AI News · industry
Modelos de traducción con IA en octubre de 2026: voz en vivo y texto
Google, OpenAI, Alibaba, DeepL, Bilibili y Tencent lanzaron nuevos modelos de traducción en 2026. Qué cubre cada uno, dónde siguen fallando y qué implica si tus clientes te escriben o te llaman en otros idiomas.
En octubre de 2026, los modelos de traducción con IA se han separado en dos vías. Los modelos de voz en vivo de Google, OpenAI y Alibaba ya escuchan entre 60 y 70+ idiomas y responden con unos segundos de retraso respecto a quien habla, mientras que modelos de texto de pesos abiertos como Index-Translate de Bilibili cubren 150 idiomas y se pueden descargar gratis. Esto pesa en las ventas: en una encuesta de CSA Research de 2020 a 8,709 consumidores de 29 países, el 76% prefería comprar productos con información en su propio idioma, y el 40% dijo que nunca compraría en webs en otros idiomas.
El truco está en la letra pequeña. "70+ idiomas" suele significar 70+ idiomas que el modelo puede oír, no 70+ en los que puede hablar. A continuación tienes el mapa global, los huecos y lo que nosotros comprobaríamos antes de confiarle nada de esto a un cliente.
¿Qué cambió en la traducción con IA entre febrero y octubre de 2026?
La tabla recoge nueve lanzamientos de laboratorios de cuatro países: Estados Unidos, China, Francia y Alemania. Las fechas salen del anuncio oficial de cada proveedor.
| Fecha (2026) | Laboratorio (país) | Lanzamiento | Abierto o cerrado |
|---|---|---|---|
| 12 feb | Kyutai (Francia) | Hibiki-Zero, traducción simultánea de voz del francés, español, portugués y alemán al inglés | Abierto |
| 16 abr | DeepL (Alemania) | DeepL Voice-to-Voice, 40+ idiomas, API en acceso anticipado | Cerrado |
| 7 may | OpenAI (EE. UU.) | GPT-Realtime-Translate, 70+ idiomas de entrada, 13 idiomas de salida | Cerrado |
| 21 may | Tencent (China) | Hy-MT2, modelos de texto de 1.8B, 7B y 30B, 33 idiomas | Abierto |
| 9 jun | Google (EE. UU.) | Gemini 3.5 Live Translate, de voz a voz, 70+ idiomas | Cerrado |
| 18 sep | Alibaba (China) | Qwen3.8-LiveTranslate, 60 idiomas de entrada, voz traducida en 29 | API |
| 1 oct | Microsoft (EE. UU.) | MAI-Transcribe-2-Streaming y MAI-Voice-2.1, transcripción en streaming en 60 idiomas y una misma voz en 23 | Cerrado |
| 2 oct | Bilibili (China) | Index-Translate-35B-A3B preview, traducción de texto e imagen en 150 idiomas, Apache 2.0, con los modelos hermanos Index-Echo de voz a voz | Abierto |
| 6 oct | Mistral (Francia) | Mistral Large 4 preview, un modelo generalista (no un traductor dedicado) entrenado con datos de 160+ idiomas, con pesos prometidos para final de mes | Abierto (pendiente) |
India también tiene su propia vía. Sarvam-Translate, lanzado en junio de 2025 y todavía el modelo de traducción abierto de Sarvam, está desarrollado con AI4Bharat y cubre los 22 idiomas oficiales reconocidos de la India más el inglés, incluidos documentos largos y estructurados en 15 de ellos.
¿Qué modelos traducen voz en vivo y en cuántos idiomas hablan de verdad?
Este es el dato que la mayoría de los titulares se salta. La cobertura de entrada es amplia; la de salida, estrecha.
| Modelo | Entiende | Habla audio traducido en | Retraso según el proveedor |
|---|---|---|---|
| Google Gemini 3.5 Live Translate | 70+ idiomas, detectados automáticamente | 70+ idiomas (lista de idiomas compatibles) | "unos segundos" (Slator) |
| OpenAI GPT-Realtime-Translate | 70+ idiomas | 13 idiomas (OpenAI Cookbook) | sigue el ritmo de quien habla |
| Alibaba Qwen3.8-LiveTranslate | 60 idiomas | 29 idiomas | 2.3 segundos de media, frente a 2.8 antes |
| DeepL Voice-to-Voice | 40+ idiomas | 40+ idiomas (API en acceso anticipado) | no publicado |
| Kyutai Hibiki-Zero (abierto) | 4 idiomas | Inglés | simultáneo |
Los 13 idiomas de salida de OpenAI son inglés, español, portugués, francés, alemán, italiano, ruso, chino, japonés, coreano, hindi, indonesio y vietnamita. Ese modelo puede entender a quien habla árabe o turco, pero no puede responderle en su propio idioma. Si tus clientes llaman en árabe, esa sola fila te resuelve la duda.
