El reconocimiento de voz, también conocido como reconocimiento automático de voz (ASR), reconocimiento de voz por ordenador o conversión de voz a texto, es una capacidad que permite a un programa procesar el habla humana en un formato escrito.
Aunque el reconocimiento del habla suele confundirse con el reconocimiento de la voz, este último se centra en la traducción del habla de un formato verbal a otro textual, mientras que el primero sólo trata de identificar la voz de un usuario concreto.
IBM ha desempeñado un papel destacado en el reconocimiento de voz desde su creación, con el lanzamiento de "Shoebox" en 1962. Esta máquina era capaz de reconocer 16 palabras diferentes, lo que suponía un avance del trabajo inicial de los Laboratorios Bell de los años cincuenta. Sin embargo, IBM no se detuvo ahí, sino que continuó innovando a lo largo de los años, lanzando la aplicación VoiceType Simply Speaking en 1996. Este software de reconocimiento de voz tenía un vocabulario de 42 000 palabras, admitía inglés y español, e incluía un diccionario de ortografía de 100 000 palabras.
Aunque la tecnología del habla tenía un vocabulario limitado en sus inicios, hoy en día se utiliza en un gran número de sectores, como la automoción, la tecnología y la sanidad. Su adopción no ha hecho más que acelerarse en los últimos años debido a los avances en el deep learning y el big data. Las investigaciones (enlace externo a ibm.com) muestran que se espera que este mercado tenga un valor de 24 900 millones de dólares en 2025.
Explore el libro electrónico gratuito de O'Reilly para aprender a dar los primeros pasos con Presto, el motor SQL de código abierto para el análisis de datos.
Regístrese para recibir la guía sobre modelos fundacionales
Hay muchas aplicaciones y dispositivos de reconocimiento de voz disponibles, pero las soluciones más avanzadas utilizan la IA y el machine learning. Integran la gramática, la sintaxis, la estructura y la composición de las señales de audio y voz para comprender y procesar el habla humana. Lo ideal es que aprendan sobre la marcha, haciendo evolucionar las respuestas con cada interacción.
El mejor tipo de sistemas también permite a las organizaciones personalizar y adaptar la tecnología a sus requisitos específicos, desde el lenguaje y los matices del habla hasta el reconocimiento de la marca. Por ejemplo:
Mientras tanto, el reconocimiento de voz continúa avanzando. Las empresas, como IBM, están haciendo incursiones en varias áreas, para mejorar mejor la interacción entre humanos y máquinas.
Los caprichos del habla humana han dificultado el desarrollo. Se considera una de las áreas más complejas de la informática, ya que involucra la lingüística, las matemáticas y la estadística. Los reconocedores de voz constan de varios componentes, como la entrada de voz, la extracción de características, los vectores de características, un descodificador y una salida de palabras. El decodificador aprovecha modelos acústicos, un diccionario de pronunciación y modelos de lenguaje para determinar la salida adecuada.
La tecnología de reconocimiento de voz se evalúa en función de su tasa de precisión, es decir, la tasa de error de palabras (WER), y la velocidad. Hay una serie de factores que pueden afectar a la tasa de error de las palabras, como la pronunciación, el acento, el tono, el volumen y el ruido de fondo. Lograr la paridad humana, es decir, una tasa de error igual a la de dos personas hablando, es desde hace tiempo el objetivo de los sistemas de reconocimiento de voz. Una investigación de Lippmann (enlace externo a ibm.com) estima que la tasa de error de palabras ronda el 4 por ciento, pero ha sido difícil replicar los resultados de este artículo.
Se utilizan varios algoritmos y técnicas de cálculo para reconocer el habla en texto y mejorar la precisión de la transcripción. A continuación se presentan breves explicaciones de algunos de los métodos más utilizados:
Un gran número de industrias están utilizando diferentes aplicaciones de la tecnología del habla en la actualidad, lo que ayuda a las empresas y a los consumidores a ahorrar tiempo e incluso vidas. Algunos ejemplos son:
Automoción: los reconocedores de voz mejoran la seguridad del conductor al habilitar los sistemas de navegación activados por voz y las capacidades de búsqueda en las radios de los coches.
Tecnología: los agentes virtuales se están integrando cada vez más en nuestra vida diaria, especialmente en nuestros dispositivos móviles. Usamos comandos de voz para acceder a ellos a través de nuestros teléfonos inteligentes, como a través de Google Assistant o Siri de Apple, para tareas, como la búsqueda por voz, o a través de nuestros altavoces, a través de Alexa de Amazon o Cortana de Microsoft, para reproducir música. Seguirán integrándose en los productos cotidianos que utilizamos, alimentando el movimiento de la “Internet de las cosas”.
Sanidad: los médicos y los enfermeros utilizan las aplicaciones de dictado para capturar y registrar los diagnósticos y las notas de tratamiento de los pacientes.
Ventas: la tecnología de reconocimiento de voz tiene un par de aplicaciones en las ventas. Puede ayudar a un centro de llamadas a transcribir miles de llamadas telefónicas entre clientes y agentes para identificar patrones de llamadas y problemas comunes. Los chatbots de IA también pueden hablar con gente a través de una página web, respondiendo a consultas comunes y resolviendo peticiones básicas sin necesidad de esperar a que un agente del centro de contacto esté disponible. En ambos casos, los sistemas de reconocimiento de voz ayudan a reducir el tiempo de resolución de los problemas de los consumidores.
Seguridad: a medida que la tecnología se integra en nuestra vida diaria, los protocolos de seguridad son una prioridad cada vez mayor. La autenticación basada en voz agrega un nivel viable de seguridad.
Convertir la voz en texto utilizando el reconocimiento de voz y la transcripción impulsados por IA
Convierta texto en voz natural en una gran variedad de idiomas y voces
Software de nube híbrida impulsado por IA.
Habilite la transcripción de voz en varios idiomas para una variedad de casos de uso, incluidos, entre otros, el autoservicio del cliente, la asistencia al agente y el análisis de voz.
Aprenda a mantenerse al día, reconsidere cómo usar tecnologías como la nube, la IA y la automatización para acelerar la innovación y cumplir con las expectativas cambiantes de los clientes.