{"id":52752,"date":"2025-02-27T06:59:12","date_gmt":"2025-02-27T06:59:12","guid":{"rendered":"https:\/\/enfoquenoticioso.com\/tecnologia\/la-ia-que-procesa-voz-imagenes-y-texto\/"},"modified":"2025-02-27T06:59:12","modified_gmt":"2025-02-27T06:59:12","slug":"la-ia-que-procesa-voz-imagenes-y-texto","status":"publish","type":"post","link":"https:\/\/enfoquenoticioso.com\/?p=52752","title":{"rendered":"la IA que procesa voz, im\u00e1genes y texto"},"content":{"rendered":"
\n

Microsoft ha presentado Phi-4-multimodal y Phi-4-mini,<\/strong> los \u00faltimos integrantes de su familia Phi de modelos de lenguaje peque\u00f1os (SLM). Phi-4-multimodal es el primer modelo de la compa\u00f1\u00eda capaz de procesar simult\u00e1neamente habla, visi\u00f3n y texto<\/strong>. La nueva IA del gigante tecnol\u00f3gico se desempe\u00f1a de forma notable en tareas de reconocimiento de voz o traducci\u00f3n, aunque queda corto en otras pruebas frente a los modelos de la competencia.<\/p>\n

De acuerdo con una publicaci\u00f3n en la web de Microsoft<\/a>. Phi-4-multimodal est\u00e1 construido sobre una arquitectura de 5.600 millones de par\u00e1metros<\/strong>. El modelo utiliza una mezcla de LoRAs (Low-Rank Adaptations) para integrar diferentes modalidades de entrada en un espacio de representaci\u00f3n unificado. Una de las ventajas de usar t\u00e9cnicas de aprendizaje cruzado entre modalidades es que mejora el razonamiento y permite interacciones m\u00e1s contextuales<\/strong>.<\/p>\n

Microsoft afirma que su nuevo modelo cuenta con un vocabulario m\u00e1s amplio y soporte multiling\u00fce, mejorando su precisi\u00f3n en el procesamiento del lenguaje. Adem\u00e1s, Phi-4-multimodal soporta inferencia de baja latencia, lo que permite ejecutarlo en dispositivos m\u00f3viles y equipos de gama de entrada.<\/strong><\/p>\n

Seg\u00fan comentan sus desarrolladores, Phi-4-multimodal est\u00e1 dise\u00f1ado para la eficiencia y escalabilidad<\/strong>, dos t\u00e9rminos que se han vuelto populares en los \u00faltimos meses. La llegada de DeepSeek<\/a> y la explosi\u00f3n de modelos peque\u00f1os han hecho que desarrolladores consideren los SLM como alternativa ante un LLM. La arquitectura de este nuevo modelo mejora la velocidad y precisi\u00f3n del procesamiento<\/strong>, soportando entradas multiling\u00fces e integrando el razonamiento del lenguaje con datos multimodales.<\/p>\n

\n
\n

Tabla de Contenido<\/p>\nToggle<\/span><\/path><\/svg><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n