# Un diseño recurrente busca reducir el tamaño de los modelos de reconocimiento de voz

> Los investigadores proponen compartir pesos entre bloques repetidos para reducir el tamaño de los modelos de reconocimiento automático del habla (ASR) y conservar casi toda la precisión de los modelos más grandes.

Oossa · 2026-10-30 · https://oossa.com/es/a-recurrent-design-aims-to-shrink-speech-recognition-models

Un equipo que publicó un estudio en arXiv propone un modelo de reconocimiento de voz que reutiliza un conjunto reducido de bloques, en lugar de asignar parámetros propios a cada capa. Según los investigadores, este enfoque, combinado con métodos de entrenamiento que transfieren conocimientos de modelos más grandes, utiliza cerca de una décima parte de los parámetros y mantiene la precisión.

Según el resumen, en las pruebas de Open ASR Leaderboard el modelo con dos bloques compartidos alcanzó el 97.4% de la precisión media de los modelos grandes. El equipo también describe un método para adaptar el modelo compacto a cada usuario, pero el resumen no incluye mediciones en dispositivos ni determina cómo funciona en condiciones de uso real.

## Los hechos

- Según los investigadores, el modelo con dos bloques alcanzó el 97.4% de la precisión media de los modelos grandes en las pruebas de Open ASR Leaderboard.
- El artículo se publicó en arXiv el October 30, 2026.

## Por qué importa

Para quienes desarrollan reconocimiento de voz para relojes y gafas, reducir el número de parámetros podría aliviar las limitaciones de memoria; aún no se sabe si este diseño permite ahorrar tiempo o energía de forma significativa en dispositivos reales.

## Fuentes y referencias

1. [Depth through Recurrence: Towards Ultra-Efficient On-Device ASR](https://arxiv.org/abs/2610.37833) – arXiv cs.LG, 2026-10-30

Última actualización: 2026-10-30