Amazon, pero no es lo mismo que un contenedor offline). En cuanto a la precisión, aunque Transcribe es fuerte, algunas pruebas independientes han clasificado a veces la precisión de Microsoft o Google ligeramente más alta para idiomas o casos de uso específicos (puede variar; el nuevo modelo de AWS ha cerrado gran parte de la brecha). Otro aspecto: cobertura de idiomas en TTS: más de 40 idiomas está bien, pero Google y Microsoft soportan aún más; AWS puede quedarse un poco atrás en algunas opciones de voz localizadas (por ejemplo, Google tiene más idiomas indios en TTS que Polly actualmente). Finalmente, la gran cantidad de servicios relacionados de AWS puede confundir a algunos (por ejemplo, decidir entre Transcribe y Lex para ciertas tareas), requiriendo algo de conocimiento de arquitectura en la nube.

Actualizaciones recientes (2024–2025): AWS ha realizado actualizaciones significativas tanto en Polly como en Transcribe:

Polly: En noviembre de 2024, AWS lanzó seis nuevas voces “generativas” en varios idiomas (francés, español, alemán, variedades de inglés), ampliando de 7 a 13 voces en esa categoría aws.amazon.com. Estas voces aprovechan un nuevo motor TTS generativo y son altamente expresivas, orientadas a usos de IA conversacional. También añadieron voces Long-Form NTTS para español e inglés que mantienen la claridad en pasajes muy largos aws.amazon.com aws.amazon.com. A principios de 2024, AWS introdujo una voz de estilo Newscaster en portugués brasileño y otros. En marzo de 2025, la documentación de Amazon Polly muestra que el servicio ahora admite los idiomas checo y alemán suizo, reflejando la continua expansión de idiomas docs.aws.amazon.com. Otra actualización: AWS mejoró la calidad de voz neuronal de Polly (probablemente una actualización del modelo subyacente); algunos usuarios observaron una prosodia más fluida en las voces actualizadas.
Transcribe: A mediados de 2024, Amazon anunció un modelo ASR de próxima generación (Nova) que impulsa Transcribe, lo que mejoró significativamente la precisión y aumentó el número de idiomas a más de 100 aws.amazon.com. También lanzaron Transcribe Call Analytics a nivel global, con la capacidad de obtener resúmenes de conversaciones usando IA generativa (integrada con Bedrock de AWS o modelos de OpenAI), resumiendo automáticamente los puntos clave de una llamada después de transcribirla. Otra función nueva es la Detección de Toxicidad en Tiempo Real (lanzada a finales de 2024), que permite a los desarrolladores detectar discursos de odio o acoso en audio en vivo a través de Transcribe, importante para moderar chats de voz en vivo aws.amazon.com. En 2025, AWS está en vista previa con modelos de lenguaje personalizados (CLM) para Transcribe, permitiendo a las empresas ajustar el ASR con sus propios datos (esto compite con el STT personalizado de Azure). En cuanto a precios, AWS hizo que Transcribe fuera más rentable para clientes de alto volumen al introducir precios escalonados automáticamente una vez que el uso supera ciertos umbrales de horas por mes. Todas estas actualizaciones muestran el compromiso de AWS de mantenerse a la vanguardia de la IA de voz, mejorando continuamente la calidad y las funciones.

Sitios web oficiales: Amazon Polly – Servicio de texto a voz aws.amazon.com aws.amazon.com; Amazon Transcribe – Servicio de voz a texto aws.amazon.com aws.amazon.com.

4. Servicios de voz de IBM Watson (TTS y STT) – IBM

Descripción general: IBM Watson ofrece tanto texto a voz como voz a texto como parte de sus servicios de IA Watson. IBM tiene una larga trayectoria en tecnología de voz, y sus servicios en la nube reflejan un enfoque en la personalización, experiencia de dominio y privacidad de datos. Watson Text-to-Speech puede sintetizar voz natural en varios idiomas, y Watson Speech-to-Text proporciona transcripción altamente precisa con la capacidad de adaptarse a vocabulario especializado. Los servicios de voz de IBM son especialmente populares en industrias como la salud, finanzas y legal, donde el vocabulario puede ser complejo y la seguridad de los datos es fundamental. IBM permite opciones de implementación local para sus modelos (a través de IBM Cloud Pak), lo que resulta atractivo para organizaciones que no pueden usar la nube pública para datos de voz. Aunque la cuota de mercado de IBM en servicios de voz en la nube es menor en comparación con los tres grandes (Google, MS, AWS), sigue siendo un proveedor confiable de nivel empresarial para soluciones de voz que requieren ajuste a jerga específica o integración con el ecosistema más amplio de Watson (que incluye traductores de idiomas, marco de asistentes, etc.).

Características clave:

Watson Text-to-Speech (TTS): Soporta varias voces en más de 13 idiomas (incluyendo inglés EE. UU./Reino Unido, español, francés, alemán, italiano, japonés, árabe, portugués brasileño, coreano, chino, etc.). Las voces son “neuronales” y IBM las mejora continuamente; por ejemplo, se añadieron nuevas voces neuronales expresivas para ciertos idiomas (por ejemplo, una voz expresiva en inglés australiano) cloud.ibm.com. IBM TTS permite ajustar parámetros como tono, velocidad y énfasis usando extensiones propias de SSML. Algunas voces tienen capacidad de lectura expresiva (por ejemplo, una voz que puede sonar empática o entusiasta). IBM también añadió una función de voz personalizada donde los clientes pueden trabajar con IBM para crear una voz sintética única (similar a una voz de marca, generalmente para empresas). Una característica destacada es la transmisión de baja latencia: el TTS de IBM puede devolver audio en fragmentos en tiempo real, lo que es beneficioso para asistentes de voz con respuesta rápida.
Watson Speech-to-Text (STT): Ofrece transcripción en tiempo real o por lotes con funciones como diarización de hablantes (distinguir hablantes) krisp.ai, detección de palabras clave (capacidad de generar marcas de tiempo para palabras clave específicas de interés), y alternativas de palabras (alternativas clasificadas por confianza para transcripciones inciertas). El STT de IBM es conocido por su sólido soporte de modelo de lenguaje personalizado: los usuarios pueden cargar miles de términos específicos de dominio o incluso audio+transcripciones para adaptar el modelo, por ejemplo, a terminología médica o frases legales krisp.ai krisp.ai. Esto mejora drásticamente la precisión en esos campos. IBM también admite múltiples modelos de banda ancha y banda estrecha optimizados para audio telefónico frente a audio de alta calidad. Cubre aproximadamente 10 idiomas para transcripción (inglés, español, alemán, japonés, mandarín, etc.) con alta precisión y tiene modelos telefónicos separados para algunos (que manejan ruido telefónico y códecs). Una característica interesante es el formato inteligente automático – por ejemplo, puede formatear fechas, monedas y números en la salida de la transcripción para mayor legibilidad.
Optimización de dominio: IBM ofrece modelos de industria preentrenados, como Watson Speech Services for Healthcare que están preadaptados para dictado médico, y transcripción para Medios y Entretenimiento con bibliotecas de nombres propios para medios. Estas opciones reflejan el enfoque orientado a la consultoría de IBM, donde una solución puede adaptarse al dominio del cliente.
Seguridad y despliegue: Un punto de venta importante es que IBM permite ejecutar los servicios de Watson Speech en el propio entorno del cliente (fuera de IBM Cloud) a través de IBM Cloud Pak for Data. Esta oferta en contenedores significa que el audio sensible nunca tiene que salir de los servidores de la empresa, abordando preocupaciones de residencia y privacidad de los datos. Incluso en IBM Cloud, ofrecen funciones como que los datos no se almacenen por defecto y todas las transmisiones estén cifradas. IBM cumple con normativas estrictas (HIPAA, compatible con GDPR).
Integración: Watson Speech se integra con Watson Assistant de IBM (para que puedas añadir STT/TTS fácilmente a chatbots). También se conecta con el portafolio de IA más amplio de IBM – por ejemplo, se pueden enviar los resultados de STT a Watson Natural Language Understanding para extraer sentimiento o a Watson Translate para procesamiento multilingüe. IBM proporciona interfaces web sockets y REST para transmisión y lotes respectivamente.

Idiomas soportados:

TTS: El TTS de IBM cubre aproximadamente 13 idiomas de forma nativa (y algunos dialectos). Esto incluye los principales idiomas de negocios. Aunque son menos que Google o Amazon, IBM se enfoca en voces de calidad en esos idiomas soportados. Idiomas notables: inglés (EE. UU., Reino Unido, AU), francés, alemán, italiano, español (UE y LatAm), portugués (BR), japonés, coreano, mandarín (chino simplificado), árabe y posiblemente ruso. Las actualizaciones recientes agregaron más voces a los idiomas existentes en lugar de muchos idiomas nuevos. Por ejemplo, IBM introdujo 27 nuevas voces en 11 idiomas en una actualización voximplant.com (por ejemplo, agregando voces infantiles, nuevos dialectos).
STT: IBM STT soporta aproximadamente 8-10 idiomas de forma confiable (inglés, español, francés, alemán, japonés, coreano, portugués brasileño, árabe estándar moderno, chino mandarín e italiano). El inglés (tanto EE. UU. como Reino Unido) es el más completo en funciones (con personalización y modelos de banda estrecha). Algunos idiomas tienen opciones de traducción al inglés en Watson (aunque eso utiliza un servicio Watson separado). En comparación con los competidores, el rango de idiomas de IBM es menor, pero cubre los idiomas con mayor demanda empresarial, y para esos ofrece personalización.

Aspectos técnicos: La tecnología de voz de IBM ha evolucionado a partir de su investigación (IBM fue pionera con tecnologías como el modelo oculto de Markov ViaVoice en los 90, y luego enfoques de aprendizaje profundo). El Watson STT moderno utiliza redes neuronales profundas (probablemente similares a modelos acústicos LSTM bidireccionales o Transformer) además de un modelo de lenguaje n-gram o neuronal. IBM ha enfatizado la adaptación de dominio: probablemente utiliza aprendizaje por transferencia para ajustar modelos base con datos de dominio cuando se crea un modelo personalizado. IBM también emplea algo llamado “Entrenamiento Adaptativo de Hablante” en algunas investigaciones – posiblemente permitiendo que el modelo se adapte si reconoce a un hablante consistente (útil para dictado). El Watson TTS utiliza un modelo neuronal de secuencia a secuencia para la síntesis de voz; IBM tiene una técnica para ajuste expresivo – entrenando voces con grabaciones expresivas para permitirles generar un habla más emotiva. La investigación de IBM sobre TTS emocional (por ejemplo, el artículo “Expressive Speech Synthesis”) informa las voces de Watson TTS, haciéndolas capaces de cambios sutiles de entonación. Otro elemento: IBM había introducido un mecanismo de atención en TTS para manejar mejor abreviaturas y palabras no vistas. En infraestructura, los servicios de IBM son microservicios en contenedores; el rendimiento es bueno, aunque históricamente algunos usuarios notaron que Watson STT podía ser ligeramente más lento que el de Google al devolver resultados (prioriza la precisión sobre la velocidad, pero esto puede haber mejorado). Es probable que IBM también aproveche la aceleración por GPU para la generación de TTS.

Casos de uso:

Salud: Los hospitales usan Watson STT (a menudo a través de socios) para transcribir notas dictadas por médicos (Dragon Medical es común, pero IBM ofrece una alternativa para algunos). También, interactividad por voz en aplicaciones de salud (por ejemplo, una enfermera preguntando en voz alta a un sistema de información hospitalario y recibiendo una respuesta a través de Watson Assistant con STT/TTS).
Atención al cliente: IBM Watson Assistant (agente virtual) combinado con Watson TTS/STT impulsa bots de voz para líneas de soporte al cliente. Por ejemplo, una empresa de telecomunicaciones podría tener un agente de voz basado en Watson manejando llamadas rutinarias (usando Watson STT para escuchar la solicitud del cliente y Watson TTS para responder).
Cumplimiento y Medios: Las empresas de trading financiero pueden usar Watson STT para transcribir llamadas telefónicas de los operadores para monitoreo de cumplimiento, aprovechando la seguridad y la posibilidad de despliegue on-prem de Watson. Las organizaciones de medios pueden usar Watson para transcribir videos o archivar transmisiones (especialmente si necesitan una solución on-prem para grandes archivos).
Educación y Accesibilidad: Las universidades han usado Watson para transcribir clases o proporcionar subtítulos, especialmente cuando la privacidad del contenido es una preocupación y quieren ejecutarlo internamente. Watson TTS se ha utilizado para generar audio para contenido digital y lectores de pantalla (por ejemplo, un sitio de comercio electrónico que usa Watson TTS para leer descripciones de productos a usuarios con discapacidades visuales).
Gobierno: El despliegue seguro de Watson lo hace viable para agencias gubernamentales que necesitan tecnología de voz, como transcribir reuniones públicas (con vocabulario personalizado para nombres/términos locales) o proporcionar sistemas de respuesta de voz multilingües para servicios a los ciudadanos.
Automotriz: IBM tuvo alianzas para Watson en sistemas de infoentretenimiento en automóviles – usando STT para comandos de voz en el coche y TTS para respuestas habladas (mapas, información del vehículo). La función de vocabulario personalizado es útil para jerga automotriz (nombres de modelos de autos, etc.).

Precios: IBM ofrece un plan Lite con algo de uso gratuito (por ejemplo, 500 minutos de STT por mes, y cierta cantidad de miles de caracteres de TTS), lo cual es bueno para desarrollo. Más allá de eso, el precio es por uso:

STT: Aproximadamente $0.02 por minuto para modelos estándar (lo que equivale a $1.20 por hora) en IBM Cloud. Los modelos personalizados tienen un costo adicional (quizás ~$0.03/min). Sin embargo, estas cifras pueden variar; IBM suele negociar acuerdos empresariales. El precio de IBM es generalmente competitivo, a veces un poco más bajo por minuto que los grandes competidores en la nube para STT, para atraer clientes. La desventaja es que el número de idiomas es menor.
TTS: Precio por millón de caracteres, aproximadamente $20 por millón de caracteres para voces neuronales (las voces estándar son más baratas). IBM tenía un precio anterior de $0.02 por ~1000 caracteres, lo que equivale a $20 por millón. Las voces expresivas pueden tener el mismo costo. El nivel Lite daba, por ejemplo, 10,000 caracteres gratis.
El aspecto único de IBM es la licencia on-prem – si despliegas a través de Cloud Pak, puedes pagar una licencia anual o usar créditos, lo que puede ser un costo significativo pero incluye uso ilimitado hasta la capacidad. Esto atrae a usuarios intensivos que prefieren un modelo de costo fijo o que deben mantener los datos internamente.

Fortalezas: La principal fortaleza de IBM radica en la personalización y experiencia en el dominio. Watson STT puede ajustarse finamente para manejar jerga compleja con alta precisión krisp.ai krisp.ai, superando a los modelos genéricos en contextos como dictados médicos o transcripciones legales. Los clientes suelen mencionar la disposición de IBM para trabajar en soluciones personalizadas: IBM puede acompañar en la creación de un modelo o voz personalizada si es necesario (como un servicio de pago). La privacidad de los datos y la capacidad on-premise son una gran ventaja; pocos otros ofrecen ese nivel de control. Esto convierte a IBM en la opción preferida para ciertos clientes gubernamentales y empresariales. La precisión del STT de IBM en audio claro con la personalización adecuada es excelente; en algunos benchmarks, Watson STT estuvo en la cima para dominios como el habla telefónica cuando está ajustado. Las voces TTS de IBM, aunque menos numerosas, son de alta calidad (especialmente las voces neuronales introducidas en los últimos años). Otra fortaleza es la integración con toda la suite de IA de IBM: para las empresas que ya usan Watson NLP, Knowledge Studio o las plataformas de datos de IBM, agregar voz es sencillo. IBM también cuenta con una sólida red de soporte; los clientes suelen recibir ingenieros de soporte directo para los servicios de Watson si tienen planes empresariales. Por último, la marca de IBM en IA (especialmente después de la fama de DeepQA/Watson en Jeopardy) brinda confianza: algunos responsables de decisiones confían en IBM para sistemas críticos debido a este legado.

Debilidades: Los servicios de voz de IBM tienen menor variedad de idiomas y voces en comparación con la competencia; por ejemplo, si necesitas TTS en sueco o STT en vietnamita, es posible que IBM no lo tenga, mientras que otros sí. Esto limita su uso para aplicaciones globales de consumo. La interfaz de IBM Cloud y la documentación, aunque sólidas, a veces son menos amigables que la documentación muy centrada en desarrolladores de AWS o los estudios integrados de Azure. El impulso de IBM en el mercado de IA se ha ralentizado frente a nuevos competidores; por lo tanto, el soporte de la comunidad o los ejemplos open-source para Watson Speech son más escasos. Otra debilidad es la escalabilidad para cargas de trabajo en tiempo real muy grandes: aunque IBM puede escalar, no tiene tantos centros de datos globales para Watson como, por ejemplo, Google, por lo que las latencias pueden ser mayores si estás lejos de una región cloud de IBM. En cuanto a costos, si necesitas una gran variedad de idiomas o voces, IBM podría resultar más caro, ya que podrías requerir varios proveedores. Además, el enfoque de IBM en el sector empresarial significa que algunos aspectos de “autoservicio” son menos atractivos; por ejemplo, personalizar un modelo puede requerir algunos pasos manuales o contactar a IBM, mientras que Google/AWS permiten subir datos para ajustar modelos de forma bastante automática. IBM tampoco anuncia mejoras de precisión de modelos tan frecuentemente, por lo que existe la percepción de que sus modelos no se actualizan tan seguido (aunque sí lo hacen, solo que de manera discreta). Finalmente, el ecosistema de IBM no es tan adoptado por los desarrolladores, lo que puede ser una desventaja si buscas una amplia integración con la comunidad o herramientas de terceros.

