{"id":14906,"date":"2020-12-09T13:11:32","date_gmt":"2020-12-09T11:11:32","guid":{"rendered":"http:\/\/design-toolkit.recursos.uoc.edu\/?p=14906"},"modified":"2021-01-28T11:13:05","modified_gmt":"2021-01-28T09:13:05","slug":"speech","status":"publish","type":"post","link":"http:\/\/design-toolkit-test.uoc.edu\/es\/speech\/","title":{"rendered":"Speech<\/em>"},"content":{"rendered":"

Descripci\u00f3n<\/strong><\/h2>\n

El paradigma de interacci\u00f3n speech<\/em> hace referencia a la acci\u00f3n o habilidad del usuario a interactuar a trav\u00e9s de la voz con un sistema digital. El aumento de las interfaces basadas en la voz es ya un hecho; ello nos permite ya poder buscar, enviar mensajes e incluso controlar nuestros dispositivos conectados.<\/p>\n

Se aprecia una clara evoluci\u00f3n, desde interfaces gr\u00e1ficas GUI a interfaces de voz. La mayor\u00eda de nosotros estamos familiarizados con el uso de estas interfaces (sobre todo, en nuestros dispositivos m\u00f3viles); sin embargo, muchos de estos sistemas carecen de un dise\u00f1o adecuado. Algunas de las razones que se identifican es que carecen de un contexto en el habla y no se implementan con una naturaleza verdaderamente conversacional. Por otro lado, muchas de ellas est\u00e1n dise\u00f1adas para actuar como recopiladores de informaci\u00f3n. Adicionalmente, los di\u00e1logos se presentan de manera an\u00e1loga a la forma en que nosotros escribimos y no a la forma en la que hablamos. Por lo general, la limitaci\u00f3n de la tecnolog\u00eda no se presenta como la responsable de una mejor o peor experiencia; los dise\u00f1adores deben conocer c\u00f3mo aplicar los procesos necesarios para implementar una interfaz de voz adecuada.<\/p>\n

Sin embargo, cabe destacar que, respecto a la tecnolog\u00eda, el principal problema es que este tipo de sistemas requiere una configuraci\u00f3n en forma \u00abentrenamiento\u00bb y posibles gaps<\/em> en su rendimiento (debido a los fallos que ocurren cuando la calidad del audio es pobre, cuando solo se reconoce parte de una frase, pronunciaciones concretas o incluso cuando no se detecta ninguna entrada). Sin embargo, algunas ventajas de este paradigma se presentan en forma de que no requieren una atenci\u00f3n visual permanente, pues permite a los usuarios interaccionar mientras hacen otras cosas, su ubicuidad de uso, una curva de aprendizaje muy inferior frente a otro tipo de interfaces de usuario tradicionales, o aspectos como la reducci\u00f3n en el tama\u00f1o de los dispositivos que la implementan frente a aquellos que implementan las interfaces visuales o touch<\/em>. Adem\u00e1s, se complementa perfectamente con la interacci\u00f3n de tipo gestual.<\/p>\n

As\u00ed, en un futuro m\u00e1s que pr\u00f3ximo, los seres humanos estaremos rodeados por cientos de m\u00e1quinas; muchas de ellas ser\u00e1n robots con los que deberemos interactuar diariamente (algunas m\u00e1s simples y otras dotadas de inteligencia y\/o capacidad de aprendizaje). El habla es la forma m\u00e1s s\u00f3lida y agradable que permite a las personas interaccionar con las m\u00e1quinas (las personas somos seres naturalmente conversadores, y hablar es de las primeras tareas que vamos aprendiendo desde que nacemos). De esta manera, la incorporaci\u00f3n de la voz va a ir complementando, o incluso reemplazando, las interfaces de entrada de texto m\u00e1s tradicionales como son las textuales, las t\u00e1ctiles o las gestuales.<\/p>\n

Cabe destacar que la interacci\u00f3n mediante la voz no solo se centra en una simple identificaci\u00f3n verbal (tokens<\/em>) y procesamiento, sino que requiere un dise\u00f1o de c\u00f3mo ser\u00e1 la entrada. As\u00ed, diferentes \u00e1mbitos de aplicaci\u00f3n requieren convertir esas palabras en texto de utilidad aplicados a diferentes contextos, como puede ser la cumplimentaci\u00f3n de formularios, el dictado de un texto plano, la especificaci\u00f3n de acciones o comandos concretos al sistema, e incluso el establecimiento de una conversaci\u00f3n. La voz, como elemento de entrada, puede variar desde una forma corta (una \u00fanica palabra, n\u00famero o frase) a una forma avanzada (dictado continuo). As\u00ed, los sistemas reconocen el lenguaje del usuario, y lo traduce en comandos computacionales.<\/p>\n

Aplicaci\u00f3n<\/strong><\/h2>\n

A continuaci\u00f3n, distinguimos tres posibles aproximaciones para la creaci\u00f3n de los sistemas mediante la interacci\u00f3n por voz:<\/p>\n