Palabra.ai se concentre sur la parole en direct plutôt que sur le texte écrit. Le pipeline tourne en continu : l'audio arrive, un modèle de reconnaissance produit du texte, un modèle de traduction le convertit dans la langue cible et un modèle de synthèse vocale le restitue, le tout par segments courts pour éviter les longues pauses après chaque phrase ; la sortie arrive généralement en moins d'une seconde. Un orateur peut diffuser simultanément dans plusieurs langues, et Palabra développe ses propres modèles de reconnaissance, de traduction et de génération vocale plutôt que de revendre des moteurs tiers.
La plateforme couvre trois usages principaux. Les agents de traduction rejoignent un appel Zoom, Google Meet ou Microsoft Teams en tant que participant, sans plugin à installer. Le mode diffusion se branche sur OBS, Castr, YouTube Live et d'autres pipelines RTMP/SRT pour produire audio et sous-titres traduits. En présentiel, les participants scannent un QR code, choisissent une langue et écoutent sur leur propre téléphone, ce qui supprime casques, cabines et interprètes réservés des mois à l'avance. Des glossaires personnalisés préservent noms et termes produit, et le clonage vocal avec contrôle d'accent restitue la voix de l'orateur dans chaque langue.
En dessous se trouvent des API de production : voix-à-voix à 0,04 USD la minute, parole-vers-texte à 0,002 USD la minute d'audio et texte-vers-parole facturé au caractère, avec 35 ms jusqu'au premier son. Une seule clé couvre les trois fonctions, les sessions passent par WebSocket et la voix-à-voix prend aussi en charge WebRTC, avec un déploiement régional, cloud privé ou sur site. Palabra indique que l'audio et le texte sont traités en temps réel, jamais stockés ni utilisés pour l'entraînement, et l'infrastructure est certifiée ISO/IEC 27001 avec GDPR, SOC 2 Type II et l'option HIPAA en Enterprise.