Traducción de voz a voz en tiempo real con JotMe para reuniones y eventos

Cómo lo hemos desarrollado

Llevamos años trabajando en la traducción de voz a voz en tiempo real.

Desde los comienzos de JotMe, creíamos que hablar con naturalidad entre idiomas sería una de las interfaces más importantes para el trabajo internacional. Pero, en nuestra experiencia de desarrollo, la tecnología aún no estaba preparada.

• Generar audio llevaba demasiado tiempo.
• Nos costaba conservar el contexto en la traducción.
• Las voces resultaban robóticas y poco naturales.
• La latencia interrumpía el ritmo de la conversación.
• Y, sobre todo, los costes dificultaban ofrecerlo de forma sostenible.

Por estas limitaciones, no lo lanzamos de forma generalizada al principio. Algunos clientes empresariales dispuestos a experimentar trabajaron con nosotros, y tuvimos la oportunidad de desarrollar la solución junto a ellos.

En mayo de 2026, el lanzamiento de GPT-Realtime-2 por OpenAI marcó un punto de inflexión en este trabajo.

Para nosotros, la interacción por voz empezaba a sentirse menos como una demostración y más como una base práctica sobre la que construir: escuchar, procesar y generar voz dentro del mismo flujo.

Aun así, quedaban dos retos importantes para incorporar la traducción de voz al trabajo diario de las empresas internacionales.

1. Contexto de trabajo en tiempo real

Para traducir bien en el trabajo, además de reconocer el idioma hay que comprender el contexto.

La traducción puede depender de quién habla, el proyecto, la terminología interna, los nombres de clientes y productos, las decisiones anteriores o la estructura del equipo.

Sin contexto, incluso un modelo avanzado puede equivocarse. La información de trabajo que proporcionas a la IA puede ayudarla a interpretar lo que se dice; eso no significa que acceda automáticamente a todos los datos de tu empresa.

2. Distribución del audio

El segundo reto era muy práctico: ¿cómo hacer llegar el audio traducido a reuniones, eventos, seminarios web, llamadas comerciales y conversaciones con clientes?

En el periodo previo a este lanzamiento, trabajamos en estos dos retos. Este artículo presenta el resultado y cómo utilizar sus modos de escritorio compatibles.

‍

¿Qué supone esta tecnología para las empresas internacionales?

Queremos facilitar el acceso a una tecnología que antes solíamos abordar mediante proyectos de implantación personalizados. La disponibilidad y el coste actuales dependen del plan, del consumo y de la configuración que necesite cada organización.

Pero lo que nos ilusiona va más allá de ampliar el acceso a la tecnología.

La comunicación entre idiomas ha utilizado durante décadas distintos procesos de traducción e interpretación. Cuando hay varios pasos o intermediarios, puede resultar más difícil mantener el ritmo y el contexto; el apoyo profesional sigue teniendo un papel según la situación.

Creemos que la traducción de voz a voz puede ayudar a que cada persona se exprese en su idioma mientras la IA traduce durante la conversación. El objetivo es conservar mejor la intención y el significado, aunque siempre hay que revisar los detalles importantes.

Quizá conozcas el reto de dibujar sobre la espalda de otra persona para que reproduzca el dibujo en un papel. Tras varios pasos, el resultado puede parecerse muy poco al original.

Utilizamos esa imagen para explicar nuestra motivación: reducir pasos en la comunicación entre idiomas y ayudar a que se conserve el contexto.

‍

¿Por qué utilizar la traducción de voz a voz de JotMe?

JotMe está pensado para conversaciones de trabajo en las que los nombres de productos, clientes, proyectos y términos internos importan. El contexto y las notas anteriores que aportas pueden ayudar a interpretar ese significado durante la conversación. No garantizan una traducción sin errores ni acceso automático a toda la información de la empresa.

La aplicación de escritorio puede utilizarse junto a Zoom, Google Meet, Teams y otras fuentes de audio compatibles, así como en eventos o conversaciones presenciales. Fast ofrece 13 idiomas de salida de voz: chino, inglés, francés, alemán, hindi, indonesio, italiano, japonés, coreano, portugués, ruso, español y vietnamita. Comprueba los idiomas de entrada del modo seleccionado; no deben confundirse con los destinos de texto.

