Hugging Face y Cerebras lanzan una IA de voz en tiempo real con Gemma 4

El 1 de julio de 2026, Hugging Face y Cerebras lanzaron una nueva IA de voz basada en el modelo de lenguaje Gemma 4 de Google DeepMind, con 31 000 millones de parámetros y latencias predecibles en tiempo real.

De qué se compone el sistema

La arquitectura consta de cuatro componentes independientes, cada uno de los cuales se puede sustituir sin rehacer los demás:

• Reconocimiento de voz: Nvidia Parakeet
• Modelo de lenguaje: Gemma 4 de Google DeepMind (31 000 millones de parámetros)
• Plataforma de inferencia: Cerebras
• Síntesis de voz: Qwen3TTS de Alibaba

Este enfoque se distingue de forma radical de los pipelines de voz monolíticos: cuando sale un modelo ASR más preciso o un motor TTS más rápido, se reemplaza en el pipeline sin detener todo el sistema. Esto es especialmente importante en un campo tan cambiante como el de los modelos de voz abiertos.

Los desarrolladores disponen de una demo interactiva en el Hugging Face Space «HF Realtime Voice» y del código fuente completo en el repositorio huggingface/speech-to-speech de GitHub. Cualquiera de las cuatro capas se puede bifurcar y adaptar a una tarea concreta, desde un asistente robótico hasta un centro de llamadas corporativo.

La alianza entre Hugging Face y Cerebras forma parte de una tendencia más amplia: la velocidad de inferencia se convierte en una ventaja competitiva tan importante como la calidad del modelo base. Para el ecosistema de código abierto, esto significa que la baja latencia ya no es un privilegio exclusivo de las API cerradas.

¿Por qué importa la latencia en el percentil 95?

La latencia mediana dejó hace tiempo de ser una medida de calidad: la mayoría de los sistemas de voz comerciales cumplen con unos aceptables 300–500 ms de media. El verdadero problema es el percentil 95 (P95), donde aparecen pausas de varios segundos que el usuario percibe como si su interlocutor se hubiera «colgado».

La situación empeora en los diálogos de varios turnos, cuando el modelo debe llamar a una herramienta externa, procesar una imagen o combinar varios fragmentos de contexto. Cada paso adicional multiplica el retraso, y el P95 se convierte en el talón de Aquiles de la arquitectura. Cerebras acelera la inferencia de Gemma 4 lo suficiente como para que las latencias de cola sean predecibles, de modo que se puede construir un sistema con garantías firmes de respuesta.

La escala del uso real respalda esta tesis: más de 9000 robots Reachy Mini ya funcionan en producción con el pipeline de voz a voz de Hugging Face. Son precisamente estos despliegues industriales los que dejan al descubierto la brecha entre los benchmarks de laboratorio y las cifras reales de latencia en operación.

Qué significa

Un stack abierto sobre Gemma 4 con inferencia en Cerebras reduce la barrera de entrada para los equipos que necesitan IA de voz sin dependencias propietarias. La modularidad conserva la flexibilidad a largo plazo: cada una de las cuatro capas se actualiza de forma independiente a medida que salen mejores modelos, sin necesidad de reescribir todo el pipeline por una sola mejora. La demo pública y el repositorio abierto convierten el concepto en una plantilla lista para producción para desarrolladores de robótica, dispositivos inteligentes e interfaces de voz.

Preguntas frecuentes

¿Cuántos parámetros tiene Gemma 4 en este pipeline?

Se usa la versión de Gemma 4 de Google DeepMind con 31 000 millones de parámetros. La inferencia se ejecuta en la plataforma Cerebras, que ofrece latencias predecibles incluso en el percentil 95 de carga.

¿Dónde se puede probar el sistema?

La demo está disponible en el Hugging Face Space «HF Realtime Voice», y el código fuente completo está abierto en el repositorio huggingface/speech-to-speech de GitHub.

¿Qué es Gemma 4?

Es un modelo de lenguaje de Google DeepMind con 31 000 millones de parámetros, utilizado en el pipeline abierto de voz a voz para IA de voz en tiempo real.

¿Se puede usar Gemma 4 gratis?

Sí, es el primer stack modular de IA de voz de acceso público, y los desarrolladores pueden usar y reemplazar cada uno de sus componentes de forma independiente.

¿Qué es la IA de voz Gemma 4?

Es una IA de voz abierta lanzada por Hugging Face y Cerebras sobre el modelo de lenguaje Gemma 4 de Google DeepMind (31 000 millones de parámetros). El sistema convierte voz en voz con latencias predecibles en tiempo real, mediante un stack modular de cuatro componentes independientes.