El reconocimiento de voz

En que consiste el reconocimiento de voz

El reconocimiento de voz (Speech to text) es una rama de la inteligencia artificial que permite identificar palabras y frases en lenguaje hablado para posteriormente convertirlas a un formato legible por la máquina.

Al estar rodeados de smartphones, asistentes de voz de Google o Amazon, coches inteligentes e incluso electrodomésticos inteligentes, resulta fácil entender cómo funciona el reconocimiento de voz.

Pero la realidad no es lo que parece. La tecnología que hay detrás es compleja, incluso aunque desde mayo de 2017 Google haya alcanzado una tasa de precisión de palabras del 95% para el idioma inglés.

Para lograr avances importante en esta tecnología, se ha requerido la estrecha colaboración entre distintas disciplinas. Ha sido necesaria la colaboración de expertos en áreas como la inteligencia artificial, ciencias de la computación, procesado de señales, lingüística, acústica o fisiología. Estas áreas de conocimiento se entrelazan para potenciar y perfeccionar el reconocimiento por voz.

¿Qué usos le podemos dar al reconocimiento de voz?

• Automóviles: Con el fin de tener el control de ciertas funciones en el automóvil, como activar el GPS, hacer una llamada o reproducir una canción.
• Dictado: Es la aplicación más común en el uso de esta tecnología. Transcribe automáticamente todo lo que expresamos oralmente.
• Asistente por comandos de voz: Mediante órdenes previamente establecidas en forma de comandos podemos solicitar diferentes acciones. Un ejemplo lo tenemos en dispositivos de Google o Amazon para el hogar.
• Smartphones u otros dispositivos móviles: Similar a lo descrito anteriormente pero a través de nuestro teléfono ejecutamos ordenes mediante la voz en lugar de pulsar botones.
• Personas con discapacidad: Dependiendo del tipo de discapacidad se puede utilizar un sistema de reconocimiento de voz para ayudar a resolver ciertas situaciones.

Este tipo de software también es utilizado para generar contraseñas. Pueden ser utilizados como una clave que codifica la información y otorga acceso únicamente a aquellos usuarios que están autorizados para visualizar esos datos.

Aplicaciones que usan reconocimiento de voz

Talkao Translate

En Talkao Translate el reconocimiento de voz hace posible tener conversaciones en tiempo real y traducir al instante, permitiendo asi una charla fluida sin necesidad de saber hablar otros idiomas. Una herramienta perfecta para viajar al extranjero.

Además utiliza esta tecnología junto a la inteligencia artificial, lo que hace aún más preciso sus resultados. Ya no es necesario escribir en el teclado frases largas, con solo expresarlo con tu voz, el proceso de reconocimiento y traducción instantánea hará el trabajo por ti. Aquí os dejamos el enlace a las tiendas para descargar y probar este traductor por voz.

Dictation

Una aplicación web grtauita, rápida y simple que transformar tu voz en texto digital basado en el motor de reconocimiento de voz de Google Chrome.

Ir a Dictation

Speechnotes

Una aplicación de toma de notas y dictado de Android que añade ajustes para mejorar los resultados de reconocimiento de voz, consiguiendo transcripciones muy precisas y con poca o ninguna necesidad de editar tus notas habladas.

Ir a Speechnotes

Descript

Esta aplicación está enfocada para blogueros, YouTubers, y podcasters para transcribir el audio de cualquier archivo multimedia, o tu propia voz en formato escrito. Además tiene otras funcionalidades como la edición de videos o la posibilidad de grabar tu pantalla.

Ir a Descript

Cortana – Alexa – Siri

Los asistente por voz de las grandes tecnológicas. Microsoft, Amazon y Apple ofrecen a través de sus propios sistemas operativos y dispositivos la posibilidad de ejecutar acciones utilizando comandos de voz, como abrir una aplicación, realizar llamadas, programar una actividad o recibir información con tan solo pedírsela.

El futuro del reconocimiento por voz

Aún existen desafíos que los ingenieros están tratando de resolver para conseguir mejoras en este tipo de herramientas, como:

• Mejorar el dominio sobre la pronunciación, entonación y dialectos.
• Comprender el contexto de las oraciones.
• Mejorar la calidad eliminando ruidos de fondo.
• Optimizar el algoritmo a diferentes idiomas, especialmente los minoritarios.

Publicado Vie, 23 junio 2023