Tecnología

El mito del reconocimiento de voz en el PC

·

Hacía tiempo que no leía a mi admirado Jeff Atwood, al que sigo en Twitter por inercia (aunque sus tweets son bastante tostón, la verdad) y que publica cada vez menos en su blog. El último artículo ahora mismo es el del 21 de junio, y habla sobre un tema curioso: el reconocimiento de voz en los ordenadores.

Muchas empresas han tratado de popularizar este sistema como la nueva revolución en interfaces de usuario, dotando a nuestros sistemas operativos de aplicaciones nativas que eran capaces de hacer que controlásemos el PC o el portátil a través de órdenes de voz.

Pero es que una cosa es el control por voz (“Abrir-Internet-Explorer”, “Cerrar-ventana”), y otra muy distinta el reconocimiento de voz, en el que uno espera que todo lo que digamos al ordenador sea perfectamente interpretado y reconocido por esos algoritmos de reconocimiento.

Y es que, como dice Atwood en Coding Horror, hay un problema clave en el reconocimiento de voz:

Que no funciona.

Puede que la afirmación sea algo tajante, pero no por ello deja de ser cierta. Al menos, en gran parte. Y tengo que certificar sus palabras: durante aproximadamente un mes traté de usar de forma permanente Dragon Naturally Speaking 11 para escribir mis artículos en los medios en los que trabajo.

El resultado fue bastante decepcionante, y a pesar de irme acostumbrando a parecer un loco hablando en un tono alto y claro (exigencias del programa), la tasa de aciertos nunca fue satisfactoria.

Más aún cuando en la jerga informática hay que utilizar continuamente nombres de empresas y tecnologías que los programas de reconocimiento de voz no pillan. Ni a la primera, ni a la segunda, y muchas veces, ni a la enésima. Eso provocaba que cada tres por cuatro tuviera que parar el reconocimiento (“A dormir”, qué gracia me hacía aquello) para corregir la frase o palabra tirando de ratón y teclado, como en los buenos y viejos tiempos.

En el artículo de Coding Horror se plasma esa situación con un pequeño diagrama -sacado de un artículo relacionado con el tema e igualmente interesante- en el que se explica que en la actualidad el acierto en programas de reconocimiento de voz no pasa del 80%, mientras que el nivel requerido para trabajar de forma cómoda debería ser del 96 al 98%.

Voice-recognition-accuracy-rate-over-time

De hecho, lo curioso del caso es que ya no sirve de nada tener un maquinón para acelerar el procesamiento de nuestra voz y los algoritmos de reconocimiento. Estamos en el mismo punto en que estábamos hace 10 años:

In 2001 recognition accuracy topped out at 80%, far short of HAL-like levels of comprehension. Adding data or computing power made no difference. Researchers at Carnegie Mellon University checked again in 2006 and found the situation unchanged.

With human discrimination as high as 98%, the unclosed gap left little basis for conversation. But sticking to a few topics, like numbers, helped. Saying €œone€ into the phone works about as well as pressing a button, approaching 100% accuracy. But loosen the vocabulary constraint and recognition begins to drift, turning to vertigo in the wide-open vastness of linguistic space.

Así es: no se ha avanzado, y nos tenemos que limitar al control por voz, que consta de órdenes simples, mecánicas, y que, todo hay que decirlo, ayudan en ciertos escenarios como los de la accesibilidad para personas invidentes o con algún tipo de minusvalía. Sin embargo, esos sistemas nunca podrán sustituir -al menos, eso parece- a los fantásticos ratones y teclados a los que ya estamos pegados.

Así que ale, a volver a los buenos y viejos tiempos.


Incognichollos

Esta es una selección con las mejores ofertas tecnológicas actualizadas casi diariamente, como expliqué aquí. Aunque estés en un post “antiguo” las ofertas son de última hora, los Incognichollos los actualizo aparte. Aprovecha, que no suelen durar mucho tiempo:

  • Miniproyector Stoga 1080p: evidentemente no son 1080p nativos sino interpolados, la resolución real es 480p, pero oye, puede ser un aparatito gracioso para presentaciones o para ver cosas “a lo grande” aunque la calidad no sea top. Las críticas son buenas, así que si os apetece probar esto de los proyectores, buena oportunidad. El precio, claro, lo mejor: 45,99 euros en Amazon.
  • Monitor HP 22w: un monitor de 21,5 pulgadas, resolución 1080p y un puerto HDMI y otro VGA a un precio de escándalo, 89,99 euros en Amazon.
  • Monitor BenQ GL2580H: y por completar la oferta, este modelo de 24,5 pulgadas también es estupendo, resolución 1080p, HDMI y el precio destacado: 112,99 euros en Amazon.
  • OnePlus 5T: los nuevos telefonazos de OnePlus llegan por fin a las tiendas chinas con precios más atractivos si no os importa tanto el tema garantía. El precio más bajo ahora mismo es el de los 393,15 euros en GeekBuying con el cupón THCSEGJC.
  • Xiaomi Mi 6 64 GB: atención lectores y amantes de los caprichos tecnológicos, porque mi móvil favorito está a precio interesante. El modelo negro de 64 GB está a 307,61 euros en GearBest con el cupón BOGESM6. Novedad: el modelo azul de 64 GB sale a 313,01 en GearBest con el cupón spmi6, pero además es el nuevo envío desde España en 3-5 días. El modelo cerámico de 128 GB está a 351,32 euros en GeekBuying. También tenéis la versión “oficial” que venden en España y que está a  449 euros en Amazon.
  • Xiaomi Mi 5X: y si no queréis pagar el precio del A1, el único del fabricante con “Android puro” y sin MIUI, podéis ahorrar una pasta en el modelo con MIUI. Es idéntico en hardware, pero cuesta mucho menos: en GearBest lo tenéis a 164,96 euros con el cupón 5xximbj. En Banggood lo tenéis a 155,92 euros con el cupón 12BGM5X64GB (modelo dorado) también. Tremendo, y creedme, MIUI ya está muy pulido, os lo digo yo que lo uso a diario en mi Mi 6.
  • Xiaomi Mi A1: un estupendo móvil con un Snapdragon 625, 4 GB de RAM, 64 GB de capacidad, pantalla de 5 pulgadas y una doble cámara muy solvente. El chollo de la temporada, imposible de encontrar en España oficialmente por ahora. Está a 178,59 euros en GearBest con el cupón PDMESXA1.
  • Huawei Mate 10  Lite: el super teléfono de Huawei de finales del año pasado en versión lite, que sigue siendo estupendo con su pantalla de 5,9 pulgadas casi sin marcos, Kirin 659, sus 4 GB de RAM y 64 GB  de capacidad (ampliables) además de una cámara dual tanto en la frontal como en la trasera. Todo por 269 euros en eBay, una propuesta muy, muy llamativa.
  • HP Elite x3: atentos porque aunque estamos hablando de un móvil Windows 10 (una plataforma móvil que parece que acabará en el olvido) estamos ante una pieza casi de coleccionista. Hasta no hace mucho estaba a más de 800 euros, así que el precio es de risa. Pantalla de 6 pulgadas, Snapdragon 820, 4 GB de RAM, 64 GB de capacidad y esa capacidad de usar Continuum y convertirlo en un PC de sobremesa con el dock opcional. Está a 369,54 euros en Amazon, increíble. Hasta yo me siento tentado en plan coleccionista.
  • Moto G 5ª Generación: modesto pero con las garantías de Lenovo. Un cinco pulgadas resolutivo con sus 3 GB de RAM y sus 16 GB de capacidad. Está a 149 euros en Amazon.
  • Xiaomi Redmi 5 Plus: el nuevo teléfono modesto de los de Xiaomi con “pantalla infinita” de 6 pulgadas, un Snapdragon 625, 3 GB de RAM, 32 GB de capacidad y doble cámara, por 130,05 euros en Aliexpress (modelo dorado). Es un robo, chavales.
  • Xiaomi Mi Mix 2: el súper teléfono con pantalla casi sin marcos de Xiaomi con un Snapdragon 835, 6 Gb de RAM y 64 GB  de capacidad, además de una cámara decente aunque no sea dual. Está a 397,61 euros en GearBest.
  • Xiaomi Mi Note 3: los propios responsables de la empresa lo califican como un Xiaomi Mi 6 de 5,5 pulgadas, y la cámara dual, como la de este, es fantástica (en DxOMark le ponen un 94, uauh). Algo menos potente (Snapdragon 660), pero estupendo sobre todo a este precio, está a 270,71 euros en GearBest.
  • Honor 7X: el nuevo gama media de Huawei está muy bien: un Kirin 659, 4 GB de RAM, 32 GB de capacidad ampliables y cámara dual bastante maja. Gran competidor del Xiaomi Mi A1, diría. Todo por 172,31 euros en Geekbuying con el cupón NVIXVWYM. En Amazon lo tenéis a 232,99 euros.