Mientras traduce la voz, JotMe también puede mostrar la transcripción y la traducción escrita. Si la sesión se guarda, podrás revisar su contenido y generar notas con IA después. El almacenamiento, el acceso, los idiomas de notas y el consumo dependen de las funciones y del plan.

‍

‍

Cómo utilizar la traducción de voz a voz

La traducción de voz a voz de este tutorial se configura en escritorio: necesita captar audio, dirigir la voz traducida a su destino y reproducirla. En la interfaz, busca Speech-to-Speech AI Translation, o la denominación equivalente de tu versión.

Antes de iniciar la sesión, selecciona Fast (Audio) como idioma o modo de entrada y elige un Fast Translation Language compatible. Después, abre el menú de traducción de voz a voz.

Fast detecta automáticamente el idioma hablado dentro de su cobertura. La salida de voz traducida admite estos 13 idiomas:

Chino mandarín con texto simplificado, inglés, francés, alemán, hindi, indonesio, italiano, japonés, coreano, portugués, ruso, español y vietnamita.

Modo 1. Online Meeting: reunión en línea

Utiliza Online Meeting para configurar voz traducida junto a Zoom, Google Meet, Teams, WhatsApp u otra aplicación de reuniones compatible. El equipo y la aplicación deben poder utilizar los dispositivos de audio virtual que indique JotMe.

Online Meeting ofrece tres direcciones de traducción.

Two-Way: bidireccional

Elige esta opción cuando ambas partes necesiten escuchar voz traducida.

• Tú escuchas la traducción de la otra persona en el idioma que has elegido.
• La otra persona escucha tu intervención traducida al idioma de salida configurado.
• JotMe dirige por separado el audio que llega de la reunión y la voz traducida que envía a la aplicación.
• Puede servir para reuniones bilingües, atención al cliente, negociaciones, formación o entrevistas en las que se haya acordado utilizar traducción.

En Mac, el modo bidireccional utiliza BlackHole 2ch para captar la reunión y BlackHole 16ch para la salida traducida. Configura el altavoz y el micrófono de la aplicación de reuniones con los dispositivos exactos que muestre JotMe.

En Windows, sigue la configuración de VB-CABLE y Virtual Audio Cable Line 1 que aparezca en la aplicación. El flujo bidireccional muestra requisitos propios para Line 1; no asumas que la configuración unidireccional sirve también para ambos sentidos.

Listening Only: solo escuchar

Elige esta opción si solo necesitas escuchar la traducción de las demás personas.

• JotMe capta el audio de la reunión a través de la ruta configurada.
• La voz traducida se reproduce en tus auriculares o en el dispositivo de salida seleccionado.
• Tu micrófono no forma parte del flujo de transcripción o traducción de este modo.

En Mac, sigue la ruta de captura con BlackHole 2ch. En Windows, utiliza el dispositivo de captura virtual que indique tu versión de JotMe.

Speaking Only: solo hablar

Elige esta opción para hablar en tu idioma y enviar tu voz traducida a las demás personas.

• JotMe capta tu micrófono.
• La voz traducida se envía a la aplicación de reuniones mediante la ruta virtual configurada.
• En este modo, el audio de las demás personas no forma parte del flujo de transcripción o traducción.

En Mac, configura el micrófono de la reunión con BlackHole 2ch. En Windows, utiliza CABLE Output (VB-Audio Virtual Cable), siguiendo las instrucciones de la aplicación.

Si falta un dispositivo virtual necesario, JotMe puede impedir el inicio hasta detectarlo. Instala el controlador indicado y reinicia el equipo si no aparece; comprueba después la configuración de audio.

Modo 2. Other: otras fuentes

Utiliza Other cuando no necesites enviar el audio traducido a una aplicación de reuniones.

Microphone Audio: audio del micrófono

Puede utilizarse en:

• Conversaciones presenciales
• Eventos presenciales
• Entrevistas
• Clases
• Demostraciones en un estand
• Trabajo sobre el terreno

System Audio: audio del sistema

Puede utilizarse en:

• Vídeos
• Emisiones en directo
• Seminarios web
• Materiales de formación
• Pódcast
• Otro audio que se esté reproduciendo en el ordenador

Other no utiliza dispositivos virtuales para enviar voz a una aplicación de reuniones. Selecciona el micrófono o el audio del sistema como fuente y configura la salida. Detén la sesión antes de cambiar de fuente si el control está bloqueado durante la grabación.

