Mercado de interfaces de usuario de voz Tamaño y Compartir 2026-2035

Tamaño del mercado de interfaces de usuario por voz

El mercado de interfaces de usuario por voz se valoró en 17,800 millones de USD en 2025 y se prevé que alcance los 93,000 millones de USD en 2035, con una expansión a una tasa de crecimiento anual compuesta (TCAC) del 17,4% entre 2026 y 2035. Según el último informe publicado por Global Market Insights Inc.,

El mercado está pasando de una interacción basada en comandos a un software conversacional capaz de completar tareas en distintos dispositivos y flujos de trabajo empresariales. El crecimiento refleja la convergencia de la IA generativa, la tecnología de reconocimiento del habla, los dispositivos conectados y la automatización del servicio de atención al cliente. Los flujos de ingresos más sólidos se concentran en los ámbitos en los que la voz reduce la fricción, acorta los ciclos de servicio u ofrece a los usuarios una alternativa práctica a las pantallas y los teclados que permite tener las manos libres.

Este mercado incluye el reconocimiento automático del habla (ASR), el procesamiento del lenguaje natural (NLP), la conversión de texto a voz (TTS), la analítica de voz, la biometría de voz, las plataformas de IA conversacional, la implementación, la integración y los servicios gestionados. El alcance abarca la interacción por voz en smartphones, altavoces inteligentes, dispositivos wearables, sistemas para automóviles, dispositivos para el hogar inteligente, ordenadores personales y aplicaciones empresariales. También incluye implementaciones en la nube, locales e híbridas en los sectores de la electrónica de consumo, los servicios públicos, la atención sanitaria, los servicios bancarios, financieros y de seguros (BFSI), el comercio minorista, la automoción y las telecomunicaciones. Se excluye la venta independiente de micrófonos, chips o dispositivos cuando no incluyen software o servicios de voz monetizados.

Principales impulsores

Rápida adopción de la IA generativa y los modelos de lenguaje de gran tamaño (LLM)

La IA generativa está cambiando el valor económico de una sesión de voz. Los sistemas anteriores normalmente dirigían a los usuarios mediante intenciones predefinidas y árboles de diálogo limitados. Los sistemas habilitados por LLM pueden mantener el contexto, distinguir entre solicitudes relacionadas y generar respuestas basadas en una base de conocimientos más amplia. Esto aumenta la proporción de interacciones de atención al cliente, productividad y control de dispositivos que pueden resolverse sin escalar el caso a un agente humano. Los recursos de IA del NIST destacan la importancia de una evaluación fiable y de la gestión de riesgos a medida que la capacidad generativa se incorpora a los sistemas operativos.^{[1]National Institute of Standards and Technology, "Artificial Intelligence and Speech Technology Resources," nist.gov}

El efecto directo es una mayor demanda de PLN, orquestación del diálogo y plataformas conversacionales. El efecto más relevante es que los compradores empresariales pueden conectar la voz con entornos de CRM, ERP y gestión del conocimiento, convirtiendo la interacción en un activador de flujos de trabajo en lugar de una interfaz aislada. Esto favorece a los proveedores que ofrecen una integración fiable, gobernanza y adaptación al dominio, además de acceso a modelos fundacionales.

Creciente demanda de interacción persona-máquina manos libres y sin contacto

La interacción manos libres tiene un valor práctico cuando la atención visual, el acceso físico o las restricciones de higiene limitan los métodos de entrada convencionales. Los hospitales, las plantas de fabricación, los entornos minoristas, el transporte público y los vehículos generan situaciones en las que la interacción hablada puede eliminar un paso de una tarea. Las aplicaciones sanitarias son especialmente relevantes, ya que los profesionales clínicos pueden utilizar la voz para documentar y navegar sin dejar de centrarse en la atención al paciente.^{[2]World Health Organization, "Digital Health Resources," who.int}

Su ventaja es mayor cuando las solicitudes son breves, repetitivas o urgentes, y cuando el usuario necesita seguir desplazándose o mantener ambas manos disponibles. Esto convierte la fiabilidad y la latencia de respuesta en requisitos comerciales, no solo en atributos del producto. Los proveedores que ofrezcan un buen rendimiento en condiciones acústicas reales captarán una mayor parte de esta demanda que las plataformas optimizadas únicamente para demostraciones controladas.

