¿Cómo funciona exactamente el procesamiento local en los asistentes de voz?

12 Eyl 10:45

Últimamente se habla mucho de la transición del procesamiento en la nube hacia la ejecución local (Edge Computing) en los ecosistemas de voz inteligentes. Entiendo la ventaja evidente en latencia y privacidad, pero a nivel técnico, ¿cómo consiguen los modelos compactos interpretar la semántica del lenguaje natural sin recurrir a servidores externos? ¿El hardware de bajo consumo realmente soporta inferencia continua o solo filtra la palabra clave de activación? Me gustaría entender mejor la arquitectura detrás de este cambio. ¿Alguien que domine el tema técnico nos ilumina?