Los sistemas más nuevos también intentan conservar la voz de quien llama. Google afirma que su modelo mantiene "la entonación, el ritmo y el tono". Alibaba añadió separación de hablantes en septiembre, así que una llamada a tres ya no mezcla a todos en una única voz traducida. DeepL lanzó nuevos modelos Voice en septiembre que conservan la voz, el tono y el ritmo de cada hablante de un idioma a otro. Ya hablamos de cómo gestionan las interrupciones estos modelos de voz en nuestro artículo sobre IA de voz full-duplex.
¿Los modelos de traducción dedicados ya superan a los chatbots generalistas con el texto?
A veces, y depende de qué prueba mires.
La ficha técnica del propio modelo de Bilibili es inusualmente franca en esto. En FLORES (COMET-22), su preview de 35B obtiene 0.8794, por delante de GPT-5.6 Sol de OpenAI con 0.8650 y de Gemini 3.5 Flash Lite de Google con 0.8750 (un modelo de gama media de Google; el modelo puntero de Google ahora es Gemini 4 Argon). Sin embargo, en la puntuación de jueces de WMT26 de esa misma tabla, GPT-5.6 Sol queda primero con 89.10 frente a 76.76 de Index-Translate. Un matiz: GPT-5.6 Sol es también el modelo que hace de juez en esa prueba, y OpenAI ya ha pasado ChatGPT a GPT-6. Ninguna de las dos cifras es una clasificación neutral.
Tencent hace una afirmación parecida sobre Hy-MT2: su artículo indica que los modelos de 7B y 30B superan a DeepSeek-V4-Pro y Kimi K2.6 en modo de pensamiento rápido, y que la versión de 1.8B ocupa 440 MB tras la compresión. Es lo bastante pequeña para funcionar en un móvil.
Así que, en octubre de 2026, no hay un único "mejor modelo de traducción". Nuestra lectura de los datos:
- Los modelos abiertos especializados (Index-Translate, Hy-MT2, Sarvam-Translate) ya compiten con los chatbots punteros en los benchmarks de texto estándar, con una fracción de su tamaño. Explicamos por qué este patrón se repite una y otra vez en modelos de lenguaje pequeños en 2026.
- Los modelos generalistas punteros siguen ganando, por lo general, en fluidez real evaluada por jueces, y manejan conversaciones completas mejor que frases sueltas.
- En los idiomas poco comunes es donde se abre la brecha. En la tabla de idiomas con pocos recursos de Bilibili, Hy-MT2-1.8B respondió en el idioma equivocado el 54.2% de las veces, frente al 2.4% de Index-Translate-35B. Es un proveedor puntuando a un rival, así que tómalo como una pista que probar, no como un veredicto.
¿En qué siguen quedándose cortos estos modelos?
La documentación de Google es la fuente más útil aquí, porque enumera los puntos débiles sin rodeos. Según las limitaciones de Live Translate de Google y el resumen de la ficha técnica que hace Slator, la réplica de voz "puede volverse inconsistente en conversaciones largas o sesiones con varios hablantes", y la detección del idioma "puede tener dificultades con acentos marcados, idiomas parecidos o cambios rápidos de idioma".
Google añade que estos fallos de detección afectan sobre todo a la transcripción de entrada, y que la traducción final debería seguir siendo precisa. Es justo, pero quienes llaman cambian de idioma a mitad de frase constantemente, y una transcripción en la que tu equipo no puede confiar ya es un problema en sí. El chat escrito es otro caso distinto: ahí los clientes mezclan alfabetos y dialectos, escriben árabe con letras latinas o meten nombres de marcas en inglés en una frase en turco (nuestro artículo sobre atención al cliente con IA en árabe en el Golfo tiene los datos de dialectos). Live Translate solo acepta audio, así que eso no lo resuelve.
Dos límites más que conviene conocer:
- Nombres y términos de producto. Los proveedores lo están parcheando, lo que demuestra que es un fallo conocido: DeepL añadió "personalización con términos hablados", Qwen mantiene la compatibilidad con palabras clave para marcas y nombres de productos, e Index-Translate admite un glosario.
- Un retraso de 2 a 3 segundos está bien para una conferencia, pero resulta incómodo en una venta. El retraso medio de 2.3 segundos de Alibaba es buena ingeniería. En una llamada en la que el cliente pregunta "entonces, ¿puedo reservar el jueves?", sigue pareciendo una conexión por satélite.
¿Qué debería comprobar un negocio antes de confiar en la traducción con IA?
