Palabra.ai se centra en la traducción hablada en directo, no en texto escrito. Su proceso es continuo: entra el audio, un modelo de reconocimiento genera texto, un modelo de traducción lo pasa al idioma destino y un modelo de síntesis lo locuta, todo en segmentos cortos para que no haya pausas largas tras cada frase; normalmente el resultado llega en menos de un segundo. Un hablante puede emitir en varios idiomas a la vez, y Palabra desarrolla sus propios modelos de reconocimiento, traducción y generación de voz en lugar de revender motores de terceros.
La plataforma cubre tres formas de uso. Los agentes de traducción entran en una llamada de Zoom, Google Meet o Microsoft Teams como un participante más, así que nadie necesita instalar complementos. El modo de emisión se conecta a OBS, Castr, YouTube Live y otros flujos RTMP/SRT para generar audio y subtítulos traducidos. En eventos presenciales, los asistentes escanean un código QR, eligen idioma y escuchan en su propio teléfono, lo que elimina auriculares, cabinas e intérpretes reservados con meses de antelación. Los glosarios personalizados mantienen nombres y términos de producto, y la clonación de voz con control de acento reproduce la voz del propio hablante en cada idioma.
Debajo hay API de producción: voz a voz a 0,04 USD por minuto, voz a texto a 0,002 USD por minuto de audio y texto a voz facturado por caracteres con 35 ms hasta el primer audio. Una sola clave sirve para las tres funciones, las sesiones van por WebSocket y voz a voz admite WebRTC, con despliegue regional, nube privada u on-premise. Palabra afirma que el audio y el texto se procesan en tiempo real, nunca se almacenan ni se usan para entrenar, y la infraestructura está certificada ISO/IEC 27001 con GDPR, SOC 2 Type II y HIPAA disponible en Enterprise.