Actualizaciones recientes (2024–2025): IBM ha continuado modernizando sus ofertas de voz. En 2024, IBM introdujo Large Speech Models (como una función de acceso anticipado) para inglés, japonés y francés, que mejoran significativamente la precisión al aprovechar redes neuronales más grandes (esto se mencionó en las notas de lanzamiento de Watson STT) cloud.ibm.com. Watson TTS incorporó nuevas voces: IBM añadió enhanced neural voices para inglés australiano, coreano y neerlandés a mediados de 2024 cloud.ibm.com. También mejoraron los estilos expresivos para algunas voces (por ejemplo, la voz en inglés estadounidense “Allison” recibió una nueva actualización para sonar más conversacional en usos de Watson Assistant). En cuanto a herramientas, IBM lanzó la integración con Watson Orchestrate, lo que significa que su orquestación de IA low-code ahora puede conectar fácilmente STT/TTS para, por ejemplo, transcribir una reunión y luego resumirla con Watson NLP. IBM también trabajó en la reducción de sesgo en el reconocimiento de voz, reconociendo que los modelos antiguos tenían tasas de error más altas para ciertos dialectos; su nuevo modelo grande de inglés supuestamente mejoró el reconocimiento para hablantes diversos al entrenar con datos más variados. Un desarrollo notable para 2025: IBM comenzó a aprovechar foundation models from huggingface para algunas tareas, y se especula que IBM podría incorporar o liberar modelos open-source (como Whisper) en sus ofertas para idiomas que no cubre; sin embargo, aún no hay anuncio oficial. En resumen, las actualizaciones de IBM han estado enfocadas en mejoras de calidad y en mantener la relevancia (aunque han sido menos llamativas que los anuncios de la competencia). El compromiso de IBM con la IA híbrida en la nube significa que podríamos ver mayor facilidad para desplegar Watson Speech en Kubernetes e integrarlo con estrategias multicloud.

Sitio web oficial: IBM Watson Speech-to-Text telnyx.com telnyx.com y las páginas de producto de Text-to-Speech en IBM Cloud.

5. Nuance Dragon (Reconocimiento de voz y dictado por voz) – Nuance (Microsoft)

Resumen: Nuance Dragon es una tecnología de reconocimiento de voz de primer nivel que durante mucho tiempo ha sido el estándar de oro para la dictado y transcripción por voz, especialmente en ámbitos profesionales. Nuance Communications (ahora una empresa de Microsoft desde 2022) desarrolló Dragon como una suite de productos para diversas industrias: Dragon Professional para dictado general, Dragon Legal, Dragon Medical, etc., cada uno adaptado al vocabulario de su campo. Dragon es conocido por su altísima precisión al convertir voz en texto, especialmente después de un breve entrenamiento del usuario. También admite capacidades de comando por voz (controlar software mediante la voz). A diferencia de las API en la nube, Dragon históricamente se ejecuta como software en PC o servidores empresariales, lo que lo convirtió en la opción preferida para usuarios que necesitan dictado en tiempo real sin internet o con privacidad garantizada. Tras la adquisición, la tecnología central de Nuance también está integrada en la nube de Microsoft (como parte de Azure Speech y funciones de Office 365), pero Dragon en sí sigue siendo una línea de productos. En 2025, Dragon destaca en esta lista como el especialista: mientras otros son plataformas más amplias, Dragon se enfoca en la productividad individual y precisión específica de dominio.

Tipo: Principalmente Reconocimiento de voz a texto (STT). (Nuance sí tiene productos TTS y de biometría de voz, pero la marca “Dragon” es STT. Aquí nos centramos en Dragon NaturallySpeaking y ofertas relacionadas).

Empresa/Desarrollador: Nuance (adquirida por Microsoft). Nuance tiene décadas de experiencia en voz; fueron pioneros en muchas innovaciones de voz (incluso impulsaron antiguos IVR telefónicos y el backend de Siri en sus inicios). Ahora bajo Microsoft, su investigación impulsa las mejoras de Azure.

Capacidades y usuarios objetivo: Las capacidades de Dragon giran en torno al reconocimiento de voz continua con mínimos errores, y la computación controlada por voz. Los usuarios objetivo incluyen:

Profesionales médicos: Dragon Medical One es ampliamente utilizado por médicos para dictar notas clínicas directamente en los EHR, manejando terminología médica compleja y nombres de medicamentos con ~99% de precisión krisp.ai.
Profesionales legales: Dragon Legal está entrenado en términos y formatos legales (conoce citas, frases jurídicas). Los abogados lo usan para redactar documentos por voz.
Negocios generales e individuos: Dragon Professional permite a cualquier persona dictar correos, informes o controlar su PC (abrir programas, enviar comandos) por voz, aumentando la productividad.
Accesibilidad: Personas con discapacidades (por ejemplo, movilidad limitada) suelen depender de Dragon para el uso manos libres del ordenador.
Fuerzas de seguridad/Seguridad pública: Algunos departamentos de policía usan Dragon para dictar informes de incidentes en los coches patrulla.

Características clave:

Dictado de alta precisión: Dragon aprende la voz del usuario y puede alcanzar una precisión muy alta tras un breve entrenamiento (leer un pasaje) y aprendizaje continuo. Utiliza el contexto para elegir correctamente los homófonos y se adapta a las correcciones del usuario.
Vocabulario personalizado y macros: Los usuarios pueden agregar palabras personalizadas (como nombres propios, jerga de la industria) y comandos de voz personalizados (macros). Por ejemplo, un médico puede agregar una plantilla que se active cuando diga “insertar párrafo de examen físico normal”.
Aprendizaje continuo: A medida que un usuario corrige errores, Dragon actualiza su perfil. Puede analizar el correo electrónico y los documentos de un usuario para aprender su estilo de escritura y vocabulario.
Funcionamiento sin conexión: Dragon se ejecuta localmente (en las versiones para PC), sin requerir conectividad a la nube, lo cual es crucial para la privacidad y baja latencia.
Integración de comandos de voz: Más allá de la dictado, Dragon permite el control total de la computadora mediante la voz. Puedes decir “Abrir Microsoft Word” o “Haz clic en el menú Archivo” o incluso navegar por voz. Esto se extiende al formato de texto (“pon en negrita esa última oración”) y otras operaciones.
Soporte multihablante a través de especialidades: Aunque un perfil de Dragon es por usuario, en escenarios como la transcripción de una grabación, Nuance ofrece soluciones como Dragon Legal Transcription que pueden identificar a los hablantes en dictados grabados con varios interlocutores (pero esto es menos una función principal y más una solución específica).
Gestión en la nube/empresarial: Para empresas, Dragon ofrece gestión centralizada de usuarios y despliegue (Dragon Medical One es un servicio de suscripción alojado en la nube, por ejemplo, para que los médicos lo usen en varios dispositivos). Incluye cifrado del tráfico cliente-servidor para esas ofertas en la nube.

Idiomas compatibles: Principalmente inglés (múltiples acentos). Nuance tiene versiones para otros idiomas principales, pero el producto principal es el inglés estadounidense. Hay productos Dragon para inglés británico, francés, italiano, alemán, español, neerlandés, etc. Cada uno suele venderse por separado porque están ajustados para ese idioma. Las versiones de dominio (Médico, Legal) están enfocadas principalmente en inglés (aunque Nuance sí tuvo médico para algunos otros idiomas). A partir de 2025, la mayor presencia de Dragon es en mercados de habla inglesa. Su precisión en la dictado en inglés es inigualable, pero puede que no soporte, por ejemplo, chino o árabe con calidad nivel Dragon (Nuance tiene otros motores para diferentes idiomas usados en productos de centros de contacto, pero no como un lanzamiento de consumo de Dragon).

Fundamentos técnicos: Dragon comenzó con Modelos Ocultos de Markov y avanzados modelos de lenguaje n-gram. Con los años, Nuance integró aprendizaje profundo (redes neuronales) en los modelos acústicos. Las versiones más recientes de Dragon utilizan un modelo acústico de Red Neuronal Profunda (DNN) que se adapta a la voz y entorno del usuario, mejorando así la precisión, especialmente para acentos o leves ruidos de fondo. También utiliza un motor de reconocimiento de voz continua de vocabulario muy amplio con decodificación basada en contexto (por lo que analiza frases completas para decidir las palabras). Una tecnología clave es la adaptación al hablante: el modelo ajusta lentamente los pesos a la voz específica del usuario. Además, los modelos de lenguaje específicos de dominio (para legal/médico) aseguran que se incline hacia esos términos técnicos (por ejemplo, en la versión médica, “órgano” será entendido más probablemente como el órgano del cuerpo y no como un instrumento musical, dado el contexto). Nuance también tiene técnicas patentadas para tratar disfluencias del habla y formato automático (como saber cuándo insertar una coma o punto al hacer una pausa). Tras la adquisición por parte de Microsoft, es plausible que algo de investigación basada en arquitecturas tipo transformer esté influyendo en el back-end, pero el Dragon 16 comercial (última versión para PC) aún utiliza un híbrido de modelos neuronales y tradicionales optimizados para el rendimiento en PC local. Otro aspecto: Dragon aprovecha el reconocimiento multipaso – puede hacer una pasada inicial, luego una segunda pasada con contexto de lenguaje de alto nivel para refinar. También cuenta con algoritmos de cancelación de ruido para filtrar la entrada del micrófono (Nuance vende micrófonos certificados para mejores resultados).

Casos de uso (ampliados):

Documentación clínica: Médicos que dictan encuentros con pacientes – por ejemplo, “El paciente se presenta con un historial de fiebre y tos de 5 días…” Dragon transcribe esto instantáneamente en la historia clínica electrónica, permitiendo mantener contacto visual con los pacientes en vez de teclear. Algunos incluso usan Dragon en tiempo real durante las visitas para redactar notas.
Redacción de documentos: Abogados que usan Dragon para redactar contratos o escritos simplemente hablando, lo que suele ser más rápido que escribir para documentos largos.
Correo electrónico y toma de notas: Profesionales ocupados que quieren gestionar el correo electrónico por voz o tomar notas durante reuniones dictando en vez de escribir.
Computación manos libres: Usuarios con lesiones por esfuerzo repetitivo o discapacidades que usan Dragon para operar la computadora (abrir aplicaciones, navegar por la web, dictar texto) completamente por voz.
Servicios de transcripción: Nuance ofrece un producto llamado Dragon Legal Transcription que puede tomar archivos de audio (como entrevistas grabadas o procedimientos judiciales) y transcribirlos. Esto es utilizado por bufetes de abogados o la policía para transcribir audio de cámaras corporales o entrevistas, etc.

Modelo de precios: Nuance Dragon normalmente se vende como software licenciado:

Dragon Professional Individual (PC) – licencia única (por ejemplo, $500) o suscripción. Recientemente se está migrando hacia la suscripción (por ejemplo, Dragon Professional Anywhere es por suscripción).
Dragon Medical One – SaaS por suscripción, a menudo alrededor de $99/usuario/mes (es premium por el vocabulario especializado y el soporte).
Dragon Legal – licencia única o suscripción, a menudo más caro que Professional.
Las grandes organizaciones pueden obtener licencias por volumen. Con la integración en Microsoft, algunas funciones podrían empezar a aparecer en las ofertas de Microsoft 365 (por ejemplo, la nueva función de dictado en Office recibe mejoras de Nuance).
En Azure, Microsoft ahora ofrece “Azure Cognitive Services – Custom Speech”, que en parte aprovecha la tecnología de Nuance. Pero Dragon en sí mismo sigue siendo un producto aparte por ahora.

Fortalezas:

Precisión inigualable en la dictado específico de dominios, especialmente después de la adaptación krisp.ai krisp.ai. El reconocimiento de Dragon de términos complejos con un error mínimo realmente lo distingue: por ejemplo, transcribir un informe médico complejo con nombres de medicamentos y medidas casi a la perfección.
Personalización del usuario: Crea un perfil de usuario que aprende, mejorando la precisión cuanto más lo usas, algo que las API genéricas en la nube no hacen a ese nivel por individuo.
En tiempo real y sin conexión: No hay retraso perceptible; las palabras aparecen casi tan rápido como hablas (en un PC decente). Y no necesitas internet, lo que también significa que ningún dato sale de tu máquina (una gran ventaja para la confidencialidad).
Comandos de voz e integración en el flujo de trabajo: Puedes dictar y dar formato en una sola frase (“Abrir Outlook y responder a este correo: Estimado Juan coma nueva línea gracias por tu mensaje…”) – es muy hábil mezclando dictado con comandos.
Productos especializados: La disponibilidad de versiones adaptadas (Médico, Legal) significa que están listos para esos campos desde el primer momento, sin necesidad de personalización manual.
Consistencia y confianza: Muchos profesionales han estado usando Dragon durante años y confían en sus resultados: es una solución madura y probada. Con el respaldo de Microsoft, probablemente continuará e incluso mejorará (integración con IA en la nube para un ajuste adicional, etc.).
Multiplataforma: Dragon está disponible principalmente en Windows; Dragon Anywhere (una aplicación móvil) lleva la dictado a iOS/Android para usarlo en movimiento (vocabulario personalizado sincronizado en la nube). Y a través de la nube (Medical One), también es accesible en clientes ligeros.
Además, reconocimiento de hablante: realmente está pensado para un usuario a la vez, lo que en realidad mejora la precisión (en comparación con un modelo genérico que intenta manejar cualquier voz, Dragon se ajusta a tu voz).

Debilidades:

Costo y accesibilidad: Dragon es caro y no es gratuito para probar más allá de quizás una breve prueba. A diferencia de las API de STT en la nube, que pagas solo por lo que usas (lo que puede ser más barato para uso ocasional), Dragon requiere una inversión inicial o suscripción continua.
Curva de aprendizaje: Los usuarios a menudo necesitan dedicar tiempo a entrenar Dragon y aprender los comandos de voz y técnicas de corrección específicos para obtener los mejores resultados. Es potente, pero no tan plug-and-play como la dictado por voz en un smartphone.
Sensibilidad al entorno: Aunque maneja bien el ruido, Dragon funciona mejor en un entorno silencioso con un micrófono de calidad. El ruido de fondo o micrófonos de baja calidad pueden degradar significativamente el rendimiento.
Enfoque en un solo hablante: No está diseñado para transcribir conversaciones con varios hablantes en tiempo real (se puede usar el modo de transcripción en grabaciones, pero en vivo es para un solo hablante). Para transcripciones de reuniones, los servicios en la nube que manejan varios hablantes pueden ser más sencillos.
Uso intensivo de recursos: Ejecutar Dragon puede ser exigente para la CPU/RAM de una PC, especialmente durante el procesamiento inicial. Algunos usuarios encuentran que ralentiza otras tareas o puede fallar si los recursos del sistema son bajos. Las versiones en la nube descargan este trabajo, pero requieren una conexión a internet estable.
Compatibilidad con Mac: Nuance descontinuó Dragon para Mac hace algunos años (existen soluciones usando Dragon Medical en virtualización de Mac, etc., pero actualmente no hay un producto nativo para Mac), lo cual es una desventaja para los usuarios de Mac.
Competencia de ASR general: A medida que el STT en la nube general mejora (por ejemplo, con OpenAI Whisper alcanzando alta precisión de forma gratuita), algunos usuarios individuales podrían optar por esas alternativas si no necesitan todas las funciones de Dragon. Sin embargo, esas alternativas aún están por detrás en interfaz de dictado y adaptación personal.

