20 artículos verificados sobre IA de voz, productos y movimientos del sector.
ElevenLabs completó una recompra de acciones de empleados de 300 millones de dólares con una valoración de 22.000 millones, el doble que en febrero, con GIC, OTPP y Goldman Sachs entre los nuevos inversores.
Alibaba lanza Qwen-Audio-3.1 con cinco nuevos modelos de voz y recorta a la vez los precios de TTS, diálogo en tiempo real y reconocimiento, apuntando a ElevenLabs.
Google lanza Gemini 3.8 Flash TTS y Flash-Lite TTS: la clonación de voz solo necesita 30 segundos de audio, pero el precio se duplicará a partir de 2027.
Qwen3.8-LiveTranslate de Alibaba reduce la latencia media por carácter a 2,3 segundos, entiende 60 idiomas y habla 29, con página de demostración y API disponibles.
StepFun presentó la serie StepAudio 3 con cinco modelos de voz lanzados el mismo día; el ASR logró una tasa de error de palabras del 1,7% en modo no streaming, empatado en el primer puesto del ranking de Artificial Analysis.
OpenAI abre la API del modelo de voz full-duplex GPT-Live-1, con un costo de 0,05 dólares por minuto en el front-end y un rendimiento muy superior a GPT-Realtime-2.1 en tareas completadas.
Tencent Hunyuan lanzó en código abierto el modelo de voz AuK, de 1.500 millones de parámetros y licencia MIT, que unifica generación y edición de voz en una sola instrucción; la versión AuK-Flash acelera la inferencia 4,5 veces.
Gemini 3.5 Transcribe de Google alcanza una tasa de error de palabras del 2,6% y ya entrega texto limpio y formateado, pero el precio y el límite de la separación de hablantes siguen sin definirse.
Qwen-Audio-3.0-Realtime añade llamadas a herramientas a la voz en tiempo real. El artículo resume los hechos verificados y la señal que va más allá de un anuncio aislado.
ChatGPT Voice pasa a GPT-Live se reescribe para lectores tecnologicos en espanol, conservando cifras clave, limites del producto y preguntas abiertas.
Bland dice haber gestionado 175 millones de llamadas el ultimo ano y ahora procesa unas 3,5 millones por semana.
Vapi raised a $50 million Series B after Amazon Ring chose its voice AI stack over dozens of alternatives for inbound support calls.
Wispr Flow levanta nueva financiación para IA de voz. La nota resume el anuncio, el contexto estratégico y los riesgos prácticos para usuarios o empresas afectadas.
ElevenLabs amplió su Serie D por encima de 550 millones de dólares con una valoración de 11.000 millones, pero la señal más fuerte es el crecimiento del 43% en voz AI empresarial.
OpenAI suma al Realtime API un modelo de voz que razona mientras habla, traducción en directo y transcripción en streaming.
El modelo grok-voice-think-fast-1.0 de xAI alcanzó un 67,3 % en el τ-voice Bench, muy por delante de la competencia, y ya se utiliza en el sistema de atención al cliente de Starlink con una tasa de automatización del 70 %.
xAI lanza API de audio de Grok con baja tasa de error. La nota resume el anuncio, el contexto estratégico y los riesgos prácticos para usuarios o empresas afectadas.
El equipo Qwen de Alibaba ha lanzado Qwen3.5-Omni, su primer modelo verdaderamente multimodal que procesa texto, imágenes, audio y vídeo en una sola arquitectura, con clonación de voz en tiempo real.
Mistral lanzó Voxtral TTS, su primer modelo de voz con 4B parámetros, pesos abiertos, evaluado como más natural que ElevenLabs Flash v2.5 y a la par de ElevenLabs v3.
Google ha lanzado Gemini 3.1 Flash Live, un modelo nativo de audio a audio que reemplaza el pipeline tradicional ASR-LLM-TTS, reduciendo la latencia y permitiendo interrupciones.