La traducción de voz en tiempo real entra en Zoom Meetings como una nueva capa para las reuniones internacionales. La plataforma permite que una persona hable en su idioma mientras otros participantes escuchan una versión traducida directamente en audio, sin depender de la lectura continua de subtítulos.
La novedad modifica una de las dinámicas básicas de las reuniones internacionales: cada participante puede hablar en su idioma y escuchar a los demás en el suyo, con una configuración individual que se activa directamente desde la barra de herramientas de Zoom.
La función llega inicialmente con soporte para inglés, chino, español, francés y japonés. Zoom prevé ampliar esa cobertura durante 2026 con portugués, árabe, alemán e italiano, una lista que da una primera medida de hacia dónde está avanzando el producto: reuniones en las que el idioma utilizado por cada participante pesa menos sobre la organización de la conversación.
Hasta ahora, una de las soluciones más habituales para ese problema pasaba por los subtítulos traducidos. Funcionan como apoyo, aunque obligan al usuario a repartir su atención entre el texto que aparece en pantalla, la voz del interlocutor, las presentaciones compartidas y las reacciones del resto de asistentes. La traducción hablada mueve parte de ese esfuerzo a la propia plataforma.
La traducción de voz en tiempo real encadena tres modelos
Detrás de la experiencia hay un proceso conocido en los sistemas de traducción automática, aunque su ejecución durante una conversación en directo exige reducir especialmente la latencia. Zoom combina reconocimiento automático de voz, traducción automática y conversión de texto a voz.
El sistema identifica primero lo que dice el interlocutor, transforma ese contenido al idioma elegido por cada usuario y genera después una nueva señal de audio. El participante puede escuchar esa traducción junto a la voz original o darle mayor presencia mediante un control de volumen.
Esa capacidad introduce un elemento operativo importante. La configuración no tiene que ser común para toda la reunión. Una persona puede escuchar español, otra francés y otra mantener el audio original, sin que el organizador tenga que preparar previamente diferentes canales de interpretación.
Desde la aplicación, el acceso se realiza con un clic y cada participante selecciona tanto su idioma de conversación como aquel en el que desea recibir el contenido. Un pequeño icono junto al nombre de quien está hablando indica que la traducción se encuentra activa. Ese indicador es privado y únicamente lo ve el usuario que utiliza la función.
También es posible elegir diferentes estilos para la voz sintética. El objetivo práctico está en reducir la sensación de estar siguiendo una capa adicional de información y aproximar la experiencia al ritmo normal de una reunión. Hay, sin embargo, un límite inherente a este tipo de sistemas: reconocimiento, traducción y síntesis deben producirse consecutivamente. Incluso cuando el proceso ocurre casi en tiempo real, la calidad de la interacción depende de factores como el idioma, el acento, la velocidad al hablar, el vocabulario especializado o la calidad del micrófono.
Zoom prepara clonación de voz y traducción proyectada
La versión inicial es solo una parte del desarrollo previsto. Zoom trabaja en una función de clonación de voz destinada a conservar características de la voz del interlocutor original cuando se genera el audio traducido. En lugar de escuchar una voz sintética genérica, el participante recibiría una reproducción que mantendría algunos rasgos del hablante.
La compañía también desarrolla lo que denomina «proyección de traducción». Esa modalidad invertiría parcialmente el funcionamiento actual: una persona hablaría en su lengua y el sistema distribuiría automáticamente el audio traducido a los idiomas elegidos por los demás participantes.
En una organización con empleados repartidos entre varios países, la diferencia puede ser sustancial. Las reuniones internas suelen resolver la diversidad lingüística adoptando una lengua común, con frecuencia inglés, aunque el nivel de dominio varía entre empleados. Añadir traducción de audio permite mantener esa reunión compartida mientras cada usuario escucha el contenido en una lengua diferente.
La aplicación se extiende a reuniones generales, formación de nuevos empleados, sesiones de seguimiento o conversaciones entre departamentos ubicados en distintos mercados. También alcanza las relaciones comerciales. En una llamada con clientes o socios internacionales, reducir la dependencia de una segunda lengua puede agilizar conversaciones técnicas, negociaciones y explicaciones de producto, aunque la traducción automática sigue requiriendo cautela cuando intervienen conceptos jurídicos, financieros o especialmente sensibles.
Las sesiones creativas plantean otro escenario. Poder formular una idea en la lengua que una persona domina mejor puede ampliar su capacidad de matizar argumentos o explicar conceptos complejos. Aun así, el sistema introduce una intermediación algorítmica que puede simplificar expresiones, interpretar de forma distinta determinados giros o perder referencias culturales.
Privacidad y acceso a la traducción de voz de Zoom
El procesamiento continuo de conversaciones plantea inevitablemente cuestiones sobre el tratamiento del audio. Zoom señala que la traducción procesa la señal durante la reunión y que ese audio no queda almacenado después para prestar la función. Tampoco se crean huellas de voz ni perfiles de usuario a partir de los datos empleados en la traducción.
La distinción adquiere más importancia ante la futura clonación de voz. Reproducir características reconocibles de una persona introduce consideraciones distintas de las que plantea una voz sintética convencional, tanto en privacidad como en identificación. El modo en que se implemente esa capacidad, junto con los controles disponibles para administradores y usuarios, será especialmente relevante en empresas sujetas a políticas estrictas de protección de información.
La traducción de voz está disponible para cuentas Pro, Business y Enterprise mediante la aplicación de escritorio de Zoom para Windows y macOS, a partir de la versión 7.0.0. Puede utilizarse dentro de ZoomMate o contratarse mediante el complemento independiente «Live Translation Add-on».
Su consumo sigue además un modelo basado en créditos de IA, el mismo esquema utilizado para capacidades avanzadas de ZoomMate como la búsqueda agéntica, la investigación profunda, la automatización de flujos de trabajo o la generación de entregables. Para las empresas, esto convierte el uso de la traducción en una variable que puede crecer con el número y la duración de las reuniones, en lugar de quedar limitado únicamente por la licencia contratada.
La disponibilidad tampoco es universal. Zoom advierte de que la función puede estar restringida en determinadas regiones o sectores, un aspecto que las organizaciones internacionales tendrán que comprobar antes de incorporarla a procesos compartidos entre filiales.
La evolución hacia audio traducido, clonación de voz y distribución automática en varios idiomas sitúa a las plataformas de videoconferencia ante un cambio operativo más amplio. La reunión sigue siendo la misma, pero una parte creciente de la comprensión entre participantes queda delegada en sistemas de IA. Para las empresas, el valor dependerá menos de que la traducción exista que de su precisión sostenida, su coste a escala y la capacidad de utilizarla sin añadir fricción a conversaciones donde cada segundo cuenta.