Actualizaciones recientes (2024–2025): Desde que fue adquirida por Microsoft, Nuance ha estado algo silenciosa públicamente, pero la integración está en marcha:

Microsoft ha integrado la tecnología de Dragon en la función Dictar de Microsoft 365, mejorando su precisión para los usuarios de Office al usar el backend de Nuance (esto no está explícitamente marcado, pero se anunció como parte de “Microsoft y Nuance ofreciendo soluciones de IA nativas en la nube”).
En 2023, Dragon Professional Anywhere (la versión en la nube de Dragon) mejoró su precisión y se ofreció a través de Azure para clientes empresariales, mostrando sinergia con la nube de Microsoft.
Nuance también lanzó un nuevo producto llamado Dragon Ambient eXperience (DAX) para el sector salud, que va más allá de la dictado: escucha las conversaciones entre médico y paciente y genera automáticamente borradores de notas. Esto utiliza una combinación de ASR de Dragon y resumen por IA (mostrando cómo Nuance está aprovechando la IA generativa), una gran innovación para 2024 en salud.
Dragon Medical One continúa expandiendo idiomas: Microsoft anunció a finales de 2024 una expansión de la dictado médica de Nuance a inglés británico, inglés australiano y más, así como una integración más profunda con Epic EHR.
Para el sector legal, Nuance ha estado integrándose con software de gestión de casos para facilitar la inserción de dictados.
Pronto podríamos ver partes de Dragon ofrecidas como “Custom Speech for Enterprise” de Azure, fusionándose con los servicios de voz de Azure. A principios de 2025, las vistas previas indicaban que Custom Speech de Azure puede tomar un corpus de Dragon o adaptarse con personalización al estilo Nuance, lo que sugiere una convergencia tecnológica.
En cuanto al producto principal, Dragon NaturallySpeaking 16 fue lanzado (la primera versión importante bajo Microsoft) a principios de 2023, con mejor soporte para Windows 11 y ligeras mejoras en la precisión. Así que para 2025, quizás la versión 17 o una versión unificada de Microsoft podría estar en el horizonte.
En resumen, Nuance Dragon continúa refinando la precisión (no es un salto dramático, ya que ya era alta, sino incremental), y los mayores cambios están en cómo se está empaquetando (nube, soluciones de inteligencia ambiental, integración con el ecosistema de IA de Microsoft).

Sitio web oficial: Páginas de Nuance Dragon (Professional, Legal, Medical) krisp.ai krisp.ai en el sitio de Nuance o a través del sitio de la división Nuance de Microsoft.

6. OpenAI Whisper (Modelo de reconocimiento de voz y API) – OpenAI

Resumen: OpenAI Whisper es un modelo de reconocimiento automático de voz (STT) de código abierto que ha revolucionado la comunidad de IA con su excelente precisión y capacidades multilingües. Lanzado por OpenAI a finales de 2022, Whisper no es un servicio en la nube como otros, sino un modelo potente (y ahora una API) que los desarrolladores pueden usar para transcripción y traducción de audio. Para 2025, Whisper se ha convertido en una tecnología dominante para STT en muchas aplicaciones, a menudo funcionando en segundo plano. Es conocido por manejar una amplia gama de idiomas (casi 100) y ser robusto frente a acentos y ruido de fondo gracias a su entrenamiento con 680,000 horas de audio extraído de la web zilliz.com. OpenAI ofrece Whisper a través de su API (de pago por uso) y los pesos del modelo también están disponibles libremente, por lo que cualquiera con suficientes recursos informáticos puede ejecutarlo o ajustarlo offline. La introducción de Whisper mejoró drásticamente el acceso al reconocimiento de voz de alta calidad, especialmente para desarrolladores e investigadores que buscaban una alternativa a las API de la nube de las grandes tecnológicas o necesitaban un modelo abierto y personalizable.

Tipo:Voz a texto (transcripción y traducción). (Whisper no genera voz; solo convierte audio de voz en texto y también puede traducir el idioma hablado a texto en inglés.)

Empresa/Desarrollador:OpenAI (aunque, al ser de código abierto, también existen contribuciones de la comunidad).

Capacidades y usuarios objetivo:

Reconocimiento de voz multilingüe: Whisper puede transcribir voz en 99 idiomas con una precisión impresionante zilliz.com. Esto incluye muchos idiomas poco cubiertos por las API comerciales.
Traducción de voz: Puede traducir directamente muchos idiomas a texto en inglés (por ejemplo, dado un audio en francés, produce una traducción de texto en inglés) zilliz.com.
Robustez: Maneja una variedad de entradas – diferentes acentos, dialectos y ruido de fondo – mejor que muchos modelos, debido a la diversidad de los datos de entrenamiento. También puede capturar cosas como muletillas, risas (“[laughter]”), etc., haciendo las transcripciones más ricas.
Marcado de tiempo: Proporciona marcas de tiempo a nivel de palabra o de oración, lo que permite la generación de subtítulos y la alineación del texto con el audio.
API fácil de usar: A través de la API Whisper de OpenAI (que utiliza el modelo large-v2), los desarrolladores pueden enviar un archivo de audio y recibir una transcripción con una simple solicitud HTTP. Esto está dirigido a desarrolladores que necesitan una integración rápida.
Investigadores y aficionados: Debido a que el modelo es de código abierto, los investigadores de IA o aficionados pueden experimentar, ajustar para dominios específicos o ejecutarlo localmente de forma gratuita. Esto democratizó ampliamente la tecnología ASR.

Características clave:

Alta precisión: En evaluaciones, el modelo más grande de Whisper (~1.6B parámetros) logra tasas de error de palabra a la par o mejores que los servicios líderes en la nube para muchos idiomas deepgram.com deepgram.com. Por ejemplo, su transcripción en inglés es extremadamente precisa, y lo más importante, su precisión en idiomas no ingleses es revolucionaria (donde la precisión de otros disminuye, Whisper mantiene un rendimiento sólido).
No requiere entrenamiento para su uso: Listo para usar, es muy capaz. Tampoco necesita entrenamiento por usuario como Dragon – es general (aunque no especializado por dominio).
Marcas de tiempo a nivel de segmento: La salida de Whisper se divide en segmentos con marcas de tiempo de inicio/fin, útil para subtitulado. Incluso intenta dividir inteligentemente en las pausas.
Diferentes tamaños de modelo: Whisper viene en varios tamaños (tiny, base, small, medium, large). Los modelos más pequeños funcionan más rápido e incluso pueden ejecutarse en dispositivos móviles (con cierta pérdida de precisión). Los modelos más grandes (large-v2 siendo el más preciso) requieren GPU y más capacidad de cómputo, pero ofrecen los mejores resultados deepgram.com.
Identificación de idioma: Whisper puede detectar automáticamente el idioma hablado en el audio y luego usar la decodificación apropiada para ese idioma zilliz.com.
Código abierto y comunidad: La naturaleza abierta significa que hay muchas contribuciones de la comunidad: por ejemplo, variantes de Whisper más rápidas, Whisper con opciones de decodificación personalizadas, etc.
Extras de la API: La API proporcionada por OpenAI puede devolver texto plano o un JSON con información detallada (incluyendo la probabilidad de las palabras, etc.) y admite parámetros como prompt (para guiar la transcripción con algo de contexto).
Despliegue en el borde: Debido a que se puede ejecutar localmente (si el hardware lo permite), se utiliza en escenarios en el dispositivo o en las instalaciones donde no se puede usar la nube (por ejemplo, un periodista transcribiendo entrevistas sensibles sin conexión con Whisper, o una aplicación que ofrece transcripción de notas de voz en el dispositivo por privacidad).

Idiomas compatibles: Whisper admite oficialmente ~99 idiomas en transcripción zilliz.com. Esto abarca ampliamente: desde lenguas muy habladas (inglés, español, mandarín, hindi, árabe, etc.) hasta idiomas menos comunes (galés, mongol, suajili, etc.). Sus datos de entrenamiento tenían un sesgo fuerte pero no exclusivo hacia el inglés (alrededor del 65% del entrenamiento fue en inglés), por lo que el inglés es el más preciso, pero aún así funciona muy bien en muchos otros (especialmente lenguas romances e indoeuropeas presentes en el conjunto de entrenamiento). También puede transcribir audio con cambio de código (idiomas mezclados). La función de traducción al inglés funciona para unos 57 idiomas no ingleses para los que fue entrenado explícitamente para traducir community.openai.com.

Fundamentos técnicos: Whisper es un modelo Transformer de secuencia a secuencia (arquitectura codificador-decodificador) similar a los utilizados en traducción automática neuronal zilliz.com zilliz.com. El audio se divide en fragmentos y se convierte en espectrogramas log-Mel que se introducen en el codificador; el decodificador genera tokens de texto. De manera única, OpenAI lo entrenó con un conjunto de datos grande y diverso de 680 mil horas de audio de la web, incluyendo mucho habla multilingüe y su texto correspondiente (parte del cual probablemente fue rastreado o recopilado de corpus de subtítulos, etc.) zilliz.com. El entrenamiento fue “débilmente supervisado”, a veces usando transcripciones imperfectas, lo que curiosamente hizo que Whisper fuera robusto al ruido y a los errores. El modelo tiene tokens especiales para manejar tareas: por ejemplo, tiene un token <|translate|> para activar el modo de traducción, o <|laugh|> para denotar risa, etc., permitiéndole realizar múltiples tareas (así es como puede hacer transcripción o traducción) zilliz.com. El modelo grande (Whisper large-v2) tiene ~1.550 millones de parámetros y fue entrenado en potentes GPUs durante semanas; básicamente está a la vanguardia de lo que estaba disponible públicamente. También utiliza marcas de tiempo a nivel de palabra prediciendo tokens de tiempo (segmenta el audio prediciendo cuándo hacer una pausa). El diseño de Whisper no incluye un modelo de lenguaje externo; es de extremo a extremo, lo que significa que aprendió el modelado del lenguaje y acústico juntos. Debido a que fue entrenado con mucho ruido de fondo y diversas condiciones de audio, el codificador aprendió características robustas y el decodificador aprendió a generar texto coherente incluso a partir de audio imperfecto. El código abierto permite ejecutar el modelo en frameworks como PyTorch; han surgido muchas optimizaciones (como OpenVINO, ONNX runtime, etc.) para acelerarlo. Es relativamente pesado: la transcripción en tiempo real con el modelo grande normalmente necesita una buena GPU, aunque el modelo medio cuantizado casi puede hacerlo en tiempo real en una CPU moderna.

Casos de uso:

Servicios y aplicaciones de transcripción: Muchas startups o proyectos de transcripción ahora se basan en Whisper en lugar de entrenar su propio modelo. Por ejemplo, herramientas de transcripción de pódcast, aplicaciones de transcripción de reuniones (algunos bots de Zoom usan Whisper), flujos de trabajo de transcripción periodística, etc., suelen aprovechar Whisper por su alta precisión sin tarifas por minuto.
Subtítulos para YouTube/vídeo: Los creadores de contenido usan Whisper para generar subtítulos para vídeos (especialmente en varios idiomas). Hay herramientas donde se introduce un vídeo y Whisper genera subtítulos srt.
Aprendizaje de idiomas y traducción: El modo de traducción de Whisper se utiliza para obtener texto en inglés a partir de habla en otros idiomas, lo que puede ayudar a crear subtítulos traducidos o a que los estudiantes de idiomas transcriban y traduzcan contenido extranjero.
Accesibilidad: Los desarrolladores incorporan Whisper en aplicaciones para realizar transcripción en tiempo real para usuarios sordos o con dificultades auditivas (por ejemplo, una aplicación móvil que escucha una conversación y muestra subtítulos en vivo usando Whisper localmente).
Interfaces de voz y análisis: Algunos proyectos de asistentes de voz hechos por aficionados usan Whisper para convertir voz a texto sin conexión como parte del proceso (para asistentes de voz enfocados en la privacidad). Además, empresas que analizan grabaciones de centros de llamadas podrían usar Whisper para transcribir llamadas (aunque las empresas pueden preferir APIs comerciales por el soporte).
Investigación académica y lingüística: Al ser abierto, los investigadores usan Whisper para transcribir grabaciones de campo en varios idiomas y estudiarlas. Su amplio soporte de idiomas es una ventaja para documentar lenguas con menos recursos.
Productividad personal: Usuarios con conocimientos técnicos pueden usar Whisper localmente para dictar notas (no tan pulido como Dragon para dictado interactivo, pero algunos lo hacen), o para transcribir automáticamente sus notas de voz.

Modelo de precios: Whisper es gratuito si lo alojas tú mismo (solo el costo computacional). La API de Whisper de OpenAI (para quienes no quieren ejecutarlo por su cuenta) es extremadamente asequible: $0.006 por minuto de audio procesado deepgram.com. Eso es aproximadamente 1/10 o menos del precio de las APIs de STT en la nube típicas, lo que lo hace muy atractivo financieramente. Este bajo precio es posible porque el modelo de OpenAI es fijo y probablemente lo ejecutan optimizado a gran escala. Así que los clientes objetivo usan el modelo abierto en su propio hardware (costo de licencia cero), o llaman a la API de OpenAI a $0.006/min, lo que es más barato que casi todos (Google cuesta $0.024/min, etc.). Sin embargo, el servicio de OpenAI no permite personalización ni nada más allá de Whisper puro.

Fortalezas:

Precisión de última generación en una amplia gama de tareas e idiomas desde el primer momento deepgram.com zilliz.com. Especialmente fuerte en la comprensión de inglés con acento y muchos idiomas no ingleses donde antes había que usar servicios menos optimizados para ese idioma.
Multilingüe y multitarea: Un solo modelo para todos los idiomas e incluso traducción – muy flexible.
Código abierto y orientado a la comunidad: fomenta la innovación; por ejemplo, hay forks que funcionan más rápido, o con decodificación alternativa para preservar mejor la puntuación, etc.
Rentable: Esencialmente gratis si tienes hardware, y la API es muy barata, lo que hace viables proyectos de transcripción de alto volumen en cuanto a costos.
Privacidad y sin conexión: Los usuarios pueden ejecutar Whisper localmente en sus propias instalaciones para datos sensibles (por ejemplo, los hospitales podrían implementarlo internamente para transcribir grabaciones sin enviarlas a la nube). Esto es una gran ventaja en ciertos contextos, similar a cómo tener un modelo sin conexión como este rivaliza con lo que solo IBM o Nuance en local podían hacer.
Integración: Muchas herramientas de audio existentes integraron Whisper rápidamente (ffmpeg, por ejemplo, ahora tiene un filtro para ejecutar whisper). Su popularidad significa que hay muchos envoltorios (WebWhisper, Whisper.cpp para implementación en C++, etc.), por lo que es fácil de conectar.
Mejoras continuas por la comunidad: Aunque la versión de OpenAI es estática, otros la han ajustado o ampliado. Además, OpenAI podría lanzar versiones mejoradas (hay rumores sobre Whisper v3 o integración con su nuevo trabajo multimodal que podrían aparecer).

Debilidades:

Sin personalización incorporada para jerga específica: A diferencia de algunos servicios en la nube o Dragon, no puedes alimentar a Whisper con vocabulario personalizado para sesgarlo. Así que, para términos extremadamente especializados (por ejemplo, nombres químicos), Whisper podría fallar a menos que haya visto algo similar en el entrenamiento. Sin embargo, es posible hacer ajuste fino si tienes los datos y la experiencia.
Requiere muchos recursos: Ejecutar el modelo grande en tiempo real requiere una GPU decente. En CPU, es lento (aunque los modelos más pequeños pueden funcionar en tiempo real en CPU con cierta pérdida de calidad). La API de OpenAI soluciona esto haciendo el trabajo pesado en la nube, pero si lo alojas tú mismo a gran escala, necesitas GPUs.
Latencia: Whisper procesa el audio en fragmentos y a menudo con un pequeño retraso para finalizar los segmentos. Para aplicaciones en tiempo real (como subtítulos en vivo), puede tener un retraso de ~2 segundos para que aparezca el primer texto porque espera un fragmento. Esto es aceptable en muchos casos, pero no es tan baja latencia como algunos sistemas optimizados para streaming como el de Google, que puede empezar a mostrar resultados en menos de 300 ms. Hay esfuerzos en la comunidad para hacer un “Whisper en streaming”, pero no es trivial.
Sesgo hacia el inglés en el entrenamiento: Aunque es multilingüe, alrededor de 2/3 de sus datos de entrenamiento eran en inglés. Aun así, funciona sorprendentemente bien en muchos idiomas (especialmente español, francés, etc.), pero algunos idiomas con menos datos de entrenamiento pueden ser menos precisos o preferir producir texto en inglés si no está seguro. Por ejemplo, para idiomas muy raros o con mucha mezcla de códigos, puede identificar mal o producir algo de texto en inglés por error (algunos usuarios han notado que Whisper a veces inserta una traducción o transliteración al inglés si no está seguro de una palabra).
Sin diarización de hablantes: Whisper transcribe todo el habla pero no etiqueta a los hablantes. Si necesitas “Hablante 1 / Hablante 2”, tienes que aplicar un método externo de identificación de hablantes después. Muchos STT en la nube ya lo incluyen.
Sin soporte formal: Como modelo abierto, si algo sale mal, no hay una línea de soporte oficial (aunque la API de OpenAI sí tiene soporte como producto, el modelo abierto no lo tiene).
Peculiaridades en el formato de salida: Whisper puede incluir tokens que no son habla como “[Music]” o intentar agregar puntuación y a veces puede que no siempre se ajuste al formato deseado (aunque generalmente lo hace bien). Puede, por ejemplo, no agregar un signo de interrogación aunque la frase sea una pregunta porque no fue entrenado explícitamente para insertarlo siempre, etc. Se necesita algo de post-procesamiento o indicaciones para refinarlo.
Además, la API de OpenAI actualmente tiene un límite de tamaño de archivo de ~25 MB, lo que significa que se deben dividir los audios más largos para enviarlos.