 

  • Xiaomi Mi Notebook Pro: el señor portatilazo de este fabricante compite con lo más granado del mercado, de ahí lo del “Pro” final. Llega con un Core i5-8250 de ultimísima generación, una potente GeForce MX150 (netamente superior a las 940MX), 8 GB de memoria DDR4, 256 GB de capacidad y lector de huella. Está a 702,17 euros en GearBest con el cupón MIBOOKPRO, un precio absolutamente alucinante. Dos variantes interesantes: si queréis más potencia tenéis la versión con el Core i7-8550, 8 GB y 256 GB por 761,39 euros en GearBest con el cupón XiaomiMiNqq. Si además queréis más memoria, el modelo con el Core i7-8550U, 16 GB de RAM y 256 GB de SSD está a 848,89 euros en LightningInTheBox, que tampoco está nada mal.
  • Xiaomi Mi Notebook Air 12: el modelo original de 12,5 pulgadas FullHD, un Core M3-7Y30, 4 GB de memoria y 256 GB de capacidad en su SSD está a muy buen precio: 473,75 euros en GearBest con el cupón MIAIR256.
  • Xiaomi Mi Notebook Air 13,3: el nuevo modelo de mi portátil BBB (bueno, bonito y barato) favorito llega con un Core i5-7200U, 8 GB de RAM, 256 GB de SSD, una GeForce MX150 y atentos, lector de huella. Creedme: es una pasada, sobre todo a este precio. Lo tenéis en GearBest por 634,49 euros.
  • Lenovo P8: una tableta de 8 pulgadas de 1.920 x 1.200 píxeles con un Snapdraon 625, 3 GB de RAM y 16 GB de capacidad ampliables. Está a 118,43 euros en GearBest con el cupón HNYear211.
  • Apple iPad (2017):  la tableta de Apple “básica” (no es el modelo Pro, cuidado) está a buen precio. Su modelo WiFi con 32 GB de capacidad en color blanco y oro está a 290 euros en eBay. Atentos a la funda Logitech Slim Folio con teclado de la que hablo en accesorios.
  • Nintendo Switch: la consola que está triunfando en todo el mundo es un regalo bastante estupendo para estas navidades en su versión en color gris y también en la azul-rojo neón. Está a 314,90 euros en Amazon.
  • Xbox One S 500 GB + ACO: la alternativa es la consola de Microsoft, más barata (con menos almacenamiento) y con el ‘Assassin’s Creed: Origins’, que no está nada mal, y todo por 229,95 euros en Amazon.
  • TV 49” Philips 4K con Ambilight: es el modelo 49PUS6412 que llega con resolución 4K, soporte HDR, sistema operativo Android TV y además ese curioso sistema de iluminación Ambilight. Está a 499,99 euros en eBay, cuando en Amazon ronda los 650 euros.
  • Amazon Fire TV Stick Basic Edition: por fin tenemos este competidor del Chromecast en nuestro país, aunque eso sí, llega sin el soporte Alexa de su hermanito mayor. Lo mejor, que podéis prescindir del móvil para controlarlo (tiene mando) y que además de todo lo que ofrece Chromecast ofrece soporta, evidentemente, Prime Video. Si sois usuarios Prime de Amazon lo tenéis por 39,99 euros en Amazon. Muy, muy interesante.
  • Tarjeta Micro SD SanDisk Ultra 128 GB: espacio de almacenamiento sobrado para ampliar la capacidad de vuestros móviles o tabletas… ¡o Raspberry Pi! Está a 39,90 euros en Amazon (33% dto.)
  • Ratón Gaming Razer DeathAdder: un buen ratón gaming que en Amazon cuesta 66 euros y que llega con la típica iluminación RGB de Razer y una sensibilida dde hasta 16.000 PPP. Está a 39,90 euros en GeekBuying con el cupón SCUIHVRI.
  • Samsung Gear Sport: acabo de analizarlo y me pareció una gran opción para deportistas, sobre todo si hacéis natación. Si es el caso, atentos porque está rebajado: cuesta 239,99 euros en Amazon (32% dto).
  • Funda Logitech Slim Folio: permite contar con un teclado en tu iPad de 9,7 pulgadas en una funda que además lo protege. Un buen accesorio para darle más capacidad de productividad a la tableta, incluso si no es un iPad Pro. Está a 78,75 euros en Amazon (25% dto.). Aunque las fotos no lo indican, es el teclado en español con la eñe.
  • Logitech MX Master: el ratón que uso a diario y que me tiene encantado de la vida. Perfecto para manos “grandecitas” y cómodo como ninguno que yo haya probado. Está a 47,90 euros en Amazon (48% dto.)
  • Gafas de realidad virtual Hamswan: no son unas Oculus Rift, claro, pero esta evolución de las Google Cardboard son una opción curiosa para dispositivos de entre 4 y 6 pulgadas que podréis usar para experimentar con la realidad virtual. Parecen muy cómodas, tienen auriculares incorporados y botón FOV para el campo de visión. Están a 26,68 euros en Amazon (34% dto.)

