¡45 minutos de clase gratis! · Empieza ahora, sin tarjeta de crédito
Shiur Prati

Clase particular de IA para voz y audio con IA

IA para voz y audio en clase privada en vivo: el maestro te habla por voz, explica en una pizarra compartida y avanza a tu ritmo, clase tras clase, según un programa ordenado.

Clase en vivo 1:1 con tutor IA

Docente: Noam

  • Programa actualizado el 11/2026
  • Hebreo y 5 idiomas más
  • 3 niveles
  • 36 clases · aprox. 20 horas de clases

IA para voz y audio

IA para voz y audio en clase privada en vivo: el maestro te habla por voz, explica en una pizarra compartida y avanza a tu ritmo, clase tras clase, según un programa ordenado.

11 clases · 3 módulos · clase en vivo privada con el profe en la pizarra

Qué aprenderás

  • Cómo oye una computadora: de las ondas sonoras a los números
  • Reconocimiento de voz (STT)
  • Texto a voz (TTS) y el panorama completo
  • De la onda a las características: espectrogramas y log-mel
  • Reconocimiento de voz de extremo a extremo
  • Reconocimiento de hablantes y diarización
  • Tiempo real: latencia, transporte y reconocimiento en streaming
  • Generación en streaming y arquitecturas de agentes
  • Producción: arquitectura, escala y medición
  • Clonación de voz, deepfakes y ética

El curso incluye

  • Clases en vivo 1:1 con tutor IA en pizarra
  • 20 horas de clases en vivo, uno a uno
  • 36 clases en una pizarra compartida, cada una con un objetivo claro
  • Práctica y control de comprensión en cada clase
  • Resumen después de cada clase, guardado en el historial
  • Certificado de finalización por cada nivel
  • Computadora, tablet o celular
  • Hebreo y otros 5 idiomas

Programa del curso

3 niveles · 10 capítulos · 36 clases · 19 h 30 min en total

PrincipiantesPrincipiantes: cómo las computadoras oyen, reconocen y hablan3 capítulos • 11 clases • 5 h 55 min
  1. Cómo oye una computadora: de las ondas sonoras a los números4 clases • 2 h 5 min
    1. 1Qué es el sonido: ondas, frecuencia e intensidadClase de pruebaaprox. 30 min
    2. 2Muestreo y cuantización: digitalizar el sonidoaprox. 35 min
    3. 3Archivos de audio: WAV, canales y compresiónaprox. 30 min
    4. 4Sonidos del habla: fonemas, sonoridad y tonoaprox. 30 min
  2. Reconocimiento de voz (STT)4 clases • 2 h 10 min
    1. 5El pipeline de STT: de la onda al textoaprox. 35 min
    2. 6Medir STT: WER y sus puntos ciegosaprox. 30 min
    3. 7Lo difícil del STT: ruido, acentos y hebreoaprox. 30 min
    4. 8STT en la práctica: VAD, elección de modelo y privacidadaprox. 35 min
  3. Texto a voz (TTS) y el panorama completo3 clases • 1 h 40 min
    1. 9El pipeline de TTS: del texto a la ondaaprox. 35 min
    2. 10Prosodia, voces y evaluación de TTSaprox. 30 min
    3. 11Asistente de voz: el pipeline completo y de dónde viene la latenciaaprox. 35 min
Nivel intermedioIntermedio: espectrogramas, modelos extremo a extremo, hablantes3 capítulos • 13 clases • 7 h 5 min
  1. De la onda a las características: espectrogramas y log-mel4 clases • 2 h 10 min
    1. 1STFT: ventanas, tramas y frecuencia en el tiempoaprox. 35 min
    2. 2Leer espectrogramas: armónicos, formantes, fricativasaprox. 30 min
    3. 3Escala Mel, bancos de filtros y MFCCaprox. 35 min
    4. 4Normalización y aumento de datos: CMVN, SpecAugmentaprox. 30 min
  2. Reconocimiento de voz de extremo a extremo6 clases • 3 h 15 min
    1. 5Del ASR híbrido al extremo a extremo: unidades de salidaaprox. 30 min
    2. 6CTC: el token vacío y la decodificaciónaprox. 35 min
    3. 7Encoder-Decoder y Whisper: potencia y alucinacionesaprox. 35 min
    4. 8RNN-T y Conformer: reconocimiento en streamingaprox. 30 min
    5. 9Aprendizaje autosupervisado: wav2vec 2.0, HuBERT, ajuste al hebreoaprox. 35 min
    6. 10Códecs neuronales y tokens de audio: TTS de extremo a extremoaprox. 30 min
  3. Reconocimiento de hablantes y diarización3 clases • 1 h 40 min
    1. 11Reconocimiento de hablantes: verificación, identificación, embeddingsaprox. 35 min
    2. 12Verificación de hablantes: métricas, suplantación y privacidadaprox. 30 min
    3. 13Diarización: quién habló y cuándoaprox. 35 min
AvanzadosAvanzado: agentes de voz en tiempo real, latencia y clonación4 capítulos • 12 clases • 6 h 30 min
  1. Tiempo real: latencia, transporte y reconocimiento en streaming4 clases • 2 h 15 min
    1. 1El presupuesto de latencia: de la boca al oídoaprox. 30 min
    2. 2Transporte de audio en tiempo real: WebRTC, Opus y jitteraprox. 35 min
    3. 3STT en streaming en producción: parciales, estabilidad, endpointingaprox. 35 min
    4. 4Turnos de palabra: interrupciones, eco y cuándo hablaraprox. 35 min
  2. Generación en streaming y arquitecturas de agentes3 clases • 1 h 35 min
    1. 5De LLM a TTS en streaming: hablar antes de terminar de pensaraprox. 30 min
    2. 6Speech-to-speech: cascada frente a modelos full-duplexaprox. 35 min
    3. 7Herramientas, estado y diálogo en un agente de vozaprox. 30 min
  3. Producción: arquitectura, escala y medición2 clases • 1 h 5 min
    1. 8Arquitectura de producción: servidores de medios, workers y GPUsaprox. 35 min
    2. 9Evaluar y monitorizar un agente de voz en producciónaprox. 30 min
  4. Clonación de voz, deepfakes y ética3 clases • 1 h 35 min
    1. 10Clonación de voz: cómo un modelo aprende tu vozaprox. 30 min
    2. 11Detección de audio deepfake, marcas de agua y procedenciaaprox. 35 min
    3. 12Ética y ley: consentimiento, privacidad y transparencia en vozaprox. 30 min