Actualizaciones recientes (2024–2025):

Aunque el modelo Whisper en sí (v2 large) no ha sido actualizado públicamente por OpenAI desde 2022, la API de OpenAI Whisper se lanzó a principios de 2023, lo que facilitó y abarató el uso de deepgram.com. Esto llevó el poder de Whisper a muchos más desarrolladores.
La comunidad entregó Whisper.cpp, un port en C++ que puede ejecutarse en CPU (incluso en dispositivos móviles) mediante la cuantización del modelo. Para 2024, esto maduró, permitiendo que modelos pequeños se ejecuten en tiempo real en smartphones, impulsando algunas aplicaciones móviles de transcripción completamente offline.
Ha habido esfuerzos de investigación basados en Whisper: por ejemplo, el ajuste fino de Whisper para propósitos específicos de dominio (como transcripción médica) por varios grupos (aunque no se ha publicado ampliamente, probablemente algunas startups lo hicieron).
Presumiblemente, OpenAI ha estado trabajando en un modelo de voz de próxima generación, posiblemente integrando técnicas de GPT (algunas pistas en sus artículos sobre un posible modelo multimodal que maneje voz y texto). Si esto se lanza, podría reemplazar a Whisper, pero a mediados de 2025, Whisper sigue siendo su principal oferta de ASR.
En términos de adopción, para 2025 muchos proyectos de código abierto (como las herramientas de Mozilla, la comunidad de Kaldi, etc.) han pivotado a usar Whisper como base debido a su alta precisión. Esto lo convirtió efectivamente en un estándar.
Un desarrollo notable: la investigación MMS (Massive Multilingual Speech) de Meta (mediados de 2023) amplió la idea al lanzar modelos que cubren más de 1100 idiomas para ASR (aunque no tan precisos como Whisper para los idiomas principales). Esta competencia generó aún más interés en el habla multilingüe; Whisper sigue siendo dominante en calidad, pero podríamos ver que OpenAI responda con Whisper v3 cubriendo más idiomas o alineándose con estos desarrollos.
En resumen, la “actualización” es que Whisper se volvió extremadamente extendido, con mejoras a su alrededor en velocidad y despliegue más que en cambios del modelo central. Sigue siendo una de las mejores opciones en 2025 para quienes integran transcripción de voz en sus productos, debido a la combinación de calidad, soporte de idiomas y costo.

Recursos oficiales: OpenAI Whisper GitHub zilliz.com zilliz.com; Documentación de la API de OpenAI Whisper (sitio web de OpenAI) zilliz.com. (No hay una “página de producto” única ya que es un modelo, pero las referencias de GitHub/Glosario anteriores dan el contexto oficial).

7. Deepgram (API y plataforma de voz a texto) – Deepgram

Resumen: Deepgram es una plataforma de voz a texto orientada a desarrolladores que ofrece transcripción rápida y altamente precisa a través de un conjunto de modelos de IA y APIs robustas. Deepgram se diferencia por su enfoque en la personalización, velocidad y eficiencia de costos para aplicaciones empresariales. Fundada en 2015, construyó sus propios modelos de voz basados en aprendizaje profundo (en lugar de usar los de las grandes tecnológicas) y se ha hecho un hueco, especialmente entre centros de contacto, empresas de análisis de voz y firmas tecnológicas que requieren transcripción a gran escala o en tiempo real. En 2024–2025, Deepgram se menciona a menudo como una de las principales alternativas a los grandes proveedores de la nube para STT, especialmente después de demostrar una precisión líder mundial con su último modelo “Nova-2” deepgram.com. La plataforma no solo proporciona modelos listos para usar, sino también herramientas para entrenar modelos de voz personalizados con los datos específicos de una empresa (algo que pocas APIs en la nube ofrecen de forma autoservicio). Deepgram puede desplegarse en la nube o en las instalaciones, lo que atrae a empresas con necesidades de flexibilidad.

Tipo: Principalmente Voz a Texto (Transcripción). (Deepgram ha comenzado a ofrecer en beta funciones de Texto a Voz y herramientas de pipeline de IA de Voz en tiempo real desde 2025 deepgram.com deepgram.com, pero STT es su núcleo principal.)

Empresa/Desarrollador:Deepgram, Inc. (startup independiente, aunque para 2025 se rumorea como objetivo de adquisición debido a su liderazgo tecnológico en STT).

Capacidades y Usuarios Objetivo:

Transcripción en tiempo real y por lotes: La API de Deepgram permite tanto la transcripción de audio en streaming con latencia mínima como el procesamiento por lotes de archivos de audio. Es capaz de manejar grandes volúmenes (promocionan un rendimiento de miles de horas de audio procesadas rápidamente).
Alta precisión y selección de modelos: Ofrecen varios niveles de modelos (por ejemplo, “Nova” para la mayor precisión, “Base” para uso más rápido/ligero y a veces modelos específicos de dominio). El último modelo Nova-2 (lanzado en 2024) presume de un 30% menos de WER que los competidores y destaca en precisión en tiempo real deepgram.com deepgram.com.
Personalización: Un gran atractivo: los clientes pueden subir datos etiquetados para entrenar modelos personalizados de Deepgram adaptados a su vocabulario específico (por ejemplo, nombres de productos, frases únicas). Este ajuste fino puede mejorar significativamente la precisión en el dominio del cliente.
Soporte multilingüe: Deepgram admite transcripción en muchos idiomas (más de 30 idiomas en 2025, incluyendo inglés, español, francés, alemán, japonés, mandarín, etc.). Su principal fortaleza es el inglés, pero está expandiendo otros.
Robustez al Ruido y Formatos de Audio: Deepgram originalmente procesaba audio mediante una canalización de preprocesamiento que puede manejar calidades de audio variables (llamadas telefónicas, etc.). Acepta una amplia gama de formatos (incluidos códecs populares como MP3, WAV e incluso transmisiones RTP en tiempo real).
Características: Ofrece diarización (etiquetado de hablantes) bajo demanda, puntuación, uso de mayúsculas, filtrado de blasfemias e incluso detección de entidades (como identificar números, monedas mencionadas). También cuentan con una función para detectar palabras clave o realizar algo de PLN en las transcripciones a través de su API.
Velocidad: Deepgram es conocido por su procesamiento muy rápido, gracias a que fue construido desde cero en CUDA (inicialmente usaron GPUs desde el principio). Afirman procesar audio más rápido que en tiempo real en GPUs, incluso con modelos grandes.
Escalabilidad y Despliegue: Disponible como API en la nube (con SLAs de nivel empresarial) y también como despliegue local o en nube privada (tienen una versión en contenedores). Hacen hincapié en la escalabilidad para volúmenes empresariales y proporcionan paneles de control y análisis de uso para los clientes.
Casos de Uso: Los usuarios objetivo incluyen centros de contacto (para transcripción y análisis de llamadas), empresas de software que añaden funciones de voz, empresas de medios que transcriben archivos de audio y empresas de IA que necesitan un STT base para construir productos de voz. Por ejemplo, un centro de llamadas podría usar Deepgram para transcribir miles de llamadas simultáneamente y luego analizarlas para detectar el sentimiento del cliente o el cumplimiento normativo. Los desarrolladores aprecian su API sencilla y documentación detallada.

Características Clave:

Facilidad de Uso de la API: Un solo endpoint de API puede manejar archivos de audio o transmisiones con varios parámetros (idioma, modelo, puntuación, diarización, etc.). SDKs disponibles para lenguajes populares (Python, Node, Java, etc.).
Impulso de Palabras Clave Personalizadas: Puedes proporcionar palabras clave específicas para aumentar la probabilidad de reconocimiento de estas (si no entrenas un modelo personalizado, esta es una forma rápida de mejorar la precisión para ciertos términos).
Uniformidad entre Lotes y Transmisión: Prácticamente la misma API; también tienen un concepto de pregrabado vs en vivo con endpoints optimizados en consecuencia.
Seguridad: Deepgram ofrece funciones como despliegue local y no almacena el audio por defecto después del procesamiento (a menos que se elija lo contrario). Para clientes financieros/médicos, esto es fundamental.
Funciones de Asistencia en Tiempo Real para Agentes: A través de su API o la próxima “Voice Assistant API” deepgram.com, permiten casos de uso como transcripción en tiempo real + resumen para llamadas de agentes (de hecho, destacan el uso en centros de contacto con una canalización de STT -> análisis -> incluso envío de respuestas).
Afirmaciones de Precisión: Hicieron pruebas públicas de Nova-2 mostrando, por ejemplo, 8.4% de WER mediana en diversos dominios, superando a otros proveedores donde el más cercano podría estar en ~12% deepgram.com, y específicamente 36% mejor relativo que Whisper-large deepgram.com – lo que significa que para empresas que se preocupan por cada punto de precisión, Deepgram lidera.
Eficiencia de Costos: Suelen destacar que ejecutar su modelo en GPUs es más rentable, y su precio (ver abajo) puede ser menor al comprar en volumen que algunos competidores.
Soporte y Monitoreo: Funciones empresariales como registro detallado, búsqueda de transcripciones y monitoreo a través de su consola.

Idiomas Soportados: El enfoque principal de Deepgram es el inglés (EE. UU. y acentos), pero a partir de 2025 soporta 20-30+ idiomas de forma nativa, incluyendo los principales idiomas europeos, japonés, coreano, mandarín, hindi, etc. Han estado expandiéndose, pero quizás aún no llegan a 100 idiomas (menos que Whisper en cantidad). Sin embargo, permiten modelos personalizados para los idiomas que soportan (si un idioma no está soportado, puede que tengas que solicitarlo o usar un modelo multilingüe base si está disponible). El modelo Nova podría ser actualmente solo en inglés (su mayor precisión suele ser para inglés y a veces español). Sí soportan dialectos del inglés (puedes especificar inglés británico vs americano para diferencias sutiles de ortografía).

Fundamentos Técnicos: Deepgram utiliza un modelo de aprendizaje profundo de extremo a extremo, históricamente construido sobre autonomous research – probablemente una variante avanzada de redes convolucionales y recurrentes o Transformers. Su Nova-2 específicamente se describe como una “arquitectura basada en Transformer con optimizaciones específicas para voz” deepgram.com. Mencionan que Nova-2 fue entrenado con 47 mil millones de tokens y 6 millones de recursos deepgram.com, lo cual es enorme e indica una gran diversidad de datos. Afirman que Nova-2 es el “modelo ASR más profundamente entrenado del mercado” deepgram.com. Logros técnicos clave:

Mejoraron el reconocimiento de entidades, el manejo de contexto, etc., mediante ajustes en la arquitectura deepgram.com.
Se enfocan en streaming – sus modelos pueden entregar resultados parciales rápidamente, lo que sugiere quizá una arquitectura de decodificación sincrónica por bloques.
Optimizan para GPU: desde el principio usaron GPUs y escribieron mucho en CUDA C++ para la inferencia, logrando un alto rendimiento.
Los modelos personalizados probablemente usan aprendizaje por transferencia – ajustando sus modelos base con datos del cliente. Proporcionan herramientas o ellos mismos lo entrenan para ti dependiendo del plan.
También incorporan un equilibrio entre velocidad/precisión con múltiples tamaños de modelo: por ejemplo, antes tenían “Modelo mejorado” vs “Modelo estándar”. Nova-2 podría unificar eso o ser el modelo de gama alta con otros más pequeños y rápidos.
Un punto interesante: Deepgram adquirió o construyó un conjunto de datos de voz en muchos dominios (algunos de sus blogs mencionan entrenamiento en “todo tipo de llamadas, reuniones, videos, etc.”). También enfatizan resultados de adaptación de dominio como modelos especializados para centros de llamadas (quizás ajustados con datos de llamadas).
Tienen una mención de modelo de 2 etapas en arquitecturas anteriores, pero Nova-2 parece ser un gran modelo unificado.
Posiblemente también usan destilación de conocimiento para comprimir modelos (ya que tienen disponibles modelos más pequeños).
También mencionan el uso de sesgos contextuales (como dar pistas al modelo con palabras esperadas, lo cual es similar a proporcionar sugerencias).
Con el lanzamiento de Nova-2, publicaron comparaciones: Nova-2 tiene un WER mediano de 8.4% vs Whisper large 13.2%, etc., logrado mediante entrenamiento y mejoras de arquitectura deepgram.com deepgram.com.

Casos de uso (algunos ejemplos más allá de los mencionados):

Transcripción en vivo para centros de llamadas: Una empresa usa Deepgram para transcribir llamadas de clientes en tiempo real, y luego usa el texto para mostrar información relevante a los agentes o para analizar después de la llamada por cumplimiento.
Transcripción de reuniones SaaS: Herramientas como Fireflies.ai o alternativas a Otter.ai podrían usar Deepgram en el backend para notas y resúmenes de reuniones en vivo.
Búsqueda por voz en aplicaciones: Si una app añade una función de búsqueda o comando por voz, podrían usar el STT de Deepgram para convertir la consulta en texto (algunos lo eligen por velocidad o privacidad).
Medios y entretenimiento: Una casa de postproducción podría enviar grandes cantidades de audio de material bruto a Deepgram para obtener transcripciones y así crear subtítulos o hacer el contenido buscable.
Dispositivos IoT: Algunos dispositivos inteligentes podrían usar Deepgram en el dispositivo (con un despliegue en el edge) o vía la nube de baja latencia para transcribir comandos.
Herramientas para desarrolladores: Deepgram se ha integrado en plataformas no-code o herramientas de datos para ayudar a procesar datos de audio fácilmente; por ejemplo, una canalización de análisis de datos que procesa grabaciones de llamadas usa Deepgram para convertirlas en texto para su posterior análisis.

Modelo de precios: El modelo de precios de Deepgram se basa en el uso, con créditos gratuitos para comenzar (por ejemplo, $200 de crédito para cuentas nuevas). Después de eso:

Tienen niveles: por ejemplo, un nivel gratuito podría permitir algunos minutos por mes, luego un nivel de pago alrededor de $1.25 por hora para el modelo estándar (es decir, $0.0208 por minuto) y tal vez $2.50/hora para Nova (números ilustrativos; de hecho, el blog de Telnyx muestra que Deepgram comienza gratis y hasta $10k/año para empresas, lo que implica acuerdos personalizados).
También ofrecen planes de compromiso: por ejemplo, pagar una cierta cantidad por adelantado para obtener una tarifa por minuto más baja. O una licencia empresarial anual fija.
En comparación con los grandes proveedores, generalmente son competitivos o más baratos a gran escala; además, la mayor precisión significa menos corrección manual, lo cual es un factor de costo en los BPOs.
El entrenamiento de modelos personalizados podría tener un costo adicional o requerir un plan empresarial.
Anuncian que no hay cargos por puntuación, diarización, etc.; esas son funciones incluidas.

Fortalezas:

Precisión de primer nivel con Nova-2 – liderando el campo en reconocimiento de voz en inglés deepgram.com deepgram.com.
IA personalizable – no es solo una caja negra; puedes adaptarla a tu dominio, lo cual es fundamental para las empresas (lleva la precisión de “buena” a “excelente” para tu caso de uso).
Rendimiento en tiempo real – El streaming en tiempo real de Deepgram es de baja latencia y eficiente, lo que lo hace adecuado para aplicaciones en vivo (algunas APIs en la nube tienen dificultades con el volumen en tiempo real; Deepgram fue creado para ello).
Despliegue flexible – nube, local, híbrido; se adaptan a las empresas donde estén, incluyendo requisitos de privacidad de datos.
Costo y escalabilidad – A menudo resultan más baratos a grandes volúmenes, y escalan a cargas de trabajo muy grandes (destacan casos de transcripción de decenas de miles de horas al mes).
Experiencia para desarrolladores – Su API y documentación son elogiadas; su enfoque es únicamente el habla, por lo que brindan buen soporte y experiencia en ese ámbito. Funciones como refuerzo de palabras clave personalizadas, multilingüe en una sola API, etc., son convenientes.
Enfoque en necesidades empresariales – funciones como detección de sentimiento, resumen (están agregando algunas capacidades de IA de voz más allá del STT puro), y análisis detallados forman parte de su plataforma orientada a obtener insights de negocio a partir de la voz.
Soporte y alianzas – Se integran con plataformas como Zoom y tienen alianzas tecnológicas (por ejemplo, algunos proveedores de telefonía permiten conectar Deepgram directamente para transmitir audio de llamadas).
Seguridad – Deepgram cumple con SOC2, etc., y para quienes quieren aún más control, se puede auto-hospedar.