Expansión de los dispositivos inteligentes y los ecosistemas del IoT

Los teléfonos inteligentes, los altavoces inteligentes, los dispositivos ponibles, los electrodomésticos conectados y los sistemas de automoción amplían el número de puntos finales desde los que un usuario puede iniciar una interacción de voz. Los micrófonos siempre activos y la captación de campo lejano convierten la voz en una capa de control práctica para la energía doméstica, el entretenimiento, la seguridad, la movilidad y las comunicaciones. La base instalada de dispositivos conectados también genera más oportunidades para que los proveedores integren funciones de voz con suscripciones, API y ecosistemas de servicios.

La monetización depende de si la voz puede reducir las fricciones de configuración, simplificar la navegación o iniciar acciones comerciales y de servicio. Los sistemas de automoción y los dispositivos ponibles resultan especialmente atractivos porque sus formatos limitan la introducción de datos mediante controles táctiles. A medida que más dispositivos incorporen capacidades de IA local, el procesamiento en el propio dispositivo también se convertirá en un factor diferenciador en implementaciones sensibles a la privacidad o con conectividad limitada.

Principales restricciones

Preocupaciones sobre la privacidad y la seguridad de los datos

Los sistemas de voz procesan información que puede revelar la identidad, la ubicación, el estado de salud, la actividad financiera o información empresarial sensible. Los diseños de dispositivos siempre activos también suscitan preocupación por la grabación involuntaria, la conservación de los datos y su intercambio con terceros. Por tanto, las normas de privacidad afectan a la arquitectura de una implementación desde el principio, especialmente cuando intervienen huellas vocales o interacciones clínicas. Los principios del RGPD relativos al tratamiento lícito, la minimización de datos y las salvaguardas para los datos personales aumentan el valor comercial de una gobernanza transparente.

Esto desplaza la demanda hacia modelos que admiten controles de consentimiento, procesamiento local, prácticas de conservación definidas y acceso auditable. Los proveedores que consideran la gobernanza de los datos un requisito de implementación pueden reducir las fricciones en las cuentas reguladas. Aquellos que dependen de una recopilación opaca o de un procesamiento exclusivamente en la nube se enfrentarán a un mercado potencial más reducido.

Retos de rendimiento en entornos ruidosos y multilingües

Los sistemas de voz siguen perdiendo precisión en lugares concurridos, instalaciones industriales, conversaciones con varios interlocutores y situaciones en las que intervienen acentos, alternancia de códigos o vocabulario especializado. La cancelación de ruido, la formación de haces y el entrenamiento de modelos multilingües han mejorado el rendimiento, pero el entorno operativo sigue siendo una prueba decisiva. Un error de reconocimiento en una solicitud informal de un consumidor puede ser tolerable; el mismo error en la atención sanitaria, los servicios financieros o el control de automóviles puede impedir el despliegue.

La demanda multilingüe amplía el mercado, pero también aumenta la carga de datos y evaluación. La UNESCO considera que la diversidad lingüística es fundamental para un acceso digital inclusivo, por lo que la localización es mucho más que un ejercicio de traducción.^{[3]UNESCO, "Multilingualism and Digital Inclusion Resources," unesco.org} Los proveedores deben adaptar los modelos acústicos, el vocabulario, el diseño de las respuestas y los controles de seguridad a cada contexto. Esto favorece a las empresas con datos específicos del sector, experiencia regional y pruebas rigurosas, en lugar de a aquellas que realizan afirmaciones generales sobre sus capacidades lingüísticas sin una profundidad operativa suficiente.

Análisis por segmentos del mercado de interfaces de usuario por voz

Por componente

El software representó el 79,8 % de los ingresos de las interfaces de usuario por voz en 2025 y se prevé que crezca a una tasa de crecimiento anual compuesta (TCAC) del 17,1 % hasta 2035. La categoría incluye motores de reconocimiento automático del habla (ASR), marcos de procesamiento del lenguaje natural (NLP), gestión del diálogo, síntesis de voz (TTS), software biométrico, herramientas de desarrollo y middleware de integración. El software lidera porque la mayor parte del valor de las interfaces de usuario por voz se crea en la precisión del reconocimiento, la interpretación semántica, la gestión de modelos y la integración de aplicaciones, más que en hardware específico. Además, los modelos de suscripción, API y consumo permiten a los proveedores llegar a los compradores sin exigir un compromiso inicial elevado en infraestructura.