Qué necesitas

  • Sin conocimientos previos en el nivel principiante: el profe revisa lo que ya sabes y empieza desde ahí
  • En los niveles siguientes: lo visto en el nivel anterior (puedes saltarlo si ya lo sabes)
  • Computadora, tablet o celular con micrófono y navegador

Para quién es el curso

  • Para adultos: trabajo, estudios, un examen o simple curiosidad
Ver todos los cursos de Inteligencia artificial

Tu profe

NoamNoamTutor IA privado, en clase en vivo con pizarra compartida

Un profe privado de IA que enseña en clase en vivo: pregunta, escucha, dibuja en la pizarra y te deja resolver solo con pistas. Recuerda lo que vieron y cada clase empieza donde se quedaron.

¿Cómo es una clase?

  • Tu hijo habla en voz alta con el profe, como en una videollamada, y pregunta lo que no entiende.

  • El profe explica, escribe y dibuja en una pizarra compartida, y tu hijo resuelve con él en la misma pizarra.

  • Puedes tomar una foto de una hoja de ejercicios o de la tarea y aprender con ella, ejercicio por ejercicio.

  • Los padres reciben un informe: tiempo de estudio, qué salió bien y qué conviene reforzar.

Reglas de la clase

  • Solo aprender

Preguntas frecuentes

¿Cómo funciona una clase particular de IA para voz y audio?
Eliges IA para voz y audio y el nivel, y hablas con el profe en voz alta. El profe pregunta qué ya sabes, explica, escribe y dibuja en la pizarra, y te deja resolver con pistas hasta que todo quede claro.
¿Cuánto dura el curso de IA para voz y audio?
11 clases de unos 32 minutos en el primer nivel, a tu ritmo. Puedes pausar, volver atrás y saltar lo que ya sabes.
¿Necesito conocimientos previos?
No en el nivel principiante. Al comienzo de la primera clase el profe revisa lo que ya sabes y ajusta el nivel. También puedes empezar directamente en un nivel avanzado.
¿Cómo empiezo gratis?
Entra con tu cuenta de Google o con un código que te enviamos por correo, escribe el nombre y el grado del niño, y la clase empieza de inmediato. Cada familia recibe 45 minutos de clase gratis, en cualquier materia, según el tiempo real de clase, sin tarjeta de crédito. Después eliges una suscripción de pago, y cancelas cuando quieras.
¿En qué dispositivo se aprende?
En cualquier computadora, tablet o celular con navegador y micrófono. También puedes instalar el sitio como app en la pantalla de inicio.

¿Quieres probar?

Entras, escribes el nombre y el grado de tu hijo, y la clase empieza. 45 minutos de clase gratis, sin tarjeta de crédito.

Empieza gratis

Shiur Prati con IA: qué es y cómo funciona

IA para voz y audioLos primeros 45 minutos, gratis

Clase particularEmpezar gratis