Debilidades:

Menor reconocimiento de marca en comparación con Google/AWS; algunas empresas conservadoras podrían dudar en elegir un proveedor más pequeño (aunque la participación de Microsoft en Nuance es un escenario similar, Deepgram simplemente es independiente).
Cobertura de idiomas es más limitada que la de las grandes tecnológicas globales; si necesitas transcripción para un idioma que Deepgram aún no soporta, podrías tener que solicitárselo o usar otros.
Amplitud de funciones – Se enfocan únicamente en STT (con algunos extras de ML). No ofrecen TTS ni una solución de conversación completa (aunque ahora tienen una API de bot de voz, carecen de una plataforma completa como Contact Center AI de Google o Watson Assistant). Así que si un cliente quiere una solución integral de voz y conversación, Deepgram solo cubre la parte de transcripción.
Personalización DIY – Aunque la personalización es una fortaleza, requiere que el cliente tenga datos y posiblemente conocimientos de ML (aunque Deepgram intenta simplificarlo). No es tan plug-and-play como usar un modelo genérico, pero ese es el precio de la mejora.
Actualizaciones – Una empresa más pequeña podría actualizar los modelos con menos frecuencia que, por ejemplo, Google (aunque últimamente lo han hecho con Nova-2). Además, cualquier posible tiempo de inactividad o límites de servicio podría tener menos redundancia global que la gran nube (aunque hasta ahora, Deepgram ha sido confiable).
Si se usa on-prem, el cliente tiene que gestionar el despliegue en GPUs, lo que podría ser una complejidad (pero a muchos les gusta ese control).
Comparación vs. Open Source – Algunos podrían optar por Whisper (gratis) si son ultra-sensibles al costo y una precisión ligeramente menor es aceptable; Deepgram tiene que justificar constantemente el valor frente a los modelos abiertos manteniéndose por delante en precisión y ofreciendo soporte empresarial.

Actualizaciones recientes (2024–2025):

La más importante: lanzamiento del modelo Nova-2 a finales de 2024, mejorando significativamente la precisión (18% mejor que su anterior Nova, y anunciaron grandes mejoras sobre los competidores) deepgram.com deepgram.com. Esto mantiene a Deepgram en la vanguardia. Compartieron benchmarks detallados y white papers para respaldarlo.
Deepgram lanzó una API de Agente de Voz (beta) en 2025 deepgram.com para permitir la creación de agentes de IA en tiempo real; esencialmente añadiendo la capacidad no solo de transcribir sino de analizar y responder (probablemente integrando un LLM para comprensión, además de un TTS para la respuesta). Esto indica una expansión más allá del STT puro hacia una solución de conversación con IA (compitiendo directamente en el espacio de contact center AI).
Ampliaron el soporte de idiomas (agregaron más idiomas europeos y asiáticos en 2024).
Agregaron funcionalidades como la resumén: Por ejemplo, en 2024 introdujeron un módulo opcional donde, después de transcribir una llamada, Deepgram puede proporcionar un resumen generado por IA de la llamada. Esto aprovecha los LLMs sobre las transcripciones, similar a la oferta de resumen de llamadas de Azure.
Funciones de seguridad mejoradas: En 2024, Deepgram alcanzó estándares de cumplimiento más altos (se anunció el cumplimiento con HIPAA, lo que permitió que más clientes del sector salud los utilicen).
Mejoraron la experiencia para desarrolladores – por ejemplo, lanzando un nuevo Node SDK v2, una herramienta CLI para transcripción y un sitio web de documentación mejorado.
En cuanto a rendimiento, mejoraron la latencia en tiempo real optimizando sus protocolos de transmisión, afirmando una latencia inferior a 300 ms para transcripciones parciales.
Posiblemente, se lanzó una asociación con proveedores de telefonía (como una integración con Twilio, etc.) para permitir la transcripción fácil de llamadas PSTN a través de la API de Deepgram.
También participaron en evaluaciones abiertas; por ejemplo, si hay un desafío ASR, Deepgram suele intentarlo, mostrando transparencia en los resultados.
En el ámbito empresarial, Deepgram recaudó más fondos (Serie C en 2023), lo que indica estabilidad y capacidad para invertir en I+D.

Sitio web oficial: Deepgram Speech-to-Text API telnyx.com deepgram.com (Páginas oficiales de producto y documentación de Deepgram).

8. Speechmatics (Motor STT para cualquier contexto) – Speechmatics Ltd.

Resumen: Speechmatics es un destacado motor de reconocimiento de voz a texto conocido por su enfoque en comprender “todas las voces” – lo que significa que enfatiza la precisión en una amplia gama de acentos, dialectos y demografías de hablantes. Con sede en el Reino Unido, Speechmatics se ganó una reputación en la década de 2010 por su API de STT de autoservicio y soluciones on-premise, superando a menudo a los grandes actores en escenarios con acentos marcados o audio desafiante. Su tecnología proviene de aprendizaje automático avanzado y un avance en aprendizaje auto-supervisado que permitió entrenar con grandes cantidades de audio no etiquetado para mejorar la equidad en el reconocimiento speechmatics.com speechmatics.com. Para 2025, Speechmatics ofrece STT en múltiples formas: una API en la nube, contenedores desplegables e incluso integraciones OEM (su motor dentro de otros productos). Atienden casos de uso desde subtitulado de medios (subtítulos en vivo para transmisiones) hasta análisis de llamadas, y su reciente innovación, la API “Flow”, combina STT con texto a voz y LLMs para interacciones por voz audioxpress.com audioxpress.com. Son reconocidos por transcripciones precisas sin importar el acento o la edad del hablante, afirmando superar a la competencia especialmente en la eliminación de sesgos (por ejemplo, su sistema logró una precisión significativamente mejor en voces afroamericanas y voces infantiles que otros) speechmatics.com speechmatics.com.

Tipo:Reconocimiento de voz a texto (ASR) con soluciones emergentes de interacción por voz multimodal (Speechmatics Flow).

Empresa/Desarrollador:Speechmatics Ltd. (Cambridge, Reino Unido). Independiente, aunque con alianzas en las industrias de radiodifusión e IA.

Capacidades y usuarios objetivo:

Motor STT universal: Uno de los puntos de venta de Speechmatics es un solo motor que funciona bien para “cualquier hablante, cualquier acento, cualquier dialecto” en los idiomas compatibles. Esto atrae a empresas globales y radiodifusoras que trabajan con hablantes de todo el mundo (por ejemplo, la BBC, que ha utilizado Speechmatics para subtitulado).
Transcripción en tiempo real: Su sistema puede transcribir transmisiones en vivo con baja latencia, lo que lo hace adecuado para subtitulado en vivo de eventos, transmisiones y llamadas.
Transcripción por lotes: Procesamiento de alto rendimiento de audio/video pregrabado con precisión líder en la industria. A menudo se utiliza para archivos de video, generación de subtítulos o transcripciones.
Soporte multilingüe: Reconoce más de 30 idiomas (incluyendo variantes de inglés, español, francés, japonés, mandarín, árabe, etc.) e incluso puede manejar code-switching (su sistema puede detectar cuando un hablante cambia de idioma en medio de una conversación) docs.speechmatics.com. También admiten la detección automática de idioma.
Diccionario personalizado (Palabras personalizadas): Los usuarios pueden proporcionar nombres o jerga específicos para priorizar (por ejemplo, para que el motor sepa cómo deletrear nombres propios poco comunes).
Despliegue flexible: Speechmatics puede ejecutarse en la nube (tienen una plataforma SaaS) o completamente en las instalaciones mediante un contenedor Docker, lo que resulta atractivo para entornos sensibles. Muchos radiodifusores ejecutan Speechmatics en sus propios centros de datos para subtitulado en vivo y así evitar la dependencia de internet.
Precisión en entornos ruidosos: Tienen gran robustez al ruido, además de salida opcional de formato de entidades (fechas, números) y funciones como speaker diarization para diferenciar múltiples hablantes.
Usuarios objetivo: Empresas de medios (cadenas de TV, plataformas de video), centros de contacto (para transcribir llamadas), soluciones empresariales de transcripción, proveedores de software que necesitan STT (Speechmatics suele licenciar su tecnología a otros proveedores—relaciones OEM), gobierno (transcripciones de reuniones parlamentarias o de consejo), y proveedores de IA enfocados en ASR imparcial.
Speechmatics Flow (2024): Combina su STT con TTS e integración LLM para crear asistentes de voz que pueden escuchar, entender (con un LLM) y responder con voz sintetizada audioxpress.com audioxpress.com. Esto indica un enfoque hacia soluciones de IA de voz interactivas (como voicebots que realmente entienden varios acentos).

Características clave:

Acentos precisos: Según sus pruebas de sesgo, redujeron drásticamente las disparidades de error entre diferentes grupos de acento entrenando con grandes cantidades de datos no etiquetados speechmatics.com speechmatics.com. Por ejemplo, la tasa de error para voces afroamericanas mejoró aproximadamente un 45% relativo frente a competidores speechmatics.com.
Reconocimiento de voz infantil: Señalan específicamente mejores resultados en voces de niños (que suelen ser difíciles para el ASR): 91,8% de precisión frente a ~83% de Google en una prueba speechmatics.com.
Modelo auto-supervisado (AutoML): Su “Reconocimiento de Voz Autónomo” introducido alrededor de 2021 aprovechó 1,1 millones de horas de entrenamiento de audio con aprendizaje auto-supervisado speechmatics.com. Este enfoque de entrenamiento masivo mejoró la comprensión de voces variadas donde los datos etiquetados eran escasos.
Modelos neuronales: Basados completamente en redes neuronales (pasaron de modelos híbridos antiguos a modelos neuronales de extremo a extremo a finales de la década de 2010).
API y SDK: Proporcionan APIs REST y websocket para procesamiento en vivo y por lotes. También SDKs para facilitar la integración. Generan JSON detallado que incluye palabras, tiempos, confianza, etc.
Funciones como Entidades: Realizan formateo inteligente (por ejemplo, mostrando “£50” cuando alguien dice “cincuenta libras”) y pueden etiquetar entidades.
Cobertura de idiomas: ~34 idiomas con alta calidad a partir de 2025, incluyendo algunos que otros pueden no cubrir bien (como el galés, ya que BBC Wales los utilizó).
Actualizaciones continuas: Publican regularmente notas de lanzamiento con mejoras (como se ve en su documentación: por ejemplo, mejoraron la precisión del mandarín en un 5% en una actualización docs.speechmatics.com, o agregando nuevos idiomas como el maltés, etc.).
Especificaciones de Flow: La API de Flow permite a los desarrolladores combinar la salida de STT con el razonamiento de LLM y la salida de TTS de manera fluida, orientado a asistentes de voz de próxima generación audioxpress.com audioxpress.com. Por ejemplo, se puede enviar audio y recibir una respuesta por voz (respuesta proporcionada por LLM hablada en TTS): Speechmatics proporciona el enlace para la interacción en tiempo real.

Idiomas compatibles: ~30-35 idiomas soportados activamente (inglés, español, francés, alemán, portugués, italiano, neerlandés, ruso, chino, japonés, coreano, hindi, árabe, turco, polaco, sueco, etc.). Destacan la cobertura de idiomas “globales” y dicen que pueden añadir más a petición docs.speechmatics.com. También tienen un modo bilingüe para español/inglés que puede transcribir inglés-español mezclado sin problemas docs.speechmatics.com. En sus notas: nuevos idiomas como irlandés y maltés se añadieron en 2024 docs.speechmatics.com, lo que indica que también atienden a idiomas minoritarios si existe demanda. Presumen de la cobertura de acentos dentro de los idiomas, por ejemplo, su modelo de inglés es un modelo global que cubre acentos de EE. UU., Reino Unido, India, Australia y África de manera integral sin necesidad de modelos separados.

Bases técnicas:

Aprendizaje auto-supervisado: Usaron técnicas similares a wav2vec 2.0 de Facebook (probablemente tienen su propia variante) para aprovechar grandes cantidades de audio no etiquetado (como YouTube, pódcast) para preentrenar las representaciones acústicas, y luego ajustaron con datos transcritos. Esto les dio un gran impulso en la cobertura de acentos/dialectos según lo reportado en 2021 speechmatics.com.
Arquitectura neuronal: Posiblemente una combinación de CNN para la extracción de características y Transformers para el modelado de secuencias (la mayoría de los ASR modernos ahora usan Conformer u otras arquitecturas similares). Llamaron a su principal actualización de modelo “Ursa” en las notas de lanzamiento docs.speechmatics.com, que dio un aumento general de precisión en todos los idiomas; probablemente una nueva arquitectura de modelo grande (Conformer o Transducer).
Tamaños de modelo: No se detallan públicamente, pero para instalaciones locales, tienen opciones (como modelos “estándar” vs “mejorados”). Siempre mencionan “baja latencia”, por lo que probablemente usan una arquitectura amigable con el streaming (como un modelo Transducer o basado en CTC para salida incremental).
Enfoque de sesgo y equidad: Al entrenar con datos diversos no etiquetados, el modelo aprendió de forma inherente muchas variaciones del habla. Probablemente también hicieron un balance cuidadoso: sus resultados publicados en reducción de sesgo sugieren esfuerzos dirigidos para asegurar igual precisión para diferentes grupos de hablantes.
Aprendizaje continuo: Posiblemente, incorporan correcciones de clientes como un bucle de retroalimentación opcional para mejorar (no estoy seguro si está expuesto a clientes, pero probablemente sí internamente).
Hardware y eficiencia: Pueden funcionar en CPUs estándar (para muchos clientes que implementan localmente, probablemente usan clústeres de CPU). Pero también probablemente están optimizados para GPU si es necesario. Mencionan “bajo consumo” en algunos contextos.
Tecnología Flow API: Combina su ASR con cualquier LLM (podría ser de OpenAI u otros) y su socio TTS; probablemente esta arquitectura usa su STT para obtener texto, luego llama al LLM elegido, y luego usa un motor TTS (quizás Amazon Polly o Azure en segundo plano a menos que tengan propio, pero el sitio sugiere combinar con “LLM preferido” y “TTS preferido”) audioxpress.com.

Casos de uso:

Radiodifusión y medios: Muchas transmisiones de TV en vivo en el Reino Unido usan Speechmatics para subtítulos en vivo cuando no hay estenógrafos humanos disponibles o para complementarlos. También, casas de postproducción lo usan para generar transcripciones para edición o cumplimiento.
Investigación de mercado y analítica: Empresas que analizan entrevistas con clientes o discusiones grupales a nivel global usan Speechmatics para transcribir contenido con múltiples acentos con precisión (por ejemplo, analizando sentimiento en grupos focales multinacionales).
Gobierno/Sector público: Transcripción de reuniones de ayuntamientos o sesiones parlamentarias (especialmente en países con varios idiomas o acentos locales marcados; Speechmatics destaca ahí).
Analítica de centros de llamadas: Similar a otros, pero Speechmatics es atractivo donde los agentes o clientes tienen acentos fuertes que otros motores podrían transcribir mal. Además, porque pueden implementarse localmente (algunas telecos o bancos en Europa prefieren eso).
Educación: Transcripción de grabaciones de clases o provisión de subtítulos para contenido universitario (especialmente donde profesores o estudiantes tienen acentos diversos).
Proveedores de tecnología de voz: Algunas empresas incorporaron el motor de Speechmatics en su solución (marca blanca) por su reconocida fortaleza en robustez ante acentos, dándoles ventaja para bases de usuarios globales.
Subtitulación para contenido generado por usuarios: Algunas plataformas que permiten a los usuarios subtitular sus videos podrían usar Speechmatics en segundo plano para manejar todo tipo de voces.

Modelo de precios:

Normalmente hacen cotizaciones personalizadas para empresas (especialmente para licencias on-premise – probablemente una licencia anual dependiendo del uso o la cantidad de canales).
Para la API en la nube, solían tener precios publicados de alrededor de $1.25 por hora o similar, competitivo con otros. Posiblemente ~$0.02/min. Puede haber un compromiso mensual mínimo para clientes empresariales directos.
También ofrecieron una prueba gratuita o 600 minutos gratis en su SaaS en algún momento.
Enfatizan el uso ilimitado on-premise por una tarifa fija, lo cual para usuarios intensivos puede ser atractivo frente a tarifas por minuto.
Dado que se enfocan en empresas, no son los más baratos si solo tienes un uso pequeño (alguien podría elegir OpenAI Whisper para hobby). Pero para uso profesional, sus precios están en línea o un poco por debajo de Google/Microsoft cuando el volumen es alto, destacando especialmente la relación costo-valor por la calidad.
Su API Flow podría tener un precio diferente (quizás por interacción o algo así, aún no está claro ya que es nueva).
Actualmente no hay precios públicos fácilmente visibles (probablemente pasaron a un modelo impulsado por ventas), pero son conocidos por tener precios razonables y licencias sencillas (especialmente importante para radiodifusión donde el uso 24/7 necesita costos predecibles).

Fortalezas:

Precisión en acentos/dialectos: Lo mejor en su clase para inglés global y precisión multilingüe con sesgo mínimo speechmatics.com speechmatics.com. Este credo de “entiende todas las voces” está respaldado por datos y reconocido en la industria – un gran diferenciador, especialmente a medida que la diversidad y la inclusión se vuelven clave.
Compatible con On-Prem y Nube Privada: Muchos competidores solo ofrecen en la nube; Speechmatics da a los clientes control total si es necesario, ganando contratos en escenarios sensibles y con limitaciones de ancho de banda.
Enfoque empresarial: Alto cumplimiento (probablemente tienen certificaciones ISO speechmatics.com), soporte robusto, disposición para abordar necesidades personalizadas (como agregar un nuevo idioma a pedido o ajustes).
Subtitulación en tiempo real: Probado en eventos en vivo y TV donde se requiere baja latencia y alta precisión combinadas.
Innovación y ética: Tienen una narrativa fuerte sobre la reducción del sesgo en IA – lo cual puede ser atractivo para empresas preocupadas por la equidad. Su tecnología aborda directamente una crítica común al ASR (que funciona peor para ciertos grupos demográficos).
Multilenguaje en un solo modelo: El soporte para code-switching y no necesitar seleccionar manualmente acentos o idiomas en algunos casos – el modelo simplemente lo detecta – es fácil de usar.
Estabilidad y trayectoria: En la industria desde mediados de la década de 2010, utilizado por grandes marcas (charlas TED, etc.), por lo que está probado y comprobado.
Expansión más allá de STT: La plataforma de interacción por voz Flow sugiere que están evolucionando para satisfacer necesidades futuras (por lo que invierten en más que solo transcripción, permitiendo IA de voz dúplex completa).

