La mayoría de los africanos habla al menos dos idiomas y a menudo los mezcla en una sola oración, como “My loan imekataliwa, but I paid yesterday.” En muchos sistemas de reconocimiento de voz, el inglés se transcribe mientras se omite el suajili, dejando fuera parte del significado para cualquier empresa que dependa de la transcripción.

Intron, una empresa de tecnología de voz enfocada en África y fundada en Lagos, ha lanzado Sahara v2.5, un conjunto de modelos creado para ese caso de uso. El lanzamiento agrega soporte para code-switching —la capacidad de seguir a un hablante que cambia de idioma dentro de una misma oración— en 12 idiomas africanos, incluidos zulú, hausa, suajili y luganda.

El lanzamiento también incluye lo que Intron describe como el primer modelo africano trilingüe de reconocimiento de voz del mundo, diseñado para manejar conversaciones que alternan entre tres idiomas. El modelo está construido para Ruanda, donde el kinyarwanda, idioma nacional hablado por casi toda la población, convive con el inglés y el francés en la vida profesional cotidiana. La empresa dice haber presentado patentes en Estados Unidos sobre los algoritmos detrás del sistema.

Intron sostiene que el code-switching es un desafío técnico distinto que muchos laboratorios globales han tratado como un problema menor. Un modelo puede rendir bien en inglés, ser competente en suajili y aun así fallar cuando ambos aparecen en la misma oración. La empresa dice que resolver el problema requiere datos dedicados, entrenamiento dedicado y evaluación dedicada, y que una compañía más pequeña enfocada en un problema específico puede superar a actores más grandes que usan promedios globales.

En sus propios parámetros de prueba, Sahara v2.5 registró una tasa promedio de error de palabra de 34.3% en 12 idiomas de habla africana con code-switching, frente a 53.8% para Gemini 3.6, un modelo de IA de Google. En términos prácticos, eso significa que Sahara se equivoca en aproximadamente una de cada tres palabras, mientras Gemini se equivoca en más de una de cada dos.

La empresa dice que Sahara superó a Gemini, ElevenLabs y Meta en los 12 idiomas que probó. Aun así, el sistema sigue identificando mal aproximadamente una de cada tres palabras, lo que subraya cuánto falta todavía para que las herramientas de voz puedan atender de forma confiable conversaciones multilingües, algo común en atención al cliente, finanzas, salud y otros servicios cotidianos.

Fundada en 2020 por Tobi Olatunji, un médico formado en Nigeria, y Kunle Asekun, Intron recaudó $1.6 million en financiamiento pre-seed en July 2024, liderado por Microtraction, para resolver problemas de papeleo en hospitales. Ahora trabaja en productos de IA de voz para su uso en todo el continente.

Por qué el code-switching es difícil

En este contexto, el habla es más difícil que el texto porque una oración escrita muestra claramente dónde empieza y termina cada palabra. Un modelo de audio recibe solo sonido. Debe identificar sonidos, palabras, acento, contexto e idioma simultáneamente, sin un límite visible que muestre dónde termina yoruba y comienza inglés. El cambio puede ocurrir entre oraciones, dentro de una oración o alrededor de una sola palabra.

Muchos sistemas manejan esto identificando primero el idioma y luego enviando cada segmento a un reconocedor monolingüe, un modelo entrenado para transcribir un solo idioma. Ese método puede funcionar con segmentos largos y limpios, pero suele fallar cuando el cambio dura solo una o dos palabras. Intron dice que Sahara se entrena directamente con habla multilingüe, lo que permite al modelo tratar el cambio como algo normal, aprender qué transiciones son posibles en cada par de idiomas y resolverlas usando evidencia acústica y contexto en toda la intervención.

El segundo desafío es la tokenización. Antes de que un modelo pueda procesar voz, divide el sonido en pequeñas unidades llamadas tokens, cada una asociada con una parte del idioma que ha visto antes. Si las formas en idiomas africanos representan solo una pequeña parte de los datos de entrenamiento, el modelo tiene muy pocos tokens africanos con los que hacer coincidir el sonido. Entonces fuerza un sonido africano desconocido dentro del token en inglés o francés más cercano que conoce. El resultado puede ser una alucinación —una palabra que el hablante nunca dijo— o un tramo de voz que desaparece por completo de la transcripción.

Los datos de entrenamiento también son escasos. Las grabaciones naturales de habla con code-switching son difíciles de conseguir, y el audio mezclado artificialmente no captura cómo la gente cambia realmente de idioma.

“El code-switching fue uno de los mayores problemas que aparecían de forma constante para los clientes que implementan IA de voz en el mundo real”, dijo Tobi Olatunji, CEO de Intron, en una entrevista con TechCabal. “África necesita IA construida para la forma en que los africanos realmente hablan. La gente no debería tener que traducirse para una máquina, aplanar su acento, evitar expresiones locales o repetir solo la parte en inglés de lo que dijeron”.

¿Quién usa Sahara?

Intron dice que su modelo ahora admite despliegues de producción e investigación en más de 40 organizaciones en seis países: Nigeria, Kenia, Sudáfrica, Uganda, Ruanda y Ghana.

Un ejemplo comercial compartido por la empresa es Branch International, un prestamista fintech, donde agentes de cobranza impulsados por Sahara recuperaron más de ₦1.2 million ($891) en préstamos morosos en una semana, con pagos fuera del horario laboral y durante el fin de semana en niveles récord y un desempeño superior al de los agentes humanos en préstamos con más de 356 días de atraso.

“Los clientes interactuaron de forma natural incluso fuera del horario laboral y durante los fines de semana”, dijo Adanne Anene, Head of Product Africa en Branch, en una declaración compartida con TechCabal.

La conversión de texto a voz, que transforma palabras escritas en audio hablado, y los agentes de voz ahora manejan mezclas de idioma en 13 pares de idiomas, superando a ElevenLabs y Gemini en nueve de ellos según las pruebas de Intron, dijo la startup en una declaración.

El nuevo soporte de reconocimiento de voz para nupe, kanuri, fulfulde nigeriano, tigrinya, kikuyu, dholuo y somalí eleva la cobertura total a 31 idiomas. La empresa también añadió reconocimiento de voz en streaming y texto a voz en streaming a su interfaz de programación de aplicaciones (API), la conexión que usan los desarrolladores para integrar los modelos de Intron en sus propios productos, para subtítulos en vivo y aplicaciones en tiempo real.

Intron también publicó un Africa Voice AI Report 2026, que sostiene que recopilar datos de idiomas africanos es solo una de las barreras para una IA de voz confiable. La capacidad de investigación, la posibilidad de encadenar sistemas y la experiencia para desplegarlos importan tanto como eso.

Un ejemplo es el ambient medical scribe —software que escucha una consulta médico-paciente y redacta automáticamente las notas—. Se usa ampliamente en Estados Unidos y Europa, pero es en gran medida inviable en clínicas africanas, donde una sola consulta puede involucrar dos o tres idiomas.

La verdadera escala exige ir más allá de integraciones superficiales hacia una ejecución sólida. Hemos filtrado el ruido de Moonshot 2026, optimizando la conferencia estrictamente para conexiones de alto calibre entre fundadores de startups, operadores financieros globales, líderes empresariales y personas que están reconfigurando los marcos técnicos de África. Obtén 20% de descuento en boletos Early Bird por tiempo limitado.