WhatsApp e inteligencia artificial
Transcripción de audio
La transcripción de audio es la conversión automática de la voz en texto escrito, también llamada reconocimiento del habla. En WhatsApp permite que un asistente entienda una nota de voz como si la persona la hubiera escrito, con el riesgo de oír mal un número o un nombre.
También se le llamavoz a texto · reconocimiento del habla · speech-to-text · transcripción de notas de voz
Cómo se usa en un centro
Mucha gente prefiere hablar a escribir, sobre todo con prisa o con las manos ocupadas: «oye, que en la 312 no sale agua caliente desde esta mañana». Un asistente que sólo lee texto se queda en blanco ante esa nota de voz. Con transcripción, el audio pasa a texto y desde ahí se trata igual que un mensaje escrito: se entiende, se clasifica y, si es una avería, se convierte en un parte de avería.
La calidad se mide con la tasa de error de palabras, y empeora con el ruido de fondo, el eco, los acentos y el vocabulario poco común. En una residencia los errores que importan son pequeños y caros: una habitación, una hora, un servicio de comedor. «La 312» oída como «la 3012» abre el parte en una habitación que no existe, y un «no ceno» mal oído cambia la cena de alguien. Una nota de voz en otro idioma añade otra pregunta, la de la detección de idioma.
Ojo con esto
Lo que se da por hecho: que una nota de voz se entiende siempre. Hay límites de tamaño, audios con mucho ruido y sistemas que sólo transcriben con un modelo concreto. Cuando un audio no se puede entender, lo correcto es decirlo y pedir el mensaje por escrito, no contestar a lo que el sistema cree haber oído.
Fuentes
Términos relacionados
- Asistente de IAUn asistente de IA es un programa que conversa en lenguaje natural y, con un modelo de lenguaje detrás, entiende lo que se le escribe aunque no use palabras clave. En un centro atiende el canal de mensajes: contesta lo que está en la normativa, recoge avisos y pasa a una persona lo demás.
- Detección de idiomaLa detección de idioma es la tarea de averiguar de forma automática en qué lengua está escrito un texto. En un asistente de WhatsApp decide en qué idioma contestar, y lo que más le cuesta es distinguir lenguas cercanas o entender frases que mezclan dos idiomas.