Debilidades:

No es tan conocido en la comunidad de desarrolladores como algunos actores estadounidenses o modelos de código abierto, lo que significa menor soporte comunitario.
Cantidad de idiomas menor que Whisper o Google – si alguien necesita un idioma de pocos recursos como suajili o tamil, Speechmatics puede que no lo tenga a menos que se desarrolle específicamente.
Transparencia de precios: Como empresa orientada a empresas, los pequeños desarrolladores pueden encontrar que no es tan autoservicio o barato para experimentar en comparación con, por ejemplo, los $0.006/min de OpenAI. Su enfoque es la calidad y el sector empresarial, no necesariamente ser la opción más barata.
Sin comprensión de lenguaje incorporada (hasta Flow) – las transcripciones en bruto pueden necesitar NLP adicional para obtener información; históricamente no hacían cosas como análisis de sentimiento o resumen (dejaban eso al cliente o a soluciones de socios).
Competencia de Big Tech: A medida que Google y Azure mejoran el manejo de acentos (y Whisper es gratuito), Speechmatics debe mantenerse a la vanguardia para justificar su uso frente a opciones más ubicuas.
Sin TTS u otras modalidades (hasta ahora) – las empresas que buscan una solución integral pueden preferir Azure, que tiene STT, TTS, traductor, etc., a menos que Speechmatics se asocie para cubrir esos servicios (Flow sugiere asociarse para TTS/LLM en lugar de desarrollarlos internamente).
Escalabilidad del negocio: al ser más pequeños, la escala puede ser una incógnita – ¿pueden manejar volúmenes al nivel de Google a nivel global? Probablemente pueden manejar mucho dado sus clientes de radiodifusión, pero la percepción puede preocupar a algunos sobre el soporte a largo plazo o si pueden mantenerse al día con los costos de entrenamiento de modelos, etc., como independientes.

Actualizaciones recientes (2024–2025):

Speechmatics lanzó la Flow API a mediados de 2024 audioxpress.com audioxpress.com, marcando una expansión estratégica hacia la IA de voz interactiva al combinar STT + LLM + TTS en una sola cadena. Abrieron una lista de espera y se enfocaron en la creación de asistentes de voz empresariales, mostrando su incursión en la integración de IA conversacional.
Introdujeron nuevos idiomas (gaélico irlandés y maltés en agosto de 2024) docs.speechmatics.com y continuaron mejorando los modelos (los modelos Ursa2 se implementaron, brindando mejoras de precisión en muchos idiomas en agosto de 2024 docs.speechmatics.com).
Mejoraron las capacidades de diarización de hablantes y detección multilingüe (por ejemplo, mejorando la transcripción bilingüe español-inglés a principios de 2024).
Hubo énfasis en las actualizaciones de batch container con mejoras de precisión para una variedad de idiomas (las notas de lanzamiento muestran una ganancia de ~5% en mandarín, mejoras en árabe, sueco, etc., en 2024) docs.speechmatics.com.
Sobre sesgo e inclusión: después de su avance en 2021, probablemente actualizaron sus modelos nuevamente con más datos (quizás alineándose con la investigación de 2023). Posiblemente lanzaron una versión actualizada de “Reconocimiento Autónomo de Voz 2.0” con más mejoras.
Participaron o fueron citados en estudios como los de Stanford o MIT sobre equidad en ASR, destacando su rendimiento.
Han mostrado interés en integrarse en plataformas más grandes – posiblemente aumentando asociaciones (como integración en Riva de Nvidia o en la transcripción de Zoom – hipotético, pero podrían tener estos acuerdos de manera discreta).
A nivel empresarial, Speechmatics podría haber estado creciendo en el mercado estadounidense con una nueva oficina o asociaciones, ya que históricamente eran fuertes en Europa.
En 2025, siguen siendo independientes e innovando, y a menudo se les considera un ASR de primer nivel cuando la precisión sin sesgos es fundamental.

Sitio web oficial: Speechmatics Speech-to-Text API audioxpress.com speechmatics.com (página oficial del producto Speechmatics y recursos).

9. ElevenLabs (Plataforma de generación y clonación de voz) – ElevenLabs

Resumen: ElevenLabs es una plataforma de vanguardia de generación y clonación de voz por IA que ganó notoriedad en 2023 por sus voces sintéticas increíblemente realistas y versátiles. Se especializa en Texto a Voz (TTS) que puede producir habla con matices emocionales y en Clonación de Voz, permitiendo a los usuarios crear voces personalizadas (incluso clonar la voz de una persona específica con su consentimiento) a partir de una pequeña muestra de audio. ElevenLabs ofrece una interfaz web sencilla y API, permitiendo a creadores de contenido, editores y desarrolladores generar habla de alta calidad en numerosos idiomas y voces. Para 2025, ElevenLabs es considerada una de las principales plataformas para TTS ultra-realista, a menudo indistinguible del habla humana en muchos casos de uso zapier.com zapier.com. Se utiliza para todo, desde la narración de audiolibros hasta voces en off para videos de YouTube, voces de personajes de videojuegos y herramientas de accesibilidad. Un diferenciador clave es el nivel de expresividad y personalización: los usuarios pueden ajustar configuraciones de estabilidad y similitud para obtener el tono emocional deseado zapier.com, y la plataforma ofrece una gran biblioteca de voces predefinidas además de clones generados por los usuarios.

Tipo:Texto a Voz y Clonación de Voz (con algo de reconocimiento de voz a texto auxiliar solo para ayudar en el proceso de clonación, pero principalmente una plataforma de salida de voz).

Empresa/Desarrollador:ElevenLabs (startup fundada en 2022, con sede en EE.UU./Polonia, valorada en ~$1B para 2023 zapier.com).

Capacidades y Usuarios Objetivo:

TTS Ultra-Realista: ElevenLabs puede generar habla que transmite entonación, ritmo y emoción natural. No suena robótico; capta sutilezas como risas, susurros, vacilaciones si es necesario. Los usuarios objetivo son creadores de contenido (narración de videos, pódcast, audiolibros), desarrolladores de videojuegos (voces de NPC), cineastas (doblaje de prototipos) e incluso particulares por diversión o accesibilidad (leer artículos en voz alta con una voz elegida).
Biblioteca de Voces: Ofrece más de 300 voces predefinidas en su biblioteca pública para 2024, incluyendo algunas modeladas en actores famosos o estilos (con licencia o aportadas por usuarios) zapier.com. Los usuarios pueden buscar por estilo (narrativo, alegre, aterrador, etc.) e idiomas.
Clonación de voz (Voces personalizadas): Los usuarios (con los derechos apropiados) pueden crear una réplica digital de una voz proporcionando unos minutos de audio. La plataforma creará una voz TTS personalizada que habla con ese timbre y estilo elevenlabs.io elevenlabs.io. Esto es popular entre creadores que desean una voz de narrador única o para empresas que localizan una marca de voz.
Multilingüe y cruzado de idiomas: ElevenLabs permite generar voz en más de 30 idiomas usando cualquier voz, lo que significa que podrías clonar la voz de un hablante de inglés y hacer que hable español o japonés manteniendo las características vocales elevenlabs.io elevenlabs.io. Esto es muy útil para doblar contenido a varios idiomas con la misma identidad de voz.
Controles de emoción: La interfaz/API permite ajustar configuraciones como estabilidad (consistencia vs. variabilidad en la entrega), similitud (qué tan estrictamente se apega a las características originales de la voz) zapier.com, e incluso estilo y acento mediante la selección de voz. Esto permite afinar la interpretación, por ejemplo, haciendo una lectura más expresiva o monótona.
En tiempo real y baja latencia: Para 2025, ElevenLabs ha mejorado la velocidad de generación: puede generar audio lo suficientemente rápido para algunas aplicaciones en tiempo real (aunque principalmente es asíncrono). Incluso tienen un modelo de baja latencia para casos de uso interactivos (beta).
Plataforma y API: Ofrecen un estudio web donde los usuarios sin conocimientos técnicos pueden escribir texto, elegir o ajustar una voz y generar audio. Para desarrolladores, hay una API y SDKs disponibles. También cuentan con funciones como el modelo Eleven Multilingual v2 para una mejor síntesis en otros idiomas además del inglés.
Herramientas de publicación: Dirigidas específicamente a creadores de audiolibros – por ejemplo, permiten ingresar textos largos, mantener la identidad de voz consistente entre capítulos, etc. Los usuarios objetivo incluyen autores autopublicados, editoriales que localizan audiolibros, creadores de video y productores de contenido en redes sociales que necesitan narración.

Características clave:

Voice Lab y Biblioteca: Un “Voice Lab” fácil de usar donde puedes gestionar voces personalizadas y una Voice Library donde puedes descubrir voces por categoría (por ejemplo, estilos de “narrador”, “heroico”, “presentador de noticias”) zapier.com. Muchas voces son compartidas por la comunidad (con derechos).
Modelos de Alta Expresividad: ElevenLabs lanzó un nuevo modelo (v3 a finales de 2023 en alfa) que puede captar risas, cambiar de tono a mitad de frase, susurrar, etc., de forma más natural elevenlabs.io elevenlabs.io. El ejemplo en su demo incluía emoción dinámica e incluso canto (hasta cierto punto).
Control de Estabilidad vs. Variación: El control deslizante de “Estabilidad”: mayor estabilidad produce un tono consistente (bueno para narración larga), menor lo hace más dinámico/emotivo (bueno para diálogos de personajes) zapier.com.
Clonación con Consentimiento y Salvaguardas: Requieren consentimiento explícito o verificación para clonar una voz externa (para evitar mal uso). Por ejemplo, para clonar tu propia voz, debes leer frases proporcionadas incluyendo una declaración de consentimiento (ellos lo verifican).
Multi-voz y Diálogos: Su interfaz permite crear audio con varios hablantes fácilmente (por ejemplo, diferentes voces para diferentes párrafos/líneas de diálogo). Ideal para dramas de audio o simulación de conversaciones.
Idiomas: A partir de 2025, cubren los principales idiomas de Europa y algunos asiáticos; mencionan más de 30 (probablemente incluyendo inglés, español, francés, alemán, italiano, portugués, polaco, hindi, japonés, coreano, chino, etc.). Mejoran estos continuamente: v3 mejoró la naturalidad multilingüe.
Calidad de Audio: La salida es de alta calidad (44.1 kHz), adecuada para medios profesionales. Ofrecen múltiples formatos (MP3, WAV).
Características de la API: Puedes especificar la voz por ID, ajustar configuraciones por solicitud, e incluso hacer cosas como morphing de voz opcional (mezclar el estilo entre dos voces).
ElevenLabs también tiene STT menor (introdujeron una herramienta de transcripción basada en Whisper para ayudar a alinear doblajes tal vez) pero no es su enfoque principal.

Idiomas Soportados:32+ idiomas para generación TTS elevenlabs.io. Importante: la capacidad cruzada de idiomas significa que no necesitas una voz separada para cada idioma: una voz puede hablarlos todos, aunque con acento si la voz original lo tiene. Destacan poder hacer en el idioma (por ejemplo, clonar un hablante polaco y hacer que hable japonés). No todas las voces funcionan igual de bien en todos los idiomas (algunas voces ajustadas pueden estar entrenadas principalmente en inglés, pero el modelo v3 aborda el entrenamiento multilingüe). Los idiomas incluyen todos los principales y algunos menores (probablemente cubren los necesarios para mercados de contenido, por ejemplo, neerlandés, sueco, quizás árabe, etc.). La comunidad suele informar sobre la calidad en varios idiomas: para 2025, ElevenLabs ha mejorado significativamente el no inglés.

Aspectos Técnicos:

ElevenLabs utiliza un modelo de aprendizaje profundo propietario, probablemente un conjunto de un codificador de texto basado en Transformer y un decodificador de audio generativo (vocoder), quizás similar a modelos como VITS o Grad-TTS pero fuertemente optimizado. Han invertido en investigación para la expresividad – posiblemente usando técnicas como codificadores de voz preentrenados (como Wav2Vec2) para capturar la identidad de la voz a partir de muestras, y un enfoque de mezcla de locutores o basado en indicaciones para el estilo.
El modelo v3 hace referencia a “Eleven v3”, lo que sugiere que construyeron una nueva arquitectura posiblemente combinando entrenamiento multilingüe y tokens de estilo para emociones elevenlabs.io.
Mencionan “algoritmos de IA revolucionarios” elevenlabs.io – probablemente están usando una gran cantidad de datos de entrenamiento (han dicho que entrenaron con miles de horas incluyendo muchos audiolibros de dominio público, etc.), y se enfocan en entrenamiento multi-locutor para que un solo modelo pueda producir muchas voces.
Es algo análogo a cómo funciona el TTS de OpenAI (para la función de voz de ChatGPT): un solo modelo multi-voz. ElevenLabs está a la vanguardia aquí.
Incorporan clonación zero-shot: a partir de una muestra corta, su modelo puede adaptarse a esa voz. Posiblemente usando un enfoque como la extracción de embedding de locutor (como un d-vector o similar) y luego alimentando eso al modelo TTS para condicionar la voz. Así es como se crean clones al instante.
Han trabajado en condicionamiento emocional – tal vez usando tokens de estilo o múltiples audios de referencia (como entrenar voces etiquetadas con emociones).
También se enfocan en síntesis rápida: tal vez usando aceleración por GPU y vocoders eficientes para generar audio en tiempo casi real. (Podrían usar un vocoder paralelo para mayor velocidad).
Un desafío es la alineación multilingüe – probablemente usan IPA o algún espacio fonémico unificado para que el modelo pueda hablar otros idiomas con la misma voz y pronunciación correcta (algunos usuarios reportan que lo hace bastante bien).
Definitivamente también trabajan mucho en el procesamiento de texto frontal: pronunciación adecuada de nombres, homógrafos, conciencia de contexto (la alta calidad sugiere una buena canalización de normalización de texto y posiblemente un modelo de lenguaje interno para ayudar a elegir la pronunciación en contexto).
Probablemente ElevenLabs también utiliza un bucle de retroalimentación: tienen muchos usuarios, así que posiblemente recolectan datos sobre dónde el modelo puede pronunciar mal y lo ajustan/mejoran continuamente (especialmente para correcciones frecuentes de usuarios, etc.).

Casos de uso:

Narración de audiolibros: Autores independientes usan ElevenLabs para crear versiones de audiolibros sin contratar actores de voz, eligiendo una voz de narrador adecuada de la biblioteca o clonando su propia voz. Las editoriales localizan libros clonando la voz de un narrador a otro idioma.
Locuciones para videos (YouTube, e-Learning): Los creadores generan rápidamente narraciones para videos explicativos o cursos. Algunos lo usan para hacer pruebas A/B de diferentes estilos de voz para su contenido.
Desarrollo de videojuegos: Los desarrolladores de juegos indie lo usan para dar líneas de voz a personajes NPC, seleccionando diferentes voces para cada personaje y generando diálogos, ahorrando mucho en costos de grabación.
Doblaje y localización: Un estudio podría doblar una película o serie a varios idiomas usando un clon de la voz original del actor hablando esos idiomas, manteniendo la personalidad vocal original. Ya se ha usado ElevenLabs en algunos proyectos de fans para que los actores originales “digan” nuevas líneas.
Accesibilidad y lectura: La gente lo usa para leer artículos, correos electrónicos o PDFs en una voz agradable de su elección. Los usuarios con discapacidad visual se benefician de un TTS más natural, haciendo que escuchar durante mucho tiempo sea más cómodo.
Prototipado de voz: Las agencias de publicidad o cineastas prototipan locuciones y anuncios con voces de IA para obtener la aprobación del cliente antes de grabar con humanos. A veces, la voz de IA es tan buena que se usa como final en proyectos pequeños.
Clonación de voz personal: Algunas personas clonan la voz de familiares mayores (con permiso) para preservarlas, o clonan su propia voz para delegar algunas tareas (como hacer que “su voz” lea sus escritos).
Narración interactiva: Aplicaciones o juegos que generan contenido en tiempo real usan ElevenLabs para decir líneas dinámicas (con algunas consideraciones de latencia).
Voces para call center o asistentes virtuales: Las empresas pueden crear una voz distintiva de marca mediante clonación o creación personalizada con ElevenLabs y usarla en su IVR o asistente virtual para que sea única y acorde a la marca.
Eficiencia en la creación de contenido: Los escritores generan diálogos de personajes en formato de audio para escuchar cómo suenan interpretados, ayudando en la escritura de guiones.