Modo 3. Sharing: compartir

Utiliza Sharing o las opciones para participantes cuando otras personas necesiten recibir la traducción en sus propios dispositivos.

• Compartir mediante URL: los invitados abren el enlace en un navegador y cumplen los requisitos de acceso que haya establecido el anfitrión.
• Compartir mediante código: otro usuario de la aplicación de escritorio de JotMe puede entrar con el código, si el plan y la sesión lo permiten.
• Muestra un QR para facilitar la apertura del enlace.
• Los participantes eligen entre los idiomas que permita el anfitrión y admita el modo.
• En sesiones Fast y planes compatibles, el anfitrión puede habilitar voz para participantes. Fast Audio consume cinco veces los minutos de traducción por participante, incluso si el invitado no reproduce la voz. Revisa el consumo y los límites antes del evento.

Este flujo puede utilizarse en eventos, clases, seminarios web, formación, visitas a fábricas, demostraciones y reuniones en las que los asistentes prefieran distintos idiomas compatibles.

‍

¿Dónde se puede utilizar la traducción de voz a voz de JotMe?

Reuniones de equipos multilingües

En los equipos internacionales, las pausas, las dudas y el miedo a equivocarse pueden dificultar la participación. La traducción de voz puede ayudar a que cada persona hable en un idioma que domina y el resto siga la conversación en otro. Conviene dejar tiempo para que termine la traducción y comprobar que todos han entendido lo importante.

Llamadas comerciales internacionales

En una conversación comercial importan el ritmo, el tono y la confianza. La traducción de voz puede ayudar a hablar directamente con clientes en idiomas compatibles. Confirma precios, condiciones y compromisos en lugar de depender únicamente del resultado de la IA.

Atención al cliente y seguimiento de cuentas

La traducción de voz puede ayudar en incidencias, incorporación de clientes, renovaciones y consultas técnicas. Elige el apoyo que requiera cada caso: no sustituye por sí sola la interpretación profesional ni garantiza resolver una situación urgente sin errores.

Selección y entrevistas internacionales

Las personas candidatas no siempre pueden mostrar todo su conocimiento en un segundo idioma. Una traducción acordada entre las partes puede facilitar entrevistas técnicas y procesos internacionales. Aclara previamente su uso y comprueba que encaja con el objetivo de la evaluación.

Eventos y seminarios web

Con un enlace o QR, los asistentes pueden abrir la traducción en su dispositivo y, cuando el anfitrión habilite voz en una sesión compatible, escucharla en un idioma permitido. Configura los límites de acceso y consumo, prueba la conexión y recomienda auriculares.

Educación y formación

En clases, talleres y formación interna, la traducción de voz puede ayudar a seguir explicaciones en otro idioma. Revisa los términos y conceptos clave y deja espacio para preguntas; la interpretación automática no garantiza comprensión ni exactitud en materias especializadas.

Fabricación y colaboración con proveedores

Las visitas a fábricas, revisiones de calidad y reuniones con proveedores suelen utilizar vocabulario especializado. Añadir contexto, nombres de productos y términos de proceso puede ayudar a JotMe. Confirma instrucciones y datos críticos antes de actuar.

Viajes y hostelería

Hoteles, operadores turísticos y equipos de atención pueden utilizar traducción de voz en conversaciones con huéspedes, proveedores o visitantes. Comprueba los idiomas, la calidad del audio y el dispositivo que mejor encaje con el entorno.

Revisión de contenidos y medios

Fuera de una reunión, puedes seleccionar el audio del sistema para traducir vídeos, emisiones, pódcast o material de formación que se reproduzca en el ordenador. Este flujo permite seguir el contenido mientras se escucha; no implica que genere por sí solo un archivo de vídeo doblado o editado.

‍

Lo que viene después

Una tecnología que cambia la forma de trabajar puede parecer sencilla cuando por fin se utiliza. Creemos que la traducción de voz a voz tiene ese potencial y queremos conocer vuestra experiencia. Si tienes comentarios o quieres consultar una implantación empresarial, escríbenos a hey@jotme.io.

‍