Google quiere llevar la IA a 1.000 idiomas: Gemini aprende a entender tono, emoción y mezclas lingüísticas
Google está ampliando su estrategia de inteligencia artificial multilingüe con un objetivo especialmente ambicioso: conseguir que sus modelos puedan entender los 1.000 idiomas más hablados del mundo. La compañía quiere superar la traducción tradicional de texto y desarrollar sistemas capaces de interpretar directamente el audio, incluyendo tono, ritmo, emoción, contexto y conversaciones en las que se mezclan varios idiomas.
Durante años, traducir con una máquina significaba convertir una frase escrita en un idioma en otra frase escrita en otro.
La inteligencia artificial está haciendo que esa definición resulte cada vez más limitada.
Las personas no hablan como escriben.
Hacen pausas, dudan, interrumpen, utilizan expresiones locales, cambian de idioma dentro de una misma frase y transmiten parte del significado mediante el tono de voz.
Google quiere que sus modelos sean capaces de comprender también esa parte de la comunicación.
La compañía ha detallado una estrategia destinada a construir sistemas de inteligencia artificial que no se limiten a traducir palabras, sino que intenten comprender cómo hablan realmente las personas.
Google ya trabaja con más de 300 idiomas
Según Google, sus tecnologías y productos permiten actualmente interacciones en más de 300 idiomas.
En conjunto, estas lenguas son utilizadas por más de 7.000 millones de personas, equivalentes aproximadamente al 86% de la población mundial según las cifras comunicadas por la compañía.
La escala es considerable, pero Google reconoce que todavía existe una enorme desigualdad lingüística dentro de Internet y de los sistemas de inteligencia artificial.
Miles de lenguas y dialectos continúan teniendo una presencia digital limitada o prácticamente inexistente.
Google Translate ha pasado de unos pocos idiomas a más de 250
La evolución puede observarse en Google Translate.
El servicio se lanzó en 2006 con soporte para un número reducido de lenguas.
Dos décadas después, Google afirma que Translate supera los 250 idiomas.
La siguiente etapa, sin embargo, no consiste únicamente en añadir nuevas opciones a una lista.
El objetivo es desarrollar modelos capaces de capturar información que desaparece cuando una conversación se convierte primero en texto.
El problema de convertir primero la voz en texto
Los sistemas tradicionales de reconocimiento y traducción de voz suelen seguir varias etapas.
Primero transcriben el audio.
Después procesan ese texto.
Finalmente pueden traducirlo y sintetizar nuevamente una voz.
El sistema funciona, pero durante el proceso puede perder información.
La velocidad con la que alguien habla, una pausa, una entonación irónica o una emoción determinada no siempre quedan reflejadas correctamente en una transcripción.
Google está intentando evitar parte de esa pérdida procesando el audio de forma más directa mediante modelos multimodales.
Gemini empieza a trabajar directamente sobre el audio
La compañía explica que modelos como Gemini pueden procesar audio de forma nativa en lugar de depender exclusivamente de una transcripción intermedia.
Eso permite trabajar simultáneamente con las palabras pronunciadas y con características del sonido.
El objetivo es entender no solo qué se está diciendo, sino también parte del cómo.
Esta evolución puede resultar especialmente relevante en conversaciones reales, donde la comunicación rara vez sigue estructuras gramaticales perfectas.
Gemini 3.5 Live Translate trabaja con 70 idiomas
Uno de los ejemplos presentados por Google es Gemini 3.5 Live Translate.
La tecnología permite traducción oral en tiempo real entre 70 idiomas y más de 2.000 combinaciones lingüísticas.
Google destaca especialmente su capacidad para mantener determinados elementos emocionales y para gestionar cambios de idioma dentro de una misma conversación.
Este último fenómeno es especialmente habitual en comunidades bilingües.
Del Spanglish al Hinglish: la IA tiene que entender idiomas mezclados
Las conversaciones reales no respetan siempre las fronteras entre idiomas.
Una persona puede comenzar una frase en español e introducir posteriormente una palabra o expresión en inglés.
En India, combinaciones como el Hinglish mezclan hindi e inglés de forma cotidiana.
En comunidades hispanohablantes ocurre algo similar con el Spanglish.