Modelo de precios: ElevenLabs ofrece un modelo freemium y de suscripción:

Nivel gratuito: ~10 minutos de audio generado por mes para pruebas zapier.com.
Plan Starter: $5/mes (o $50/año) da ~30 minutos por mes más acceso a clonación de voz y derechos de uso comercial a nivel básico zapier.com.
Planes superiores (por ejemplo, Creator, Independent Publisher, etc.) cuestan más por mes y otorgan más uso (horas de generación) y características adicionales como mayor calidad, más voces personalizadas, prioridad, tal vez acceso a API según el nivel zapier.com zapier.com.
Enterprise: precios personalizados para gran uso (planes ilimitados negociables, etc.).
En comparación con los servicios de TTS en la nube que suelen cobrar por carácter, ElevenLabs cobra por tiempo de salida. Por ejemplo, $5 por 30 minutos, lo que equivale a $0.17 por minuto, lo cual es competitivo considerando la calidad y los derechos incluidos.
A menudo se puede comprar uso adicional (excedentes o paquetes de un solo uso).
El precio incluye el uso de voces predefinidas y clonación de voz. Tienen disposiciones de que si clonas la voz de otra persona usando su biblioteca de voces, podrías necesitar prueba de derechos, etc., pero se presume que el servicio garantiza la legalidad.
Tienen una API para suscriptores (probablemente a partir del plan de $5 pero con cuota limitada).
En general, es bastante accesible para creadores individuales (lo que impulsó su popularidad), y escala para necesidades mayores.

Fortalezas:

Calidad y realismo de voz inigualables: Los comentarios frecuentes de los usuarios son que las voces de ElevenLabs están entre las más humanas disponibles para el público zapier.com zapier.com. Transmiten emoción y ritmo natural, superando a muchas ofertas de TTS de grandes tecnológicas en expresividad.
Facilidad de uso y libertad creativa: La plataforma está diseñada para que incluso los no expertos puedan clonar una voz o ajustar parámetros de estilo fácilmente. Esto reduce las barreras de entrada para el uso creativo de la voz IA.
Gran selección de voces: Cientos de voces y la posibilidad de crear la tuya propia significa que prácticamente cualquier estilo o personalidad es alcanzable – mucha más variedad que los servicios TTS típicos (que pueden tener 20-50 voces).
Multi-idioma y entre idiomas: La capacidad de llevar una voz a través de varios idiomas preservando el acento/emoción es un punto de venta único, facilitando la creación de contenido multilingüe.
Ciclo de mejora rápida: Como startup enfocada, ElevenLabs lanzó nuevas funciones rápidamente (por ejemplo, iteración rápida del modelo v1 al v3 en un año, agregando idiomas, agregando capacidades de risa/susurro). También incorporan comentarios de la comunidad rápidamente.
Comunidad comprometida: Muchos creadores acudieron a la plataforma, compartiendo consejos y voces, lo que aumenta su alcance y asegura que se exploren muchos casos de uso, haciendo el producto más robusto.
Integración flexible de API: Los desarrolladores pueden integrarlo en aplicaciones (algunas apps como herramientas de narración o bots de Discord empezaron a usar ElevenLabs para producir salidas de voz).
Rentable para lo que ofrece: Para un uso pequeño o mediano, es mucho más barato que contratar talento de voz y tiempo de estudio, y aun así ofrece resultados casi profesionales. Esa propuesta de valor es enorme para creadores independientes.
Controles éticos: Han implementado algunas salvaguardas (la clonación de voz requiere verificación o está restringida a un nivel superior para prevenir abusos, además hacen detección de voz para detectar mal uso). Esto es una fortaleza para generar confianza con los titulares de propiedad intelectual.
Financiación y crecimiento: Bien financiado y ampliamente adoptado, por lo que probablemente estará disponible y mejorando continuamente.

Debilidades:

Potencial de uso indebido: Las mismas fortalezas (clonación realista) tienen un lado oscuro: de hecho, al principio hubo incidentes de uso para voces deepfake. Esto les obligó a implementar políticas de uso más estrictas y detección. Aun así, la existencia de la tecnología implica riesgo de suplantación si no se protege bien.
Consistencia en textos largos: A veces mantener la consistencia emocional exacta en narraciones muy largas puede ser complicado. El modelo podría cambiar ligeramente el tono o el ritmo entre capítulos (aunque la configuración de estabilidad y la próxima v3 abordan esto mejor).
Pronunciación de palabras inusuales: Aunque es bastante bueno, a veces pronuncia mal nombres o términos poco comunes. Ofrecen correcciones manuales (puedes deletrear fonéticamente las palabras), pero no es perfecto de inmediato para todos los nombres propios. Otros TTS en la nube tienen problemas similares, pero es algo a gestionar.
Límites de velocidad de la API / escala: Para una escala extremadamente grande (por ejemplo, generar miles de horas automáticamente), se podrían alcanzar límites de rendimiento, aunque probablemente se adapten a demandas empresariales ampliando el backend si es necesario. Los grandes proveedores en la nube podrían manejar solicitudes masivas en paralelo de manera más fluida por ahora.
Sin reconocimiento de voz ni gestión de diálogo integrados: No es una plataforma de IA conversacional completa por sí sola: necesitarías combinarlo con STT y lógica (algunos podrían verlo como una desventaja frente a soluciones integrales como Amazon Polly + Lex, etc. Sin embargo, ElevenLabs puede integrarse fácilmente con otros).
Competencia feroz emergente: Grandes empresas y nuevas startups han notado el éxito de ElevenLabs; la propia OpenAI podría intervenir con un TTS avanzado, u otras compañías (como la nueva investigación VALL-E de Microsoft) podrían eventualmente rivalizar. Así que ElevenLabs debe seguir innovando para mantenerse a la cabeza en calidad y funciones.
Licencias y derechos: Los usuarios deben tener cuidado al usar voces que suenan como personas reales o clones. Incluso con consentimiento, podría haber áreas grises legales (derechos de imagen) en algunas jurisdicciones. Esta complejidad podría disuadir a algunos usos comerciales hasta que las leyes/ética sean más claras.
Limitaciones de acento e idioma: Aunque es multilingüe, la voz puede tener un acento de su fuente. Para algunos casos de uso, podría necesitarse una voz nativa por idioma (ElevenLabs podría abordar esto eventualmente mediante adaptación de voz por idioma u ofreciendo una biblioteca de voces nativas).
Dependencia de la nube: Es un servicio cerrado en la nube; no hay solución local sin conexión. Algunos usuarios podrían preferir en local para contenido sensible (algunas empresas pueden no querer subir guiones confidenciales a un servicio en la nube). No hay versión autoalojada (a diferencia de algunos motores TTS abiertos).

Actualizaciones recientes (2024–2025):

ElevenLabs presentó Eleven Multilingual v2 a finales de 2023, mejorando enormemente la salida en otros idiomas (menos acento, mejor pronunciación).
Lanzaron una alfa de Voice Generation v3 que puede manejar cosas como risas, cambiar de estilo a mitad de frase y, en general, un rango dinámico más amplio elevenlabs.io elevenlabs.io. Esto probablemente se implementó completamente en 2024, haciendo que las voces sean aún más realistas (por ejemplo, las demostraciones incluían escenas completamente actuadas).
Ampliaron la clonación de voz para permitir la clonación instantánea de voz a partir de solo ~3 segundos de audio en una beta limitada (si es cierto, tal vez usando tecnología similar a VALL-E de Microsoft, de la cual seguramente estaban al tanto). Esto simplificaría drásticamente la clonación para los usuarios.
La biblioteca de voces explotó cuando lanzaron una función para compartir voces: para 2025, miles de voces creadas por usuarios (algunas de dominio público u originales) están disponibles para usar – una especie de “mercado” de voces.
Aseguraron más asociaciones; por ejemplo, algunos editores usan abiertamente ElevenLabs para audiolibros, o integración con software de video popular (quizás un plugin para Adobe Premiere o After Effects para generar narración dentro de la aplicación).
Obtuvieron más financiación a una valoración alta zapier.com, lo que indica expansión (posiblemente hacia dominios relacionados como diálogo de voz o investigación de prosodia).
En el lado de la seguridad, implementaron un sistema de huella vocal – cualquier audio generado por ElevenLabs puede ser identificado como tal mediante una marca de agua oculta o una IA de detección, que han estado desarrollando para desalentar el mal uso.
Agregaron una herramienta de Voice Design (en beta) que permite a los usuarios “mezclar” voces o ajustar algunas características para crear una nueva voz IA sin necesidad de una muestra humana. Esto abre posibilidades creativas para generar voces únicas que no estén ligadas a personas reales.
También mejoraron el uso de la API para desarrolladores – agregando funciones como generación asíncrona, más control detallado vía API y posiblemente una opción on-premise para empresas (no confirmado, pero podrían hacerlo para grandes clientes).
En resumen, ElevenLabs sigue marcando el estándar para la generación de voz por IA en 2025, obligando a otros a ponerse al día.

Sitio web oficial: ElevenLabs Voice AI Platform zapier.com zapier.com (sitio oficial para texto a voz y clonación de voz de ElevenLabs).

10. Resemble AI (Clonación de voz y plataforma TTS personalizada) – Resemble AI

Resumen: Resemble AI es una destacada plataforma de clonación de voz con IA y texto a voz personalizado que permite a los usuarios crear modelos de voz altamente realistas y generar habla con esas voces. Fundada en 2019, Resemble se centra en la clonación de voz rápida y escalable para usos creativos y comerciales. Se destaca por ofrecer múltiples formas de clonar voces: a partir de texto (voces TTS existentes que se pueden personalizar), a partir de datos de audio e incluso conversión de voz en tiempo real. Para 2025, Resemble AI se utiliza para producir voces de IA realistas para películas, videojuegos, anuncios y asistentes virtuales, a menudo donde se necesita una voz específica que replique a una persona real o sea una voz de marca única. También cuenta con una función de “Localize”, que permite que una voz hable en muchos idiomas (similar a ElevenLabs) resemble.ai resemble.ai. Resemble ofrece una API y un estudio web, y resulta especialmente atractivo para empresas que desean integrar voces personalizadas en sus productos (con más control orientado a empresas, como la implementación local si es necesario).

Tipo:Texto a voz y clonación de voz, además de conversión de voz en tiempo real.

Empresa/Desarrollador:Resemble AI (startup con sede en Canadá).

Capacidades y usuarios objetivo:

Clonación de voz: Los usuarios pueden crear un clon de una voz con tan solo unos minutos de audio grabado. La clonación de Resemble es de alta calidad, capturando el timbre y acento de la voz original. Los usuarios objetivo incluyen estudios de contenido que desean voces sintéticas de talentos, marcas que crean una voz personalizada y desarrolladores que buscan voces únicas para aplicaciones.
Generación de TTS personalizado: Una vez que una voz es clonada o diseñada, puedes ingresar texto para generar habla con esa voz a través de su aplicación web o API. El habla puede transmitir una amplia gama de expresiones (Resemble puede capturar emoción del conjunto de datos o mediante control adicional).
Conversión de voz en tiempo real: Una función destacada: Resemble puede hacer conversión de voz a voz, es decir, hablas y la salida es en la voz clonada objetivo casi en tiempo real resemble.ai resemble.ai. Esto es útil para doblaje o aplicaciones en vivo (por ejemplo, una persona habla y su voz sale como la de otro personaje).
Localize (multilingüe): Su herramienta Localize puede traducir y convertir una voz a más de 60 idiomas resemble.ai. Esencialmente, pueden tomar un modelo de voz en inglés y hacer que hable otros idiomas manteniendo la identidad de la voz. Esto se utiliza para localizar diálogos o contenido a nivel global.
Emoción y estilo: Resemble enfatiza copiar no solo la voz sino también la emoción y el estilo. Su sistema puede infundir el tono emocional presente en las grabaciones de referencia en la salida generada resemble.ai resemble.ai.
Entrada y salida flexibles: Admiten no solo texto plano, sino también una API que puede tomar parámetros para la emoción, y un sistema de “Diálogo” para gestionar conversaciones. Generan salida en formatos de audio estándar y permiten control detallado como ajustar la velocidad, etc.
Integración y despliegue: Resemble ofrece API en la nube, pero también puede desplegarse en local o en nube privada para empresas (así los datos nunca salen). Tienen un plugin de Unity para desarrollo de juegos, por ejemplo, facilitando la integración de voces en juegos. También es probable que admitan integración con telefonía.
Casos de uso y usuarios: Desarrolladores de juegos (Resemble se usó en juegos para voces de personajes), postproducción de cine (por ejemplo, para corregir diálogos o crear voces para personajes CGI), publicidad (clonación de voces de celebridades para anuncios, con permiso), centros de llamadas (crear un agente virtual con voz personalizada), y accesibilidad (por ejemplo, dar a personas con pérdida de voz una voz digital que coincida con la suya anterior).

Características clave:

4 formas de clonar: Resemble presume de clonar grabando tu voz en su web (leer 50 frases, etc.), subiendo datos existentes, generando una nueva voz mezclando voces, o fusionando varias voces con un solo clic para obtener un nuevo estilo.
Canal de voz a voz: Proporciona un audio de entrada (puede ser tu voz diciendo nuevas frases) y Resemble lo convierte a la voz objetivo, preservando matices como la inflexión del original. Esto es casi en tiempo real (con un pequeño retraso).
API y GUI: Los usuarios no técnicos pueden usar una interfaz web elegante para generar clips, ajustar la entonación seleccionando palabras y modificándolas (tienen una función para ajustar manualmente el ritmo o énfasis en palabras, similar a editar audio), comparable a las capacidades de edición de Descript Overdub.
Captura de emociones: Publicitan “captura de emoción en todo el espectro”: si la voz fuente tenía múltiples estados emocionales en los datos de entrenamiento, el modelo puede producirlos. Además, permiten etiquetar los datos de entrenamiento por emoción para habilitar un modo “enojado” o “feliz” al sintetizar.
Generación masiva y personalización: La API de Resemble puede hacer generación dinámica a escala (por ejemplo, producción automatizada de miles de mensajes personalizados – tienen un caso donde hicieron anuncios de audio personalizados con nombres únicos, etc.).
Calidad y mejoras: Usan un vocoder neuronal de alta calidad para asegurar que la salida sea nítida y natural. Mencionan analizar y corregir señales de audio débiles antes de que comience la transcripción telnyx.com – eso podría referirse al contexto STT en Watson. Para Resemble, no es seguro, pero presumiblemente, procesan el audio según sea necesario.
Proyectos y colaboración: Tienen funciones de gestión de proyectos en su estudio web, por lo que los equipos pueden colaborar en proyectos de voz, escuchar tomas, etc.
Ética/Verificación: Ellos también tienen medidas para confirmar la propiedad de la voz – por ejemplo, requieren frases de consentimiento específicas. También proporcionan marcas de agua en las salidas si es necesario para la detección.
Resemble Fill – una característica notable: te permiten subir una grabación de voz real y si hay palabras faltantes o incorrectas, puedes escribir un nuevo texto y lo integrará perfectamente con la voz original usando la voz clonada – esencialmente “parcheo” de voz con IA. Útil en postproducción de cine para arreglar una línea sin volver a grabar.
Analítica y ajuste: Para empresas, proporcionan análisis de uso, capacidad de ajustar el léxico (para pronunciaciones personalizadas), etc.

Idiomas compatibles: Más de 50 idiomas compatibles para salida de voz aibase.com, y mencionan específicamente 62 idiomas en su herramienta de doblaje Localize resemble.ai. Así que, bastante completo (conjunto similar a ElevenLabs). Cubren idiomas como inglés, español, francés, alemán, italiano, polaco, portugués, ruso, chino, japonés, coreano, varios idiomas indios posiblemente, árabe, etc. A menudo mencionan que puedes hacer que la voz hable idiomas que no están en los datos originales, lo que significa que tienen un motor TTS multilingüe en su núcleo.
También mencionan la capacidad de manejar code-switching si es necesario, pero eso es más territorio de STT. Para TTS, las voces multilingües son una característica clave.