¿Quieres recibir un correo de aviso cuando publique nuevas entradas?

Standard

10 comentarios en “El mito del reconocimiento de voz en el PC

  1. Varo dice:

    Hola Javier: gracias por tu blog que sigo desde hace dos años, cuando me compré mi “Koyi”
    utilizó el programa Dragon NaturallySpeaking en español, alemán e inglés con distintas instalaciones desde hace varios años. Es cierto que en muchas ocasiones hay que corregir algunas palabras, especialmente términos técnicos o nombres propios, pero la comodidad de poder dictar 100 páginas mientras uno está tumbado en la cama (estoy escribiendo mi doctorado) no tiene precio. Después de muchas pruebas debo decir que hay dos factores esenciales en el reconocimiento de voz:
    1. La potencia del procesador. Como digo, lo utilizó desde hace años, en distintos ordenadores (entre ellos mi “Koyi” con instalación dual alemán y español) y el procesador se nota.
    2. La calidad del micrófono. Es un apartado esencial. Utilizó unos auriculares Logitech inalámbricos, aunque también he obtenido muy buenos resultados con un simple micrófono Bluetooth de Nokia.
    Aunque mucha gente no lo sabe Windows vista tiene integrado un sistema de reconocimiento de voz que funciona bastante bien, pero sin alcanzar la calidad del Dragon NaturallySpeaking. Este texto lo he escrito utilizando este programa y la única palabra que he tenido que deletrear ha sido “koyi”. No me he molestado en intentar controlar todas las funciones del ordenador por medio de la voz, para no estar siempre pendiente de los auriculares, pero desde luego para textos extensos es una gozada.
    Un saludo desde Alemania

    • JaviPas dice:

      Varo, gracias por el comentario 😉 Ya veo que algunos le habéis pillado el tranquillo. Está claro que para trasladar/transcribir textos es una solución interesante, pero si uno tiene que escribir “sobre la marcha” la cosa se complica.

      Al menos esa fue mi experiencia, y David, entrené a tope. Durante un mes. Y no me acabó compensando. De todos modos, como dice Varo igual el micro es importante, yo usaba uno de andar por casa y eso podría haber influido.

      No sé, quizá le dé una nueva oportunidad al tema en el futuro, pero cuando estuve probando llegué a la conclusión de que escribo más rápido de lo que dicto… al menos con las molestias de andar corrigiendo.

  2. Varo dice:

    Gracias por la respuesta, Javier. Me alegro de por una vez poder aportar algo a tu fantástico blog, y es que como soy muy vago, en el tema de reconocimiento de voz tengo mucha experiencia.
    Empeze con el Viavoice de IBM hace años, que era una patata. Había que leer medio Quijote para que empezase a entender algo, pero con el Dragon Naturallyspeaking en 10 minutos lo entiende todo. Algunos amigos han probado incluso con mi perfil de voz y el reconocimiento era asombroso. Por cierto, Viavoice lo compró Nuance hace algún tiempo y supongo que ahora tendra el mismo motor de reconocimiento que Dragon (Nuance).

    La versión que uso en alemán la tengo instalada en una máquina virtual con XP y aunque mi pronunciación no es perfecta el reconocimiento es tan bueno como en español. Por desgracia Dragon no admite instalaciones múltiples y hay que recurrir a trucos. El inglés lo trae de serie con el español.
    Se me había olvidado añadir que otro factor muy importante (además del micrófono) es el ruido ambiente. Yo lo utilizo sólo en mi casa o en la oficina con la ventana cerrada. Con el Koyi, en la calle… ni te molestes. Y para lo que tú haces, que me supongo estarás escribiendo en cualquier sitio, seguramente no te compense. Pero en contextos de dictado en los que yo lo uso, traducción, redacción de informes, tesis doctoral,etc, es fantástico.

    Dragon tiene una versión juridica y otra médica, que en los EE.UU. están extendidísimas. De hecho una de las primeras aplicaciones para el iPad ha sido el Dragon.

