Pese a la diferencia de motorización, en la práctica los resultados son parecidos. Daniel Varela y Guillermo Martín han diseñado una herramienta más barata y capaz de correr en local Leer Pese a la diferencia de motorización, en la práctica los resultados son parecidos. Daniel Varela y Guillermo Martín han diseñado una herramienta más barata y capaz de correr en local Leer
Audio generado con IA
Cuando uno piensa en un modelo de IA, corre el riesgo de sufrir el síndrome del conductor cincuentón. En lugar de optar por un manejable Honda Civic, es probable que termine comprando un Hyundai Ioniq 9. Caballo grande, ande o no ande, que es lo que ocurre cuando quien diseña los algoritmos es un laboratorio de postín, llámese Anthropic, llámese OpenAI, llámese Google. Pero a veces el modelo no es un LLM, sino un pequeño motor que piensa en la eficiencia y el precio. Eso es lo que hace Lokutor, una joven startup madrileña fundada por dos ingenieros informáticos de apenas 25 años, Daniel Varela y Guillermo Martín.
Estos chavales se han lanzado por su cuenta y riesgo a competir contra colosos como ElevenLabs, Murf o Respeecher, pero lo hacen sacrificando algo de calidad en beneficio de la versatilidad y el presupuesto. Todas estas firmas compiten, con diferentes enfoques, en el sector de la voz generada con IA. Lokutor apuesta, de momento, por los call centers, donde que la voz sea algo menos realista importa en su justa medida, ya que el propio teléfono, al gestionar la llamada, hace que lo sobresaliente sea indistinguible de lo notable. Si EleveLabs maneja 1.000 millones de parámetros y Lokutor sólo cinco, la distancia en la práctica es diminuta.
En una primera fase (13 de octubre) se lanzará la API; en una segunda (mediados de noviembre) se abordará a varias corporaciones; y en una tercera, el pequeño modelo podrá operar en smartphones, gafas inteligentes como las de Meta y robots, todo corriendo en local y sin necesidad de una conexión a internet.
Lokutor ha entrenado de cero sus modelos tras muchas horas de «risas, errores, probar mil cosas, consultar dos mil en la IA y escribir a profesores de las mejores universidades de EEUU para recibir por sorpresa una respuesta más veces de las esperadas». Afirman Varela y Martín estar aquí para «romper el paradigma que dice que desde Europa y desde España no se puede competir contra los gigantes estadounidenses. Se puede, pero hay que arriesgar e insistir. Además, construir modelos no tan grandes implica un coste muchísimo menor a levantar un modelo frontera. Les sigues el ritmo y aportas una innovación basada en la eficiencia».
La voz sintética de la startup, Versa 2.0, está en producción desde el 20 de septiembre, habla nueve idiomas (incluidos castellano, catalán, euskera y gallego), pretende hacerse un hueco entre las lenguas menos predominantes del planeta y cuenta con la suerte de haberse entrenado en MareNostrum 5, en el seno de la AI Factory del Centro de Supercomputación de Barcelona. Hay una ronda de financiación abierta (se espera llegar al millón de euros) y en unos nueve meses se abrirá otra que aspira a subir el listón hasta ocho millones. Con la API, «deberíamos captar a unos 100.000 usuarios en los primeros cuatro meses (a contar desde octubre)», calculan los cofundadores.
Respecto a cómo la voz se convierte poco a poco en una interfaz superior al teclado, ambos atisban un futuro despejado: «Es lo más natural para los humanos y su uso crecerá muchísimo. Hablar es bastante más cómodo que escribir. Y esta modalidad [ya se observa, por ejemplo, con el modo IA de Google] se irá puliendo y se impondrá. Por otra parte, la voz sintética ya es casi indistinguible de la nuestra, sólo hay que ver (escuchar) las últimas iteraciones de ElevenLabs». El mensaje está claro: aunque el Ioniq entre por los ojos, en el garaje también cabe un Civic.
Actualidad Económica // elmundo