Bases técnicas:

El motor de Resemble probablemente involucra un modelo TTS neuronal multi-hablante (como una variante de Glow-TTS o FastSpeech) más un vocoder de alta fidelidad (probablemente algo como HiFi-GAN). Incorporan un codificador de voz (similar a técnicas de embedding de hablante) para permitir la clonación rápida a partir de ejemplos.
Mencionan el uso de aprendizaje automático a escala – presumiblemente entrenando con grandes cantidades de datos de voz (posiblemente licenciados de estudios, conjuntos de datos públicos, etc.).
La conversión de voz en tiempo real sugiere un modelo que puede tomar las características de audio de la voz fuente y mapearlas a las características de la voz objetivo en tiempo casi real. Probablemente usan una combinación de reconocimiento automático de voz (para obtener los fonemas/alineación temporal) y luego resíntesis con el timbre de la voz objetivo, o un modelo de conversión de voz de extremo a extremo que no necesita transcripción explícita para mayor velocidad.
Control de emociones: Podrían estar usando un enfoque de tokens de estilo o tener modelos separados por emoción o ajuste fino con etiquetas de emoción.
Localize: Posiblemente hacen un pipeline: voz a texto (con traducción) y luego texto a voz. O tienen un modelo de voz cruzado entre idiomas directo (menos probable). Probablemente integran un paso de traducción. Pero enfatizan capturar la personalidad de la voz en nuevos idiomas, lo que implica usar el mismo modelo de voz con entradas no inglesas.
Escalabilidad y velocidad: Afirman conversión en tiempo real con latencia mínima. Su generación TTS para texto normal podría ser un poco más lenta que ElevenLabs si hay más backend, pero probablemente han estado optimizando. Mencionan generar 15 minutos de audio a partir de solo 50 frases grabadas (clonación rápida).
Probablemente se enfocan en la reproducción fina de detalles acústicos para asegurar que el clon sea indistinguible. Posiblemente usan funciones de pérdida avanzadas o GANs para capturar la identidad de la voz.
Mencionan que analizan y corrigen las entradas de audio para S2S – probablemente reducción de ruido o igualación de tono de sala.
La tecnología cubre funciones de Voice Enhancer (como mejorar la calidad del audio) si es necesario para las señales de entrada.

Casos de uso:

Cine y TV: Resemble se ha utilizado para clonar voces de actores en postproducción (por ejemplo, para corregir una línea o generar líneas si el actor no está disponible). También se usa para crear voces IA para personajes CG o para rejuvenecer una voz (hacer que la voz de un actor mayor suene joven de nuevo).
Videojuegos: Los estudios de juegos usan Resemble para generar horas de diálogos de NPC después de clonar a unos pocos actores de voz (ahorra costos y permite iterar rápidamente en los guiones).
Publicidad y marketing: Las marcas clonan la voz de una celebridad (con permiso) para generar variaciones de anuncios o promociones personalizadas a escala. O crean una voz de marca ficticia para ser consistente en los mercados globales, ajustando el idioma pero manteniendo la misma identidad vocal.
Agentes de IA conversacional: Algunas empresas potencian su IVR o asistentes virtuales con una voz personalizada de Resemble que coincide con la personalidad de su marca, en lugar de una voz TTS genérica. (Por ejemplo, el asistente de voz de un banco hablando con una voz única).
Uso personal por pérdida de voz: Personas que están perdiendo la voz por enfermedad han usado Resemble para clonarla y preservarla, y luego usarla como su voz de “texto a voz” para comunicarse. (Esto es similar a lo que hacían empresas como Lyrebird (comprada por Descript); Resemble también lo ofrece).
Localización de medios: Estudios de doblaje usan Resemble Localize para doblar contenido rápidamente – ingresan las líneas originales y obtienen la salida en el idioma objetivo con una voz similar. Reduce el tiempo drásticamente, aunque a menudo necesita retoques humanos.
Narrativas interactivas: Resemble puede integrarse en aplicaciones de historias interactivas o narradores IA, donde se necesitan generar voces al vuelo (quizás menos común que la pre-generación por la latencia, pero posible).
Capacitación corporativa/E-learning: Genera narraciones para videos de capacitación o cursos usando clones de narradores profesionales, en varios idiomas sin tener que volver a grabar, permitiendo un tono consistente.

Modelo de precios: Resemble está más orientado a empresas en su modelo de precios, pero sí listan algunos:

Tienen una prueba gratuita (quizás permite clonación de voz limitada y algunos minutos de generación con marca de agua).
La tarificación suele ser por uso o por suscripción. Para creadores individuales, tenían algo como $30/mes por cierto uso y voces, luego tarifas adicionales por uso extra.
Para empresas, probablemente personalizado. También tenían pago por uso para la API.
Por ejemplo, una fuente indicó un costo de $0.006 por segundo de audio generado (~$0.36/min) para generación estándar, con descuentos por volumen.
Podrían cobrar por separado por la creación de voces (como una tarifa por voz si se realiza con alta calidad y su ayuda).
Dado que EleveLabs es más barato, Resemble podría no competir en precio bajo sino en características y preparación empresarial (por ejemplo, destacan uso ilimitado en plan personalizado, o negocian licencia de sitio).
Tenían una opción para licenciar directamente el modelo para uso local, lo cual probablemente es costoso pero da control total.
En general, probablemente más caro que ElevenLabs para un uso comparable, pero ofrece características que algunos competidores no tienen (tiempo real, integración directa en pipelines, etc., lo que lo justifica para ciertos clientes).

Fortalezas:

Kit de herramientas integral de IA de voz: Resemble cubre todo – TTS, clonación, conversión de voz en tiempo real, doblaje multilingüe, edición de audio (relleno de huecos). Es una solución integral para necesidades de síntesis de voz.
Enfoque empresarial y personalización: Ofrecen mucha flexibilidad (opciones de implementación, soporte personalizado, integraciones a medida) lo que facilita la adopción empresarial.
Clonación de calidad y fidelidad emocional: Sus clones son de muy alta fidelidad, y varios estudios de caso muestran lo bien que capturan el estilo y la emoción resemble.ai resemble.ai. Por ejemplo, el caso de la campaña del día de la madre entregando 354k mensajes personalizados con 90% de precisión de voz resemble.ai es una fuerte prueba de escala y calidad.
Capacidades en tiempo real: Poder hacer conversión de voz en vivo los diferencia – pocos otros lo ofrecen. Esto abre casos de uso en presentaciones en vivo o transmisiones (por ejemplo, se podría doblar en vivo la voz de un orador a otra voz en casi tiempo real).
Localización/Idioma: Más de 60 idiomas y se enfocan en mantener la misma voz entre ellos resemble.ai es una gran ventaja para la producción de contenido global.
Ética y controles: Se posicionan como éticos (requieren consentimiento, etc.). Y lo promueven fuertemente en marketing, lo cual es bueno para clientes con preocupaciones de propiedad intelectual. También tienen tecnología de prevención de uso indebido (como requerir la lectura de una frase de verificación específica, similar a otros).
Estudios de caso y experiencia: Resemble ha sido utilizado en proyectos de alto perfil (algunas cosas de Hollywood, etc.), lo que les da credibilidad. Por ejemplo, el caso en su sitio sobre un juego ganador del Apple Design Award que los utiliza resemble.ai muestra la creatividad posible (Crayola Adventures con locuciones dinámicas).
Escalabilidad y ROI: Algunos clientes mencionan enormes aumentos de contenido (caso Truefan: aumento de 70x en la creación de contenido, impacto de 7x en ingresos resemble.ai). Eso demuestra que pueden manejar una producción a gran escala de manera efectiva.
Múltiples voces y emociones en una sola salida: Demuestran cómo se pueden crear diálogos o voces interactivas fácilmente (como la app ABC Mouse que la usa para preguntas y respuestas con niños resemble.ai).
Control de calidad de voz: Tienen funciones para asegurar la calidad del resultado (como mezclar audio de fondo o masterizar para calidad de estudio), lo cual algunas APIs TTS simples no ofrecen.
Crecimiento continuo: Lanzan mejoras (como recientemente nuevas “voces IA contextuales” o actualizaciones de algoritmos).

Debilidades:

No es tan fácil/barato para aficionados: Comparado con ElevenLabs, Resemble está más enfocado en empresas/corporativos. La interfaz es potente pero quizás menos sencilla que la de Eleven, que es súper simplificada para principiantes. Además, el precio puede ser una barrera para usuarios pequeños (pueden elegir ElevenLabs en su lugar).
Menos presencia mediática: Aunque es muy respetado en ciertos círculos, no tiene el mismo reconocimiento viral que tuvo ElevenLabs entre creadores generales en 2023. Puede percibirse más como un servicio para profesionales detrás de escena.
Calidad vs. ElevenLabs: La diferencia no es grande, pero algunos entusiastas de la voz notan que ElevenLabs podría tener ventaja en emoción ultra-realista en inglés, mientras que Resemble está muy cerca y a veces es mejor en otros aspectos (como en tiempo real). La competencia es reñida, pero la percepción importa.
Compromisos de enfoque: Ofrecer tanto TTS como tiempo real posiblemente significa que deben equilibrar la optimización para ambos, mientras que ElevenLabs pone todo el esfuerzo en la calidad TTS offline. Si no se gestiona bien, un área podría quedarse un poco atrás (aunque hasta ahora parecen manejarlo).
Dependencia de la calidad de los datos de entrenamiento: Para obtener lo mejor de un clon de Resemble, idealmente se deben proporcionar grabaciones limpias y de alta calidad. Si los datos de entrada son ruidosos o limitados, el resultado se ve afectado. Tienen mejoras para mitigar esto, pero la física sigue aplicando.
Preocupaciones legales sobre el uso: Mismo problema de categoría: la ética del clonado. Lo manejan bien, pero los clientes potenciales pueden dudar pensando en futuras regulaciones o problemas de percepción pública por usar voces clonadas (miedo a ser etiquetados como “deepfake”). Resemble, al estar enfocado en empresas, probablemente lo gestiona con NDA y autorizaciones, pero es un reto general del mercado.
Competencia y Superposición: Muchos nuevos servicios surgieron (algunos basados en modelos abiertos) ofreciendo clonación más barata. Resemble tiene que diferenciarse en calidad y características. Además, las grandes nubes (como Custom Neural Voice de Microsoft) compiten directamente por acuerdos empresariales (especialmente ahora que Microsoft posee Nuance).
Control del usuario: Aunque tienen algunas herramientas de edición, ajustar elementos sutiles del habla puede que no sea tan granular como lo haría un humano; los creadores podrían encontrarse generando múltiples versiones o aún haciendo algo de postproducción de audio para obtener exactamente lo que quieren (aunque esto aplica a todas las voces de IA).

Actualizaciones recientes (2024–2025):

Resemble lanzó “Resemble AI 3.0” alrededor de 2024 con importantes mejoras en el modelo, enfocándose en un mayor rango emocional y una salida multilingüe mejorada. Posiblemente incorporando algo como VALL-E o habilidades mejoradas de zero-shot para reducir los datos necesarios para la clonación.
Ampliaron el recuento de idiomas Localize de quizás 40 a 62, y mejoraron la precisión de la traducción para que la entonación del original se mantenga (quizás alineando la traducción de texto con señales de estilo de voz).
Las latencias de conversión de voz en tiempo real se redujeron aún más – tal vez ahora por debajo de 1 segundo para una respuesta.
Introdujeron una función para controlar el estilo por ejemplo – por ejemplo, proporcionas una muestra de la emoción o contexto objetivo y el TTS imitará ese estilo. Esto ayuda cuando quieres que una voz suene, por ejemplo, emocionada vs. triste en una línea particular; proporcionas un clip de referencia con ese tono de cualquier parte (quizás de los datos del hablante original o incluso de otra voz) para guiar la síntesis.
Posiblemente integraron un LLM a pequeña escala para ayudar con cosas como la predicción de entonación (como averiguar automáticamente dónde enfatizar o cómo leer emocionalmente una frase según el contenido).
Mejoraron la plataforma para desarrolladores: por ejemplo, una API más optimizada para generar muchos clips de voz en paralelo, websockets para TTS en streaming en tiempo real, etc.
En seguridad: lanzaron una API de Autenticación de Voz que puede verificar si un audio fue generado por Resemble o si alguien intenta clonar una voz que no posee (algún tipo de marca de agua interna o detección de firma de voz).
Consiguieron algunas grandes alianzas – por ejemplo, tal vez un importante estudio de doblaje o una colaboración con empresas de medios para localización de contenido. El caso de Age of Learning (ABC Mouse) es un ejemplo, pero podrían venir más.
Probablemente han hecho crecer su mercado de talentos de voz: quizás forjando relaciones con actores de voz para crear “skins” de voz licenciadas que otros pueden pagar para usar (monetizando voces de manera ética).
La continua I+D de Resemble los mantiene entre los principales servicios de clonación de voz en 2025 con una sólida clientela empresarial.

Sitio web oficial: Plataforma de clonación de voz Resemble AI aibase.com resemble.ai (sitio oficial que describe sus capacidades de voz personalizada y conversión de voz a voz en tiempo real).

Fuentes:

Google Cloud Text-to-Speech – “Más de 380 voces en más de 50 idiomas y variantes.” (Documentación de Google Cloud cloud.google.com】
Google Cloud Speech-to-Text – Alta precisión, soporte para más de 120 idiomas, transcripción en tiempo real. (Blog de Krisp krisp.ai】
Microsoft Azure Neural TTS – “Soporta 140 idiomas/variantes con 400 voces.” (Microsoft TechCommunity techcommunity.microsoft.com】
Microsoft Azure STT – STT empresarial con personalización y seguridad para más de 75 idiomas. (Blog de Telnyx telnyx.com telnyx.com】
Amazon Polly – “Amazon Polly ofrece más de 100 voces en más de 40 idiomas… voces generativas emocionalmente atractivas.” (AWS What’s New aws.amazon.com aws.amazon.com】
Amazon Transcribe – Modelo ASR de próxima generación con más de 100 idiomas, diarización de hablantes, en tiempo real y por lotes. (AWS Overview aws.amazon.com aws.amazon.com】
IBM Watson STT – “Modelos personalizables para terminología específica de la industria, fuerte seguridad de datos; utilizado en salud/legal.” (Krisp Blog krisp.ai krisp.ai】
Nuance Dragon – “Dragon Medical ofrece transcripción altamente precisa de terminología médica compleja; flexible en local o en la nube.” (Krisp Blog krisp.ai krisp.ai】
OpenAI Whisper – Modelo de código abierto entrenado con 680k horas, “soporta 99 idiomas”, con precisión casi de última generación en muchos idiomas. (Zilliz Glossary zilliz.com zilliz.com】
OpenAI Whisper API – “$0.006 por minuto” para Whisper-large vía OpenAI, permitiendo transcripción de bajo costo y alta calidad para desarrolladores deepgram.com】.
Deepgram Nova-2 – “30% menos WER que los competidores; el STT en inglés más preciso (WER mediana 8.4% vs 13.2% de Whisper).” (Deepgram Benchmarks deepgram.com deepgram.com】
Deepgram Customization – Permite entrenamiento de modelos personalizados para jerga específica y más de 18% de mejora en precisión sobre el modelo anterior. (Gladia blog via Deepgram gladia.io deepgram.com】
Speechmatics Precisión y Sesgo – “Registró 91.8% de precisión en voces infantiles vs 83.4% de Google; reducción del 45% en errores en voces afroamericanas.” (Speechmatics Press speechmatics.com speechmatics.com】
Speechmatics Flow (2024) – ASR en tiempo real + LLM + TTS para asistentes de voz; 50 idiomas soportados con acentos diversos. (audioXpress audioxpress.com audioxpress.com】
ElevenLabs Voice AI – “Más de 300 voces, ultrarrealistas con variación emocional; clonación de voz disponible (5 min de audio → nueva voz).” (Zapier Review zapier.com zapier.com】
ElevenLabs Pricing – Gratis 10 min/mes, planes de pago desde $5/mes por 30 min con clonación y uso comercial. (Zapier zapier.com zapier.com】
ElevenLabs Multilingual – Una voz habla más de 30 idiomas; el modelo expresivo v3 puede susurrar, gritar, incluso cantar. (ElevenLabs Blog elevenlabs.io elevenlabs.io】
Resemble AI Voice Cloning – “Genera habla en tu voz clonada en 62 idiomas; conversión de voz a voz en tiempo real.” (Resemble AI resemble.ai resemble.ai】
Resemble Case Study – Campaña Truefan: 354k mensajes de video personalizados con voces de celebridades clonadas por IA con un 90% de similitud, 7× ROI resemble.ai】, *ABC Mouse usó Resemble para una app infantil interactiva con preguntas y respuestas por voz en tiempo real resemble.ai】.

Captura de emociones y transferencia de estilo en voces clonadas; capacidad para modificar audio existente (“Resemble Fill”).

resemble.ai

Las 10 principales tecnologías de voz e inteligencia artificial que dominarán 2025 (TTS, STT, clonación de voz)

Introducción

Tabla comparativa resumen

1. Google Cloud Speech AI (TTS y STT) – Google

2. Microsoft Azure Speech Service (TTS, STT, Clonación de voz) – Microsoft

3. Amazon AWS Voice AI – Amazon Polly (TTS) y Amazon Transcribe (STT)

4. Servicios de voz de IBM Watson (TTS y STT) – IBM

5. Nuance Dragon (Reconocimiento de voz y dictado por voz) – Nuance (Microsoft)

6. OpenAI Whisper (Modelo de reconocimiento de voz y API) – OpenAI

7. Deepgram (API y plataforma de voz a texto) – Deepgram

8. Speechmatics (Motor STT para cualquier contexto) – Speechmatics Ltd.

9. ElevenLabs (Plataforma de generación y clonación de voz) – ElevenLabs

10. Resemble AI (Clonación de voz y plataforma TTS personalizada) – Resemble AI

Del cielo a las aceras: Dentro de la revolución de la entrega con drones en 2025