Los modelos entrenados únicamente alrededor de idiomas perfectamente separados pueden encontrar dificultades en estas situaciones.
Google está intentando que sus modelos de voz aprendan también estos patrones.
Gemini 3.5 Transcribe convierte conversaciones complejas en texto
La compañía presenta también Gemini 3.5 Transcribe, su modelo orientado a convertir voz en texto.
Google lo define como su sistema de transcripción más preciso hasta el momento y destaca su capacidad para trabajar en entornos ruidosos o con vocabulario técnico complejo.
La tecnología está conectándose además con aplicaciones utilizadas diariamente por millones de personas.
Gboard puede eliminar muletillas y corregir el texto dictado
Una de esas integraciones aparece en Gboard.
La función Rambler utiliza estas capacidades para transformar un discurso espontáneo en texto más limpio y estructurado.
Puede eliminar determinadas muletillas, corregir gramática y puntuación y permitir modificaciones mediante órdenes de voz.
También está diseñada para trabajar cuando el usuario cambia entre varios idiomas.
El resultado muestra cómo la IA lingüística puede evolucionar desde una herramienta de traducción hacia una interfaz completa de interacción con dispositivos.
Google mantiene su objetivo de llegar a 1.000 idiomas
El proyecto más amplio detrás de esta estrategia es la denominada 1,000 Languages Initiative.
Google quiere desarrollar modelos capaces de trabajar con los 1.000 idiomas más hablados del planeta.
El desafío es considerable porque la disponibilidad de datos varía enormemente entre lenguas.
Inglés, español, chino o francés disponen de cantidades gigantescas de texto y audio digitalizados.
Otros idiomas tienen muchos menos recursos disponibles para entrenar sistemas de inteligencia artificial.
12 millones de horas de audio para entrenar un modelo universal
Una de las tecnologías desarrolladas para resolver este desequilibrio es el Universal Speech Model.
Google indica que fue entrenado utilizando aproximadamente 12 millones de horas de audio.
El sistema aplica técnicas de aprendizaje transversal entre idiomas.
En términos simplificados, intenta aprovechar patrones aprendidos en lenguas que disponen de grandes cantidades de datos para mejorar posteriormente el reconocimiento de otras con menos información disponible.
La transferencia entre idiomas puede reducir la dependencia de grandes datasets
El enfoque puede resultar especialmente importante para lenguas denominadas de bajos recursos.
Crear desde cero un dataset de millones de horas para cada idioma sería extremadamente costoso.
Los modelos multilingües pueden aprovechar similitudes fonéticas, estructurales o acústicas aprendidas previamente.
Eso no elimina la necesidad de recopilar datos locales, pero puede reducir la cantidad necesaria para alcanzar resultados útiles.
El problema es que Internet no representa todos los idiomas por igual
Gran parte de la inteligencia artificial moderna se ha desarrollado utilizando información disponible en Internet.
Pero Internet no constituye una representación equilibrada de la población mundial.
Algunas lenguas concentran una enorme proporción del contenido escrito, mientras que otras utilizadas por millones de personas apenas aparecen digitalizadas.
Google reconoce que depender exclusivamente de la web dejaría fuera una parte significativa de la diversidad lingüística.
Por ello, la compañía está recurriendo a colaboraciones locales para recopilar nuevas fuentes de datos.
WAXAL recopila voz en 27 idiomas del África subsahariana
Uno de esos proyectos es WAXAL, desarrollado con colaboradores como Makerere University y Digital Umuganda.
El conjunto de datos abierto cubre 27 idiomas del África subsahariana.
En conjunto, estas lenguas son utilizadas por más de 100 millones de personas en más de 26 países.
El proyecto intenta capturar elementos como variaciones tonales y ritmos conversacionales que pueden estar insuficientemente representados en datasets tradicionales.
Project Vaani está cartografiando la enorme diversidad lingüística de India
Otro de los grandes proyectos se desarrolla en India.
Project Vaani, impulsado junto al Indian Institute of Science y Bhashini, utiliza un enfoque geográfico para recopilar muestras de habla.
Hasta ahora, Google señala que el proyecto ha reunido más de 30.000 horas de voz.
