Hogar
Microsoft presenta el primer modelo de voz con IA de dúplex completo desarrollado por la propia empresa, capaz de escuchar y hablar simultáneamente en 16 idiomas
Según el medio especializado en tecnología TestingCatalog, Microsoft está probando actualmente su primer modelo de voz nativo en tiempo real, MAI Realtime. Compatible con 16 idiomas y dos estilos de voz distintos, este sistema permite escuchar y hablar simultáneamente, lo que facilita la detección automática del idioma y el cambio de idioma durante la conversación. Este avance elimina la necesidad de que los usuarios esperen a que la IA termine de hablar antes de responder, creando una experiencia de conversación que se asemeja mucho a la interacción humana natural.

MAI Realtime emplea un enfoque de interacción bidireccional y full-duplex, rompiendo de forma efectiva el patrón tradicional de los asistentes de voz, en el que los usuarios hablan y el modelo responde de forma secuencial. Mediante el uso de tecnología de detección de puntos finales para identificar el inicio, las pausas y el final del habla, el sistema puede ajustar inmediatamente su respuesta cuando los usuarios intervienen, logrando una escucha y una respuesta sincronizadas. Esto supone un hito significativo para la familia de modelos de voz MAI de Microsoft, que pasa de la comunicación unidireccional a la bidireccional. Los modelos anteriores, como MAI-Voice-2 y MAI-Transcribe-1.5, se limitaban a tareas unidireccionales como la síntesis o el reconocimiento de voz.
Los dos estilos de voz ofrecen un mayor naturalismo, aunque aún no se incluyen capacidades para cantar
En cuanto a la cobertura lingüística, MAI Realtime admite 16 idiomas, entre ellos el chino, el inglés, el japonés, el coreano, el francés, el alemán y el árabe. Los usuarios pueden especificar manualmente el idioma de la conversación o activar la detección automática, lo que permite al modelo identificar y cambiar de idioma automáticamente durante el diálogo. En cuanto a las opciones de voz, la versión de prueba ofrece dos voces, Victoria y Grant, que, según se informa, suenan más naturales que el modo de voz actual de Copilot.
Artículo relacionado
Apple presenta iOS 27, con IA local y una colaboración con Google que potencia Siri
La publicación «The Information» ha destacado recientemente el enfoque estratégico de Apple para integrar la inteligencia artificial en el próximo sistema operativo OS 27. Al aprovechar el modelo Gemi
Perplexity Computer presenta una tecnología de inferencia híbrida para equilibrar la privacidad y la eficiencia
Perplexity, una empresa dedicada a la inteligencia artificial, ha revelado sus planes de lanzar este verano una mejora significativa de su agente «Perplexity Computer». Esta actualización introduce un
NexCOBOT aborda las barreras físicas del mercado de la IA y su crecimiento
NexCOBOT, presente en la Robotics Summit & Expo, ofrece una amplia gama de controladores. Fuente: NexCOBOTLas empresas dedicadas a la robótica humanoide y a la IA física no solo están consiguiendo mil
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Según el medio especializado en tecnología TestingCatalog, Microsoft está probando actualmente su primer modelo de voz nativo en tiempo real, MAI Realtime. Compatible con 16 idiomas y dos estilos de voz distintos, este sistema permite escuchar y hablar simultáneamente, lo que facilita la detección automática del idioma y el cambio de idioma durante la conversación. Este avance elimina la necesidad de que los usuarios esperen a que la IA termine de hablar antes de responder, creando una experiencia de conversación que se asemeja mucho a la interacción humana natural.

MAI Realtime emplea un enfoque de interacción bidireccional y full-duplex, rompiendo de forma efectiva el patrón tradicional de los asistentes de voz, en el que los usuarios hablan y el modelo responde de forma secuencial. Mediante el uso de tecnología de detección de puntos finales para identificar el inicio, las pausas y el final del habla, el sistema puede ajustar inmediatamente su respuesta cuando los usuarios intervienen, logrando una escucha y una respuesta sincronizadas. Esto supone un hito significativo para la familia de modelos de voz MAI de Microsoft, que pasa de la comunicación unidireccional a la bidireccional. Los modelos anteriores, como MAI-Voice-2 y MAI-Transcribe-1.5, se limitaban a tareas unidireccionales como la síntesis o el reconocimiento de voz.
Los dos estilos de voz ofrecen un mayor naturalismo, aunque aún no se incluyen capacidades para cantar
En cuanto a la cobertura lingüística, MAI Realtime admite 16 idiomas, entre ellos el chino, el inglés, el japonés, el coreano, el francés, el alemán y el árabe. Los usuarios pueden especificar manualmente el idioma de la conversación o activar la detección automática, lo que permite al modelo identificar y cambiar de idioma automáticamente durante el diálogo. En cuanto a las opciones de voz, la versión de prueba ofrece dos voces, Victoria y Grant, que, según se informa, suenan más naturales que el modo de voz actual de Copilot.
Apple presenta iOS 27, con IA local y una colaboración con Google que potencia Siri
La publicación «The Information» ha destacado recientemente el enfoque estratégico de Apple para integrar la inteligencia artificial en el próximo sistema operativo OS 27. Al aprovechar el modelo Gemi
Perplexity Computer presenta una tecnología de inferencia híbrida para equilibrar la privacidad y la eficiencia
Perplexity, una empresa dedicada a la inteligencia artificial, ha revelado sus planes de lanzar este verano una mejora significativa de su agente «Perplexity Computer». Esta actualización introduce un
NexCOBOT aborda las barreras físicas del mercado de la IA y su crecimiento
NexCOBOT, presente en la Robotics Summit & Expo, ofrece una amplia gama de controladores. Fuente: NexCOBOTLas empresas dedicadas a la robótica humanoide y a la IA física no solo están consiguiendo mil