Si vendes a clientes que escriben o llaman en otros idiomas, estas son las preguntas que importan más que cualquier benchmark:
- ¿En qué idiomas puede responder? Pide la lista de salida con nombres; la lista de entrada siempre es más larga.
- ¿Traduce o responde de forma nativa? Un modelo que escribe directamente en español suele sonar más natural que un texto en inglés pasado por un traductor.
- ¿Puede tu equipo leer cada conversación? Alguien tiene que revisar lo que dijo la IA, en un idioma que entienda.
- ¿Puedes bloquear nombres de marca y precios? Un precio traducido o un nombre de producto mal traducido acaba en un ticket de soporte.
- ¿Qué pasa con un idioma que no admite? Debería volver a un idioma que tú hayas elegido, no adivinar.
¿Cómo gestiona Entagl las conversaciones en otros idiomas?
El AI Receptionist de Entagl no le pega un traductor a un bot en inglés. Detecta el idioma del cliente en cada mensaje y escribe la respuesta directamente en ese idioma, en más de 100 idiomas, y sigue al cliente cuando cambia de idioma a mitad de la conversación. Un simple "ok" o el nombre de una marca no le hace volver al idioma anterior.
Para tu equipo, la bandeja de entrada puede traducir una conversación entera cuando lo necesites a cualquiera de sus 10 idiomas de equipo (inglés, turco, árabe, ruso, español, francés, alemán, italiano, portugués y griego), incluidas las transcripciones de notas de voz. Cuando tomas el control y escribes tú mismo una respuesta, una reescritura con IA convierte tu mensaje al idioma del cliente antes de enviarlo. Y si solo quieres que la IA responda en los idiomas con los que trabajas, el ajuste opcional "Responder solo en estos idiomas" mantiene cada respuesta dentro de tu lista y recurre a tu idioma principal para todo lo demás. Explicamos cómo encajan todas estas piezas en atención al cliente multilingüe con IA y tu equipo.
La interfaz del producto de Entagl está disponible en 10 idiomas; la cifra de más de 100 se refiere a los idiomas en los que el agente de IA responde a los clientes.
FAQ
¿Cuál es el mejor modelo de traducción con IA en 2026?
No hay un único ganador. En octubre de 2026, modelos abiertos especializados como Index-Translate de Bilibili lideran algunos benchmarks de texto (0.8794 en FLORES COMET-22 según su propio informe), mientras que los modelos generalistas punteros siguen puntuando más alto en fluidez evaluada por jueces. En voz en vivo, de los modelos comparados aquí, Gemini 3.5 Live Translate de Google es el que habla en más idiomas, con 70+ (lista de idiomas compatibles).
¿Puede la IA traducir una llamada telefónica en tiempo real?
Sí, con cierto retraso. Alibaba informa de un retraso medio de 2.3 segundos para Qwen3.8-LiveTranslate, y Google describe su resultado como algo que va "unos segundos por detrás". Funciona para reuniones y llamadas de soporte; en llamadas de venta con un ida y vuelta rápido, se nota.
¿Existen modelos de traducción con IA gratuitos y de código abierto?
Sí. Index-Translate de Bilibili (150 idiomas, Apache 2.0), Hy-MT2 de Tencent (33 idiomas), Sarvam-Translate (22 idiomas de la India) e Hibiki-Zero de Kyutai (voz, cuatro idiomas al inglés) publican sus pesos. Mistral afirma que los pesos de Large 4 llegarán antes de que termine octubre de 2026.
¿De verdad les importa a los clientes que un negocio les responda en su idioma?
Los datos más conocidos dicen que sí. La encuesta de CSA Research a 8,709 consumidores de 29 países concluyó que el 76% prefiere comprar con información en su propio idioma y que el 40% no compra en webs en otros idiomas.
¿Una pequeña empresa debería usar un modelo de traducción o un agente de IA multilingüe?
Si tus clientes te escriben por WhatsApp, Instagram o el chat de tu web, un agente multilingüe que responde de forma nativa y deja a tu equipo leer una versión traducida es más sencillo que conectar un traductor a tu bandeja de entrada. Los modelos de traducción tienen más sentido para documentos, subtítulos y eventos en directo.
¿Clientes que escriben en idiomas que tu equipo no habla? Descubre cómo Entagl responde, gestiona reservas y transfiere conversaciones en el idioma del propio cliente. Reserva una demo de 30 minutos.
Fuentes (consultadas el 21 de octubre de 2026): anuncios y fichas técnicas de modelos de Google, OpenAI, Alibaba (vía Slator), DeepL, Microsoft, Tencent (arXiv 2605.22064), Bilibili (Hugging Face), Mistral, Sarvam y Kyutai; datos de consumidores de CSA Research (2020). Las cifras de benchmarks son las que comunica cada proveedor y Entagl no las ha reproducido de forma independiente.