Los datos cubren 109 idiomas y más de 155.000 hablantes.
India representa uno de los casos más complejos para las tecnologías lingüísticas debido a su enorme diversidad de idiomas, dialectos y variaciones regionales.
Más de 1.600 expertos locales participan en Amplify
Google trabaja además en la denominada Amplify Initiative.
El proyecto ha reunido a más de 1.600 expertos locales y 20 universidades distribuidas por cuatro continentes.
Entre las instituciones participantes aparecen UFMG en Brasil, IIT Kharagpur en India y Makerere University en Uganda.
La iniciativa ha generado alrededor de 15.000 puntos de datos multimodales destinados a capturar matices culturales y lingüísticos locales.
La comunidad local se convierte en parte del entrenamiento
Este planteamiento refleja una cuestión importante dentro del desarrollo de modelos globales.
Un idioma no puede reducirse únicamente a vocabulario y reglas gramaticales.
Pronunciación, referencias culturales, expresiones locales y contexto social forman parte de su utilización cotidiana.
Por ello, incorporar hablantes y especialistas locales puede resultar fundamental para evitar que un sistema técnicamente correcto produzca resultados culturalmente extraños.
Google está construyendo un mapa abierto de más de 7.000 lenguas
La compañía ha presentado también Language Explorer, una herramienta interactiva basada en LinguaMeta.
El repositorio pretende visualizar información sobre más de 7.000 lenguas habladas, escritas y de signos.
El objetivo es proporcionar una visión más amplia del estado de los datos lingüísticos disponibles y ayudar a identificar dónde existen mayores carencias.
La inteligencia artificial multilingüe tiene un problema adicional: Internet
Incluso un modelo capaz de trabajar con una lengua determinada puede resultar poco útil si necesita una conexión permanente con grandes centros de datos.
Google recuerda que más de 3.000 millones de personas continúan sin disponer de acceso fiable a Internet.
Esto obliga a diseñar modelos que puedan ejecutarse localmente o funcionar mediante infraestructuras mucho más limitadas.
TranslateGemma lleva la traducción al propio dispositivo
Para abordar esta limitación, Google ha desarrollado TranslateGemma.
Se trata de una familia de modelos abiertos y ligeros de traducción construidos a partir de Gemini.
Los modelos han sido entrenados para trabajar con 55 idiomas.
Una de sus principales características es que pueden ejecutarse directamente en dispositivos compatibles.
Esto permite realizar determinadas tareas de traducción sin enviar necesariamente la información a la nube y sin disponer continuamente de conexión a Internet.
La IA local puede ser importante tanto para accesibilidad como para privacidad
Ejecutar un modelo en el propio dispositivo presenta varias ventajas potenciales.
Puede reducir la latencia.
Permite trabajar en zonas con conectividad limitada.
Y puede evitar que determinadas conversaciones tengan que salir continuamente del dispositivo para ser procesadas.
El procesamiento local está convirtiéndose así en una de las grandes líneas de desarrollo de la inteligencia artificial móvil.
Pero cientos de millones de personas siguen utilizando teléfonos básicos
La ejecución local tampoco resuelve todos los problemas.
Los modelos de inteligencia artificial requieren una determinada capacidad de cálculo.
En numerosos mercados emergentes continúan utilizándose teléfonos básicos que no disponen del hardware necesario para ejecutar estas tecnologías.
Google está trabajando también en alternativas para ese escenario.
Gemini llega a teléfonos convencionales mediante una llamada de voz
Un ejemplo es Ask Viamo Anything (AVA), desarrollado por Viamo con apoyo de Google.
El servicio permite acceder mediante voz a capacidades basadas en Gemini incluso desde teléfonos convencionales.
En lugar de necesitar una aplicación avanzada, el usuario interactúa mediante sistemas de respuesta de voz.
Viamo ha realizado un piloto en Ruanda y, según Google, Gemini ya ha respondido a más de dos millones de preguntas mediante el servicio.
La interfaz de la IA no tiene por qué ser una aplicación
El proyecto ilustra una cuestión especialmente relevante.
Cuando se habla de inteligencia artificial suele imaginarse un chatbot dentro de un smartphone o un navegador.
Pero la interfaz puede ser simplemente una llamada telefónica.
