6 artículos
Índice de etiquetas editoriales y cobertura filtrada.
El 3 de septiembre de 2026, Microsoft AI presentó MAI-Transcribe-2 como el reconocimiento de voz más rápido, preciso y barato frente a rivales como GPT-Transcribe, Gemini 3.5 Transcribe y ElevenLabs Scribe v2, a 0,10 USD por hora en oferta de lanzamiento.
xAI presentó Grok Voice Transcribe 2.0 como su modelo de voz a texto más preciso, con el doble de exactitud frente a la versión 1.0 al mismo precio de 0,10 USD/hora en lote y 0,20 USD/hora en streaming, según el anuncio del laboratorio.
Google presentó el 15 de septiembre de 2026 (actualizado el 17) Gemini 3.8 Live y Live Extended Thinking: modelos speech-to-speech con marcas Artificial Analysis 82.6, τ-Voice 68.6% y τ-Voice-banking 35.1%, orientados a agentes de voz.
El 10 de septiembre de 2026, junto a GPT-Live-1, OpenAI presentó Presence: agentes de voz empresariales de confianza que responden, resuelven, usan sistemas de la compañía, ejecutan acciones aprobadas y escalan a humanos. Se construye sobre la capa full-duplex GPT-Live-1. Fuente: el mismo post de OpenAI sobre GPT-Live-1 en la API.
El 10 de septiembre de 2026, OpenAI presentó GPT-Live-1 en la API: capa de voz full-duplex a unos 0,05 dólares por minuto, con ~80% menos interrupciones en la eval Speak frente a turnos clásicos. Se combina con GPT-6 Astra y abre la puerta a OpenAI Presence para agentes de voz empresariales.
APIs realtime de audio full-duplex habilitaron call centers y asistentes hablados con latencia baja y tool use.