Los servicios representaron el 20,2 % restante, pero crecen más rápido, a una TCAC del 18,5 %. Los servicios profesionales abarcan la consultoría, la integración y la implementación de sistemas, la formación y el soporte, mientras que los servicios gestionados incluyen la operación de plataformas, el reentrenamiento de modelos y la supervisión del rendimiento. El despliegue empresarial suele requerir una base de conocimientos adaptada, una configuración de cumplimiento normativo, integración con sistemas de telefonía y un comportamiento del diálogo específico de la marca. Esta complejidad mantiene la importancia estratégica de los servicios, incluso a medida que los modelos básicos están cada vez más disponibles.

Por tecnología

El reconocimiento automático del habla lideró el segmento tecnológico, con una cuota del 34,7 % en 2025, y se prevé que crezca a una TCAC del 16,5 %. El ASR convierte el audio hablado en el texto que los sistemas posteriores pueden interpretar, lo que lo convierte en la capa de percepción fundamental de cada despliegue de interfaces de usuario por voz. Los avances en arquitecturas basadas en transformadores, conformers y modelos de extremo a extremo han ampliado su uso en la transcripción de centros de contacto, las búsquedas por voz, la documentación clínica y la automatización específica de cada sector.

El procesamiento del lenguaje natural (NLP) es la tecnología de mayor crecimiento, con una TCAC del 18,6 %, y registró una cuota del 31,3 % en 2025. Interpreta la intención, extrae entidades, gestiona el estado del diálogo y genera respuestas. La síntesis de voz (TTS) registró una cuota del 20,3 % y crece a una TCAC del 16,9 %, respaldada por el habla sintética realista y las aplicaciones de voz de marca. La verificación del hablante y la biometría de voz registraron una cuota del 13,7 % y crecen a una TCAC del 18,0 %, ya que los compradores de los sectores bancario, asegurador, sanitario y gubernamental buscan una autenticación sencilla.

Por modalidad de implementación

La implementación en la nube registró una cuota del 61,3 % en 2025 y crece a la TCAC del mercado, del 17,4 %. Las plataformas en la nube ofrecen capacidad elástica, actualizaciones rápidas de productos, reentrenamiento centralizado e integración con datos, análisis y software empresarial. Microsoft Azure, AWS y Google Cloud combinan servicios de voz con amplias capacidades de infraestructura y cumplimiento normativo, lo que acelera la implementación para las organizaciones que necesitan alcance global.

La implementación híbrida es la modalidad de mayor crecimiento, con una TCAC del 19,4 %. Normalmente mantiene el audio sensible o la inferencia de baja latencia en la infraestructura local, mientras utiliza la nube para el desarrollo de modelos, las cargas de trabajo no sensibles y el procesamiento escalable. La implementación local registró una cuota del 24,5 % y crece a una TCAC del 16,2 %, porque los entornos aislados, la gobernanza estricta y los requisitos de tiempo de respuesta siguen siendo factores relevantes en la Administración pública y los sectores sanitario y de servicios financieros. La combinación de modalidades de implementación seguirá siendo diversa, en lugar de trasladarse por completo a la nube.

Por tipo de dispositivo

Los teléfonos inteligentes y las tabletas lideraron los ingresos por tipo de dispositivo, con una cuota del 32,7 % en 2025, y se prevé que crezcan a una TCAC del 17,2 %. Su escala refleja la presencia prácticamente universal de asistentes integrados y entrada de voz para búsquedas, mensajería, navegación, accesibilidad y control de aplicaciones. El procesamiento neuronal en el dispositivo está ampliando la capacidad local y reduciendo la dependencia de una conexión ininterrumpida con la nube.

Los sistemas de automoción son el tipo de dispositivo de mayor crecimiento, con una TCAC del 20,1 %. Cerence y SoundHound AI ilustran el valor de las plataformas de voz que controlan la navegación, la climatización, los medios y los ajustes del vehículo sin distraer al conductor. Los dispositivos ponibles crecen a una TCAC del 19,4 % porque los dispositivos compactos tienen un espacio de pantalla limitado. Los altavoces inteligentes registraron una cuota del 18,3 % y los dispositivos inteligentes para el hogar y del Internet de las cosas (IoT) registraron una cuota del 8,4 %, lo que convierte al hogar en un entorno importante de computación ambiental, en lugar de ser el único espacio de consumo del mercado.