En regiones donde los smartphones modernos no son universales, adaptar la tecnología al hardware existente puede resultar mucho más efectivo que esperar a que todos los usuarios cambien de dispositivo.
Google también trabaja con más de 50 lenguas de signos
La estrategia lingüística incorpora además accesibilidad.
Google DeepMind ha desarrollado Sign Language-to-Text (SL2T), un sistema entrenado utilizando más de 50 lenguas de signos.
La tecnología comienza a utilizarse para convertir lengua de signos en texto dentro de productos como Gboard y Live Transcribe.
Su despliegue inicial contempla la traducción de American Sign Language a inglés en Pixel 11.
Unos 70 millones de personas utilizan lenguas de signos
Google sitúa en aproximadamente 70 millones el número de personas que dependen de lenguas de signos para comunicarse.
Las herramientas tradicionales de reconocimiento de voz no ofrecen una solución a este colectivo.
Incorporar visión artificial y modelos multimodales permite ampliar el concepto de lenguaje que utiliza la inteligencia artificial.
Ya no se trata únicamente de texto o voz.
La pronunciación de un lugar también forma parte de su identidad
Google está trabajando además en problemas aparentemente menores pero culturalmente relevantes.
Una aplicación de navegación puede reconocer correctamente el nombre escrito de una localidad y, aun así, pronunciarlo de forma incorrecta.
La compañía ha colaborado con especialistas en lengua maorí en Nueva Zelanda para mejorar la pronunciación de topónimos dentro de Google Maps.
El objetivo es integrar pronunciaciones culturalmente auténticas directamente en los sistemas de texto a voz.
La IA lingüística se extiende a todo el ecosistema de Google
Estas tecnologías no están limitadas a Google Translate.
Según la compañía, sus sistemas lingüísticos están integrados en nueve grandes plataformas y conectan con más de 5.000 millones de personas.
Entre ellas aparecen Search, Android, Chrome, YouTube y Google Play.
La escala transforma cualquier avance en reconocimiento lingüístico en una tecnología potencialmente aplicable a numerosos productos.
Gemini se está convirtiendo en una capa transversal
La estrategia coincide con la expansión más amplia de Gemini dentro del ecosistema de Google.
El modelo ya no se utiliza únicamente como asistente conversacional.
Google está integrándolo progresivamente en búsqueda, dispositivos, traducción, productividad y diferentes experiencias digitales.
En TerritorioFintech hemos analizado cómo Google está utilizando Gemini y Pixel también dentro de su colaboración tecnológica con el FC Barcelona.
El trabajo lingüístico representa otra dimensión de esa estrategia: convertir Gemini en una infraestructura capaz de comprender cómo interactúan usuarios de mercados y culturas muy diferentes.
Entender más idiomas puede ampliar enormemente el mercado de la IA
La expansión lingüística tiene también una dimensión económica.
Un producto digital que funciona correctamente únicamente en un pequeño grupo de idiomas limita automáticamente su mercado.
Mejorar las capacidades multilingües permite que herramientas de educación, banca digital, comercio electrónico, salud o administración puedan utilizarse por poblaciones mucho más amplias.
En muchos casos, la barrera de adopción no es que la tecnología no exista, sino que no comprende correctamente al usuario.
La inclusión lingüística puede convertirse en infraestructura económica
La posibilidad de interactuar con servicios digitales en el idioma habitual del usuario tiene implicaciones que van más allá de la comodidad.
Puede facilitar acceso a información financiera.
Puede permitir recibir orientación sanitaria.
Puede simplificar trámites administrativos.
Puede mejorar la educación digital.
Y puede permitir que pequeños negocios utilicen herramientas que anteriormente estaban disponibles fundamentalmente en las principales lenguas internacionales.
Google ya lleva la formación en IA hacia pequeñas empresas
Esta dimensión empresarial conecta con otras iniciativas de la compañía.
TerritorioFintech ha contado cómo Google está llevando formación práctica en inteligencia artificial a pequeñas empresas.
La utilidad de esas herramientas aumenta considerablemente cuando los usuarios pueden interactuar con ellas en su propio idioma y sin necesidad de adaptar continuamente su forma natural de expresarse.
