Underdog lanza modelo de voz de 32 MB en el navegador

En este artículo verás:

• Qué es Woof y cómo funciona
• Qué muestra la demostración
• Cómo se compara con otros modelos de voz
• Qué aún no se ha publicado
• Por qué importa para quienes construyen con IA

Qué es Woof

Woof es un modelo de texto a voz (text-to-speech) con 31 millones de parámetros, comprimido en alrededor de 31,7 MB. Underdog afirma que se ejecuta en la mayoría de los dispositivos sin conexión a internet y está abierto para descarga por cualquier persona.

La demostración es un juego en el navegador: una oficina con máquina de escribir, monitor CRT y lámpara. El usuario escribe en el teclado y el modelo genera el habla en tiempo real, de forma local. También es posible girar un sintonizador para generar música. Todo ocurre en el navegador, sin enviar datos a servidores externos.

La startup fue fundada por Sigil Wen, fellow de Thiel Foundation, bajo la empresa Conway Research. Lanzó una beta por invitación en octubre para Mac y Windows, con versiones para Linux, iPhone y Android prometidas. Los inversionistas incluyen Andreessen Horowitz, Khosla Ventures y el Anthology Fund de Menlo Ventures y Anthropic.

Qué muestra la demostración

El modelo corre en el navegador porque es lo suficientemente pequeño para descargarse y ejecutarse de forma local. Underdog afirma que funciona en la mayoría de los dispositivos sin internet. El modelo está abierto para descarga, lo que permite que los desarrolladores lo integren en sus propias aplicaciones.

Underdog ya había lanzado Bark, un modelo de voz a texto (speech-to-text) de 167 MB, también diseñado para ejecutarse en dispositivos de borde para transcripción y dictado. El principal modelo de asistente de la empresa tiene 27 mil millones de parámetros, ajustado a partir de Qwen3.8-27B, ejecutándose en un motor de inferencia propio.

La tesis de la empresa es que el asistente se ejecuta por completo en el dispositivo, manteniendo los datos del usuario de forma local, sin anuncios ni minería de datos. Wen le dijo a TechCrunch que comenzó a construir la aplicación porque, en lugar de usar anotadores como Granola, quería construir su propio sistema con modelos de IA que se ejecutan en los dispositivos de los usuarios.

Cómo se compara con otros modelos de voz

Con 32 MB, Woof es lo suficientemente pequeño para integrarse en una aplicación o página web sin una descarga larga. Esto hace que la voz local sea práctica en teléfonos antiguos y laptops baratos, no solo en hardware de punta. Muchos modelos de voz abiertos populares son varias veces más grandes, y la mayoría de las voces comerciales todavía se ejecutan en data center.

Underdog afirma que, en algunos meses, será posible ejecutar los modelos más capaces de hoy en los dispositivos que las personas ya poseen.

Qué aún no se ha publicado

Varios detalles importantes no han sido divulgados. Underdog no publicó términos de licencia para Woof, lista de idiomas o voces soportadas, ni benchmarks de calidad. El reporte de TechCrunch tampoco incluye esos datos.

Un modelo de 31 millones de parámetros tendrá limitaciones y probablemente no alcanzará la expresividad de voces grandes basadas en la nube. El tamaño compacto conlleva compensaciones de calidad que la empresa no ha cuantificado públicamente.

Por qué importa para quienes construyen con IA

Los modelos de voz que se ejecutan localmente, sin internet, abren posibilidades para aplicaciones que necesitan privacidad, baja latencia o funcionamiento sin conexión. Los asistentes de voz en dispositivos, herramientas de accesibilidad, juegos e interfaces embebidas pueden usar voz sin depender de servidores externos.

Woof demuestra que una síntesis de voz viable puede caber en decenas de megabytes. Para quienes construyen productos con IA, vale la pena seguir la evolución de estos modelos compactos, especialmente cuando se publique la licencia y los benchmarks.