Por aplicación

Los asistentes de voz inteligentes representaron el 37,1 % de los ingresos por aplicaciones en 2025 y se prevé que crezcan a una TCAC del 17,0 %. Conectan los dispositivos de consumo con la recuperación de información, la programación, las comunicaciones, el control del hogar y el comercio. La transición hacia la inteligencia artificial generativa desplaza al asistente de la función de intérprete de comandos hacia una capa de interacción más contextual. Su valor comercial depende de que el asistente pueda completar tareas de forma fiable, no simplemente mantener una conversación.

Los comandos de voz en automoción son la aplicación de mayor crecimiento, con una TCAC del 20,5 %, y alcanzaron los 2,500 millones de USD en 2025. La respuesta de voz interactiva registró una cuota del 19,3 % y crece a una TCAC del 15,7 %, ya que las empresas sustituyen los árboles de llamadas rígidos por automatización conversacional. El comercio por voz registró una cuota del 10,1 % y crece a una TCAC del 18,8 %, mientras que las aplicaciones clínicas y sanitarias registraron una cuota del 11,4 % y crecen a una TCAC del 17,6 %. Las herramientas clínicas, la navegación asistencial y la automatización de la admisión de pacientes resultan beneficiosas cuando la voz reduce la carga administrativa.

Por tamaño de empresa

Las pequeñas y medianas empresas (pymes) representaron el 71,9 % del mercado en 2025 y se prevé que crezcan a una TCAC del 17,1 %. Las API en la nube, las herramientas de bajo código y las plantillas prediseñadas reducen los conocimientos especializados y el capital necesarios para implementar funciones de atención al cliente, reservas, pedidos y asistencia fuera del horario habitual. La amplitud de la base de pymes genera escala incluso cuando las implementaciones individuales son relativamente modestas.

Las grandes empresas registraron una cuota del 28,1 %, pero constituyen el grupo de crecimiento más rápido, con una TCAC del 18,2 %. Es más probable que los grandes compradores requieran cobertura multirregional, entrenamiento personalizado de modelos, integraciones complejas, seguridad avanzada y servicios gestionados. Sus ciclos de adquisición son más largos, pero una implementación exitosa puede extenderse a los centros de contacto, las funciones de servicio internas y los canales digitales orientados al cliente.

Por uso final

El sector gubernamental y público lideró los ingresos por uso final, con una cuota del 25,4 % en 2025, y crece a una TCAC del 16,0 %. Los servicios a la ciudadanía, la gestión de prestaciones, la respuesta ante emergencias y la documentación pública pueden utilizar la voz para ampliar el acceso cuando los usuarios afrontan barreras de alfabetización, movilidad o ancho de banda. La oportunidad del sector público es mayor cuando el diseño del servicio combina cobertura lingüística con gobernanza y vías claras de escalado.

La electrónica de consumo registró una cuota del 15,1 % en 2025 y es el segmento de uso final de crecimiento más rápido, con una TCAC del 20,3 %. La automoción y el transporte registraron una cuota del 10,2 % y crecen a una TCAC del 19,5 %; la atención sanitaria y las ciencias de la vida registraron una cuota del 8,4 % y crecen a una TCAC del 18,7 %; y el sector BFSI registró una cuota del 9,0 % y crece a una TCAC del 18,2 %. El comercio minorista y el comercio electrónico registraron una cuota del 4,9 %, mientras que las tecnologías de la información y las telecomunicaciones registraron una cuota del 8,1 %. La conexión entre los distintos segmentos es que cada área de crecimiento valora la voz por un motivo diferente: los dispositivos de consumo necesitan comodidad, los sectores regulados necesitan autenticación y gobernanza, y las empresas necesitan automatización de servicios escalable.

Análisis regional del mercado de interfaces de usuario por voz

América del Norte

América del Norte registró una cuota del 37,5 % de los ingresos del mercado mundial, equivalente a 6,700 millones de USD, en 2025, y se prevé que crezca a una TCAC del 15,8 %. Estados Unidos aportó 5,900 millones de USD y crece a una TCAC del 15,4 %, respaldado por la concentración de proveedores de servicios en la nube, la adopción temprana por parte de las empresas, la avanzada penetración de los dispositivos conectados y una amplia base de centros de contacto. Microsoft Azure, AWS, Google Cloud, IBM y SoundHound AI operan en la región o mantienen en ella posiciones destacadas. El trabajo del NIST en materia de gestión de riesgos de la IA aporta un marco de gobernanza a medida que los sistemas de voz se integran cada vez más en las decisiones operativas. Canadá crece a una TCAC del 18,6 %, respaldado por la modernización de los servicios digitales y la adopción de la IA en la atención sanitaria. La principal restricción regional es el aumento del escrutinio sobre los datos biométricos y de audio, lo que incrementa los requisitos de cumplimiento y de diseño de las implementaciones.