La próxima frontera no es traducir palabras, sino preservar significado
La ambición de Google muestra cómo está cambiando el problema de la traducción automática.
La pregunta ya no es únicamente si un sistema puede convertir correctamente una frase de español a inglés.
El reto es conservar intención, tono, emoción, contexto cultural y las particularidades con las que cada comunidad utiliza su idioma.
Cuanto más se acerque la inteligencia artificial a conversaciones reales, más importantes se vuelven estas variables.
Más contexto implica también más responsabilidad
Un modelo que interpreta tono y emoción trabaja con información mucho más rica que un traductor de texto convencional.
Esto aumenta sus posibilidades, pero también exige mayor transparencia sobre cómo funciona y qué información procesa.
TerritorioFintech ha analizado por qué la transparencia se está convirtiendo en uno de los grandes retos de la inteligencia artificial.
En sistemas lingüísticos, errores o interpretaciones incorrectas pueden tener consecuencias especialmente relevantes cuando la herramienta se utiliza en educación, salud, servicios públicos o finanzas.
Los datos locales serán tan importantes como el tamaño del modelo
La estrategia descrita por Google apunta también hacia una conclusión importante para el desarrollo de IA.
No todo depende de construir un modelo con más parámetros o más capacidad de cálculo.
La calidad de los datos y su representación cultural pueden resultar igualmente determinantes.
Los proyectos WAXAL, Vaani y Amplify muestran precisamente ese cambio.
La compañía necesita trabajar con universidades, investigadores y comunidades locales para recopilar información que Internet por sí solo no proporciona.
La inteligencia artificial global tendrá que construirse localmente
Existe una aparente contradicción.
Google desarrolla modelos globales destinados a miles de millones de usuarios, pero para que funcionen correctamente necesita comprender detalles extremadamente locales.
Un nombre de lugar en Nueva Zelanda.
Un patrón tonal en una lengua africana.
Una mezcla habitual entre hindi e inglés.
Una lengua de signos determinada.
El rendimiento global depende así de una enorme cantidad de conocimiento local.
El objetivo de los 1.000 idiomas redefine la carrera de la IA
La competición entre grandes modelos suele compararse mediante capacidad de razonamiento, programación, generación de imágenes o velocidad.
La cobertura lingüística introduce otra métrica.
Un modelo puede ser extraordinariamente avanzado en inglés y ofrecer una experiencia mucho menos fiable en idiomas con menos datos disponibles.
Para una tecnología que aspira a convertirse en interfaz universal, esa desigualdad representa una limitación estructural.
La verdadera escala de la IA se medirá también por quién puede utilizarla
Google sostiene que sus actuales tecnologías lingüísticas cubren ya más de 300 idiomas y alcanzan lenguas utilizadas por aproximadamente el 86% de la población mundial.
Pero su estrategia muestra que la última parte del problema puede ser la más difícil.
Incorporar idiomas poco representados exige nuevos datasets.
Trabajar con conversaciones reales requiere interpretar audio de forma nativa.
Llegar a regiones con poca conectividad requiere modelos locales.
Atender a teléfonos básicos obliga a diseñar interfaces diferentes.
Y hacer accesible la tecnología requiere ampliar la definición de lenguaje para incluir también las lenguas de signos.
El objetivo de llegar a los 1.000 idiomas más hablados es, por tanto, mucho más que ampliar Google Translate.
Implica construir una inteligencia artificial capaz de funcionar en contextos tecnológicos, sociales y culturales muy distintos.
Si Google consigue avanzar hacia ese objetivo, la gran transformación de la IA multilingüe no será únicamente que las máquinas traduzcan más idiomas, sino que más personas puedan utilizar la inteligencia artificial sin tener que cambiar la forma natural en la que hablan, escriben o se comunican.
TerritorioFintech es un medio digital dirigido a la Digital Money Generation y especializado en la actualidad de los nuevos modelos bancarios y financieros. Su equipo editorial publica contenidos informativos y divulgativos con el objetivo de contribuir a mejorar la educación financiera de sus lectores.
Todos los contenidos tienen una finalidad exclusivamente informativa y educativa. En ningún caso deben interpretarse como asesoramiento financiero ni como recomendaciones de inversión.
