bgmlv · blog

Síntesis de voz local en un MacBook: 136x tiempo real y el problema del acento

Sun, 01 Nov 2026 00:00:00 +0100

¿Hasta dónde llega un portátil con la síntesis de voz sin ninguna nube? Probé dos modelos abiertos y pequeños de texto a voz, Kokoro y Silero, en un MacBook con M3 Pro y 18 GB de RAM, primero en inglés y después en ruso.

Versión corta: la voz en tiempo real en un portátil es un problema resuelto, y ambos modelos son tan rápidos que la velocidad deja de importar. Lo difícil no es la voz. Es saber qué sílaba acentuar.

harness2 afina Codex en el repositorio de mi propio sitio

Sun, 25 Oct 2026 00:00:00 +0200

Un agente de programación es más que un modelo. A su alrededor hay un arnés (harness): el archivo de instrucciones, las skills, los scripts auxiliares, los hábitos con los que comprueba su propio trabajo. Un buen arnés convierte un agente mediocre en uno útil, y casi todos escribimos el nuestro a mano, a base de prueba y error.

harness2, de Google Research, intenta hacerlo de forma automática. Un modelo mejorador observa al agente trabajar en un conjunto de tareas, propone cambios en su arnés, prueba cada cambio, se queda con lo que ayuda y combina los ganadores en un arnés nuevo. Después compara el arnés nuevo con el antiguo en las mismas tareas.

Cuatro frameworks vistos por un agente

Wed, 21 Oct 2026 00:00:00 +0200

En algún momento de este año la pregunta «qué framework uso» cambió de significado para mí sin hacer ruido. La mayor parte del código de mis proyectos lo escriben ahora agentes. Yo describo, reviso y dirijo; ellos teclean. Y un framework que es un placer para una persona no es necesariamente uno en el que un agente pueda trabajar. Un agente no recuerda la documentación de diez años de práctica. La lee, ahora mismo, página a página, y después acierta con la funcionalidad o no.

Jerry: un terminal de voz sobre un ESP32-S3

Sun, 18 Oct 2026 00:00:00 +0200

A principios de octubre llegó un paquete pequeño: una Freenove ESP32-S3 Display, una placa con pantalla táctil de 2,8", micrófono, altavoz y un códec de audio ES8311. La idea era simple. Ya tengo un agente de IA en un servidor; quería un objeto físico en la mesa con el que simplemente hablar. Decir una palabra, preguntar, oír la respuesta. Sin móvil ni pestaña del navegador.

Dos semanas y tres reescrituras del firmware después, funciona y responde al nombre «Jerry». Esta es la versión corta de cómo llegó hasta ahí.