Europa

Europa representó el 21,8 % de los ingresos mundiales, es decir, 3,900 millones de USD, en 2025, y crecerá a una TCAC del 15,0 %. Alemania lideró el mercado con 1,300 millones de USD, impulsada por la industria manufacturera, el desarrollo de la automoción y la demanda de software empresarial multilingüe. Cerence, Cognigy, Parloa, PolyAI y Speechmatics mantienen posiciones relevantes en Europa, junto con los proveedores de servicios en la nube a hiperescala. La regulación de la privacidad favorece las arquitecturas basadas en la minimización de datos, el consentimiento explícito y el procesamiento local cuando resulta adecuado. Los numerosos mercados lingüísticos de la región también mantienen la demanda de capacidades interlingüísticas. La principal restricción es el coste y la complejidad técnica de ofrecer un rendimiento coherente de los modelos y un tratamiento de datos conforme a la normativa en distintas jurisdicciones.

Asia-Pacífico

Asia-Pacífico alcanzó 6,400 millones de USD en 2025, lo que representó el 36,2 % de los ingresos mundiales, y es el mercado regional de más rápido crecimiento, con una tasa de crecimiento anual compuesta (TCAC) del 20,0 %. China contribuyó con 4,100 millones de USD y crece a una TCAC del 19,6 %, respaldada por Baidu e iFlytek, junto con un sólido ecosistema nacional de IA. India constituye la mayor oportunidad dentro del resto de Asia-Pacífico, ya que la demanda multilingüe, la adopción de teléfonos inteligentes y la infraestructura pública digital amplían la base de usuarios potenciales. Japón, Corea del Sur, Australia, Singapur, Vietnam, Indonesia y Tailandia aportan aplicaciones diferenciadas en los sectores de la automoción, el consumo, la industria y los servicios urbanos. El trabajo de la UNESCO en materia de inclusión digital multilingüe se ajusta a la necesidad de la región de contar con interfaces adaptadas a los distintos idiomas. La principal limitación es la diversidad lingüística y dialectal, que incrementa las necesidades de datos de entrenamiento, evaluación y soporte.

América Latina

América Latina representó el 2,7 % de los ingresos mundiales, equivalentes a 484,8 millones de USD, en 2025 y crecerá a una TCAC del 17,3 %. Brasil lideró con 189,3 millones de USD y crece a una TCAC del 16,6 %, respaldado por la autenticación bancaria, la automatización del comercio minorista y la digitalización de los servicios públicos. Las soluciones basadas en la nube ofrecen una vía accesible para las empresas de la región que necesitan automatizar las interacciones con los clientes sin desarrollar una infraestructura local de IA. La principal limitación es la desigualdad de la infraestructura digital y de servicios fuera de los principales corredores urbanos e industriales.

Oriente Medio y África

Oriente Medio y África representaron el 1,8 % de los ingresos mundiales, equivalentes a 325,0 millones de USD, en 2025, y se prevé que crezcan a una TCAC del 18,4 %. Los EAU lideraron con 128,2 millones de USD y crecen a una TCAC del 17,7 %, respaldados por los servicios digitales gubernamentales, las aplicaciones de ciudades inteligentes, las interfaces en árabe y la demanda de servicios financieros. El programa Visión 2030 de Arabia Saudí respalda casos de uso en los sectores público y educativo, el turismo y la digitalización, mientras que Sudáfrica ofrece demanda en los sectores de la minería, las infraestructuras y los servicios empresariales. La adopción regional depende de la localización, el cumplimiento normativo y la capacidad para admitir el árabe y otros contextos lingüísticos. La principal limitación es el coste de desarrollar capacidades locales fiables en materia de idiomas y una cobertura de prestación de servicios en mercados dispersos.

