La IA de audición espacial de Kardome ahora impulsa los televisores OLED insignia de LG

Este recorrido refleja el ciclo típico de muchas tecnologías de IA integradas en hardware: investigación conjunta → integración en producto → producción a gran escala.

Qué hace realmente Spatial Hearing AI

La tecnología de Kardome intenta dar a los dispositivos una capacidad auditiva más parecida a la humana. En lugar de tratar todo el sonido como una sola mezcla, el sistema crea un mapa espacial del entorno acústico de la habitación.

Gracias a ese mapa, el televisor puede:

• Detectar de dónde proviene cada sonido en el espacio
• Separar a distintos hablantes en flujos de audio independientes
• Filtrar ruido de fondo
• Seguir a un hablante aunque se mueva por la habitación

En la práctica, esto permite que el televisor identifique a la persona que está dando una orden, en lugar de confundirse con conversaciones superpuestas o ruido ambiental.

Por ejemplo, el sistema puede entender mejor los comandos cuando:

• Varias personas hablan al mismo tiempo
• El televisor está reproduciendo audio a alto volumen
• El usuario está hablando desde el otro lado de la sala

Según LG, esto permite que el control por voz funcione de forma más fiable en condiciones reales de salón, donde los asistentes tradicionales suelen fallar.

Por qué los asistentes de voz tradicionales fallan en casa

Muchos asistentes de voz actuales dependen de técnicas como el beamforming de micrófonos y del reconocimiento de voz en la nube. Estos sistemas suelen asumir que existe un único hablante dominante y que el audio está relativamente limpio.

En los hogares, esa situación rara vez ocurre. Conversaciones simultáneas, eco del televisor y ruido de fondo pueden provocar comandos mal interpretados o respuestas equivocadas.

Spatial Hearing AI aborda el problema tratando cada sonido como un objeto independiente dentro de una escena acústica tridimensional. Esto permite que el dispositivo se concentre en una fuente de voz específica en lugar de analizar todo el sonido mezclado.

La ventaja es especialmente evidente en entornos compartidos como salones o automóviles, donde varias personas pueden hablar al mismo tiempo.

La importancia del procesamiento en el propio dispositivo

Otro aspecto clave del enfoque de Kardome es que gran parte del procesamiento se realiza directamente en el dispositivo (edge computing).

En lugar de enviar todo el audio a servidores remotos, el sistema analiza localmente gran parte de la información. Esto aporta dos beneficios principales.

Menor latencia:
El televisor puede responder más rápido porque el audio no necesita viajar a la nube antes de procesarse. Esto hace que las interacciones por voz se sientan más inmediatas.

Mayor privacidad:
Al procesar más datos dentro del propio dispositivo, se reduce la cantidad de audio que debe enviarse a servicios en la nube, lo que limita la exposición de datos de voz en entornos con micrófonos siempre activos.

Este enfoque de IA de voz basada en el dispositivo se está convirtiendo en una tendencia más amplia en la industria, especialmente en productos como televisores inteligentes, altavoces o automóviles conectados.

Más allá del televisor: los próximos usos de la tecnología

Aunque los televisores fueron el primer producto comercial, desde el principio ambas empresas plantearon la colaboración como una plataforma para múltiples tipos de dispositivos inteligentes.

El anuncio de 2025 mencionaba planes para extender Spatial Hearing AI a otras categorías, entre ellas:

• Electrodomésticos inteligentes
• Dispositivos de audio
• Sistemas automotrices

El sector automotriz es especialmente interesante. En demostraciones recientes, Kardome mostró sistemas capaces de identificar qué pasajero está hablando dentro del coche y responder de forma adecuada, algo que los asistentes tradicionales manejan con dificultad cuando varias personas hablan a la vez.

Una tendencia mayor: dispositivos que entienden el contexto sonoro

La llegada de esta tecnología a los televisores de LG refleja un cambio más amplio en las interfaces de voz. El objetivo ya no es solo reconocer palabras, sino entender quién habla, desde dónde lo hace y en qué contexto.

El mapeo espacial del sonido, la separación de múltiples hablantes y el procesamiento local con IA están empezando a convertirse en elementos clave de esa nueva generación de interfaces.

En el caso de los televisores OLED de LG, eso se traduce en algo sencillo pero difícil de lograr hasta ahora: un televisor capaz de escuchar correctamente a la persona adecuada en una sala llena de ruido y conversaciones.