    El amigo que me recomendo tu blog, que es un profesional de la informática (!ese Logro!) lo utilizó además de para preparar las oposiciones (elaboró todo el temario con Dragon), para introducir varios miles de cifras en una base de datos con una precisión casi perfecta.

    Por cierto, mi Koyi también está buscando sustituto. Siguiendo tu ejemplo, tengo un arranque múltiple, aunque sólo doble con Vista Ultimate (1 usuario en alemán y otro en español) y un Mac OS. (El Ubuntu en el pendrive) y el pobre no da para más. En reconocimiento de voz va lentííísimo (se nota la potencia) y el programa de reconocimiento de Vista va regular. En cualquier caso el micrófono sigue siendo determinante. Como yo el Koyi lo utilizo más que para escribir, para dar clases en la Uni y en viajes, estoy esperando a las nuevas tabletas en otoño. El Ipad aquí todavía no se ha visto ni uno. A ver si se mueven las otras empresas que la competencia es lo mejor que hay y apple está muy sola.

    Gracias por tu blog y muchos saludos desde Jena-Turingia-Alemania

    • JaviPas dice:

      Gracias a ti también por los comentarios, me alegro de que participes 😉 así que no desfallezcas y comenta cuando quieras!

      Cuando utilicé DNS lo hice en casita y en español, así que ruido ambiente no había. Como digo, me acabé cansando de estar corrigiendo nombres de empresas y tecnologías cuando iba dictando las noticias. Por cierto, en casa trabajo con maquinón, así que problema por ese lado no puede haber 😉

      Ya me contarás si cambias finalmente el Koji. Yo sigo planteándomelo, pero tardo en tomar decisiones, me gusta otear bien el mercado, y no tengo una prisa especial. Yo ahora lo tengo bastante distinto a como lo tenía en los primeros tiempos. Mac OS X desapareció y ahora lo uso con W7, pero siempre en arranque múltiple con sistemas para netbooks varios. Ahora tengo Jolicloud, MeeGo, Chromium OS Flow y, por supuesto, una Ubuntu 10.04. Y voy cambiando según me va 😉

      Suerte con la tesis! Si algún día voy por allí ya contactaré para tomarme unos frankfurten con una buena bier 😉

  3. Varo dice:

    Eso está hecho. Pero nada de frankfurten que Turingia es la capital de las Bratwurst (mucho mejores, palabrita) y con una cervecita negra Köstrizer… ummmmm. Yo invito, en serio. Si quieres ver como es esto mira el blog de mi página que es la dirección de mi correo. Hace mucho que no la actualizo pero en el blog se ven unos videos de Navidad muy chulos.
    Saludos

    • clon dice:

      Hola Varo… estuve leyendo tus mensajes en el blog y me parecio que estas muy entrado en esto del DNS, es por eso que te pido un gran favor, que me ayudes a encontrar un perfil en ingles en lo preferente de alquien nativo de U.S., estoy en un curso de ingles y estoy adelantando muchisimo mi unico problema es el da la pronunciacion, pienso que con un buen perfil prodria mejorar muchisimo mi ingles….Un gran abrazo a la distancia y gracias…….

  4. Oscaar dice:

    Yo empece a utilizar el DNS 10 pero coincido con ustedes que se debe tener un ambiente libre de ruido, y poseer un buen micròfono para que de buenos resultados, estoy empezando a utilizar el reconomiento de voz de W7 y me parece mucho mejor que el DNS en cuanto a presiciòn ya que lo he usado con un micròfono de mala calidad marca “patito” y con la televisiòn encendida y me ha funcionado bien, en cuanto a palabras tècnicas y lèxico especial, pues sí, hay que ir ingresándolas a la aplicaciòn para que las vaya grabando y no haya problema con ellas en futuras ocasiones, y hablando al respecto, que micròfono me recomiendan para el reconocimiento de voz.

  5. Hola, pues a mi el reconocimiento de voz me funciona bastante bien, de hecho, lo uso para redactar trabajos de investigación en el colegio, etc. La calidad del micrófono es crucial, sin embargo, también depende de la potencia del procesador, porque se puede aumentar o disminuir la precisión del DNS. Un consejo que le doy al que escribió esta noticia es que almacene en un documento de Word o .txt todas las palabras técnicas con el teclado, después vaya al DNS y las pase por el sistema que recopila más palabras para agregarlas a diccionario, así se te hará más fácil que el sistema reconozca las palabras técnicas.

Comentarios cerrados