Asistente de voz
Un programa al que le hablás en voz alta, que te contesta y hace tareas chicas por vos.
Un asistente de voz es un programa que manejás hablando: Siri en el iPhone, Alexa en los parlantes Echo de Amazon, el asistente de Google en celulares Android y parlantes Nest. Decís una palabra de activación ("Oye Siri", "Alexa"), pedís algo y te contesta en voz alta o lo hace: poner un temporizador, pasar una canción, apagar las luces, leerte un mensaje.
Por detrás hay una cadena de pasos. El dispositivo escucha localmente solo la palabra de activación. Cuando la oye, graba tu pedido y, en general, manda el audio a los servidores de la empresa. Ahí el reconocimiento de voz pasa el sonido a texto, un modelo entiende qué querés y la respuesta se vuelve a convertir en voz. Todo eso tiene que pasar en uno o dos segundos para que se sienta natural.
Los asistentes clásicos andaban bien con una lista fija de comandos y mal en una charla de verdad. Eso está cambiando porque las empresas los están rearmando sobre modelos de lenguaje grandes, así pueden seguir el hilo de lo que dijiste antes y entender pedidos más sueltos. Los costos siguen ahí: un micrófono en tu casa, grabaciones guardadas en la nube y alguna confusión que lo activa sin que nadie lo haya llamado.
Para quedarse
- Siri, Alexa y el asistente de Google son los ejemplos más conocidos.
- En el dispositivo solo se detecta la palabra de activación; el resto suele ir a la nube.
- La voz se pasa a texto, un modelo arma la respuesta y la respuesta vuelve a ser voz.
- Las versiones nuevas usan modelos de lenguaje para charlar de forma más natural.