Cuota de mercado y panorama competitivo de las interfaces de usuario de voz

El mercado presenta una concentración moderada. Microsoft Azure lideró con una cuota estimada del 18,2 % en 2025, mientras que Microsoft Azure, AWS, Google Cloud, IBM y SoundHound AI concentraron conjuntamente el 50,2 %. El resto del mercado se distribuye entre proveedores especializados de soluciones de voz, líderes regionales en tecnologías lingüísticas, empresas de IA conversacional para el entorno empresarial y compañías emergentes. Este patrón de concentración proporciona a los principales proveedores de servicios en la nube amplias ventajas en distribución e infraestructura, pero el rendimiento de los especialistas, la adecuación al sector y las capacidades lingüísticas locales mantienen espacio para competidores diferenciados.

Microsoft Azure combina Speech-to-Text, Text-to-Speech, Speaker Recognition, Azure Bot Service y aplicaciones empresariales como Teams y Dynamics 365.

AWS aporta Transcribe, Polly, Lex y su ecosistema en la nube; Google Cloud combina Speech-to-Text, Text-to-Speech, Dialogflow y Contact Center AI; e IBM mantiene una posición sólida en entornos empresariales sujetos a gobernanza. SoundHound AI se diferencia mediante Speech-to-Meaning y sus relaciones con el sector automovilístico, mientras que Cerence se concentra en los asistentes integrados en los vehículos. Estas empresas compiten en calidad de los modelos, amplitud de las API, alcance de la implementación y capacidad para respaldar despliegues a escala de producción.

Los especialistas configuran la frontera técnica del mercado. Deepgram compite mediante ASR con un enfoque centrado en las API; ElevenLabs y Cartesia, mediante síntesis de voz de baja latencia; Cognigy y PolyAI, mediante IA conversacional empresarial; y Abridge, mediante documentación clínica ambiental. Speechmatics, Parloa, Omilia, Teneo.ai, Samsung (Bixby), Baidu e iFlytek se dirigen a nichos multilingües, regionales, de ecosistemas de dispositivos, banca o empresas. Vapi representa una infraestructura de voz orientada a desarrolladores. Su importancia radica en demostrar que un producto especializado aún puede imponerse allí donde las plataformas de hiperescala son demasiado amplias o no están suficientemente adaptadas.

La estrategia competitiva se sustenta en tres activos interrelacionados: rendimiento de los modelos, integración de los flujos de trabajo y gobernanza. En primer lugar, los proveedores obtienen acceso mediante una herramienta para desarrolladores, un servicio en la nube, una relación con fabricantes de dispositivos o un despliegue en centros de contacto. Posteriormente, se expanden a través del uso, la personalización, la analítica y las operaciones gestionadas. Esto favorece a los proveedores capaces de convertir una interacción de voz en un resultado empresarial repetible. La competencia en precios seguirá siendo intensa en ASR y TTS básicos, mientras que los márgenes sostenibles dependerán de la precisión en ámbitos específicos, la seguridad y el valor integrado en los flujos de trabajo.

Desarrollos recientes del sector

Junio de 2026: Microsoft anunció la disponibilidad general de las actualizaciones de Azure AI Speech, con una mejora del reconocimiento multilingüe en 110 idiomas. El lanzamiento refuerza su posición en accesibilidad y localización para despliegues empresariales globales.

Mayo de 2026: SoundHound AI amplió su plataforma de voz para automóviles a 10 marcas de vehículos globales adicionales. Este desarrollo reafirma la importancia de la IA de voz especializada en los programas de vehículos definidos por software.

Abril de 2026: ElevenLabs cerró una ronda de financiación valorada en más de 3,000 millones de USD para ampliar su plataforma de síntesis de voz y su infraestructura de clonación de voz en tiempo real. La inversión aumenta la presión competitiva en las aplicaciones premium de TTS y de voz de marca.

Marzo de 2026: Google Cloud presentó Chirp 3, con mejoras en reconocimiento multilingüe, alternancia de códigos, vocabulario específico de cada ámbito y robustez frente al ruido. El lanzamiento aborda las limitaciones que restringen el uso de la voz en entornos acústicos y lingüísticos complejos.

Febrero de 2026: Deepgram presentó su modelo Nova-3 ASR para aplicaciones médicas, jurídicas y financieras. El lanzamiento pone de relieve el valor comercial de la precisión de transcripción específica de cada ámbito para los flujos de trabajo empresariales sensibles a la latencia.