211service.com
AT&T quiere poner su voz a cargo de las aplicaciones
En un esfuerzo por hacer del habla la forma dominante en que las personas controlan la tecnología, AT&T está abriendo su tecnología de reconocimiento de voz para que otros la utilicen. A partir de junio, los ingenieros de software pueden aprovechar un servicio en la nube ofrecido por la empresa para hacer que cualquier dispositivo que pueda conectarse a Internet responda a la voz de su maestro.
Qué?: Una demostración de laboratorio muestra una conversación en tiempo real entre un hablante de inglés y uno de español. Las palabras habladas fueron convertidas en texto, traducidas y habladas por máquina al oyente en ambos extremos.
AT&T cree que, en última instancia, la tecnología podría usarse para todo, desde aplicaciones para teléfonos inteligentes y juegos en línea hasta automóviles y electrodomésticos. Si bien la oferta inicial solo convertirá voz en texto y los comandos correspondientes, la compañía está considerando un conjunto más amplio de ofertas más adelante, incluidas las que traducen texto en inglés a otros seis idiomas y viceversa, y también pueden sintetizar la voz traducida.
Creemos que hay muchas personas inteligentes que pueden crear aplicaciones y servicios con los que nunca antes habíamos soñado, dice Mazin Gilbert, vicepresidente de investigación de sistemas inteligentes en Laboratorios de AT&T en Florham Park, Nueva Jersey. Para usar la tecnología, los desarrolladores escriben código en su software para aprovechar una API (interfaz de programación de aplicaciones) especificada por AT&T. Ese código hace que una aplicación envíe voz a AT&T a través de Internet, donde se convierte en texto y se devuelve al dispositivo. Las nuevas API fueron Anunciado la semana pasada. AT&T afirma que la tecnología tiene una precisión del 95 por ciento al tomar el habla en inglés y convertirla en texto. Dice que su precisión para convertir el significado del texto en inglés hacia y desde otros idiomas varía entre el 70 y el 80 por ciento.
La tecnología de voz subyacente que ahora ofrece AT&T ya se utiliza en muchas de sus propias aplicaciones, incluida la Aplicación de traducción de AT&T para teléfonos Android e iOS, y búsqueda de directorio de voz móvil proporcionada por Páginas Amarillas . Quiero poder tener un millón de aplicaciones en nuestra plataforma, no cientos, como las tenemos hoy, dice Gilbert. Cualquiera que sea su idea loca, queremos proporcionar esas API. Seré honesto: no sé para qué lo va a usar la gente.
La tecnología de AT&T se basa en décadas de innovación en Bell Labs antes de la ruptura de AT&T y el posterior establecimiento de los propios laboratorios centrados en el servicio de AT&T. Sin embargo, la empresa debe competir con proveedores más establecidos de tecnología de reconocimiento de voz, especialmente en el ámbito de los teléfonos inteligentes.
Por ejemplo, Matiz proporciona capacidades de reconocimiento de voz a muchas empresas, incluida, según se informa, Apple para su asistente personal Siri. La tecnología de reconocimiento de voz de Google se ofrece en todo el sistema operativo de su teléfono inteligente Android y en cualquier aplicación escrita para un dispositivo Android. Microsoft también tiene tecnología de reconocimiento de voz, que aparece en su sistema operativo Windows Phone y en productos de socios como Ford, con su sistema Sync para entretenimiento en el automóvil.
Krish Prabhu, director ejecutivo de AT&T Labs, cree que hacer que la tecnología de voz esté ampliamente disponible permitirá que la informática móvil sea más capaz y crezca más rápido. En el contexto de un mundo en el que hemos resuelto en gran medida los problemas de conectividad y alcance, aunque todavía hay problemas, este esfuerzo en el habla proviene de la convicción de que la interfaz a la red debe simplificarse, dijo en una demostración de laboratorio en New York la semana pasada. Estamos tratando de allanar el camino para que la tecnología no sea lo que nos detenga.
Las API de AT&T para voz a texto, que se lanzarán en junio, constan de siete versiones adaptadas a usos específicos, como dictar mensajes de texto, buscar negocios locales, responder preguntas, convertir mensajes de voz en texto y realizar dictados generales. En el futuro, también se agregarán API específicas para juegos en línea y redes sociales.
Más adelante, pueden estar disponibles API que traduzcan texto entre inglés y otros seis idiomas: español, francés, italiano, alemán, chino y japonés. Otros idiomas, incluidos el coreano y el árabe, están en proceso, pero AT&T estará muy por detrás de sus competidores. Por ejemplo, Google ya ofrece herramientas para desarrolladores que pueden traducir entre más de mil pares de idiomas.
Gilbert dice que el uso de todas las API conllevaría una tarifa de registro de $ 99 para 2012, y que los planes posteriores a 2012 no eran públicos. Google cobra por sus propias API de traducción.
Mejorar la precisión del software de traducción o reconocimiento de voz requiere obtener más datos de ejemplo para entrenar los algoritmos subyacentes. Para ayudar en ese proceso, AT&T podría eventualmente solicitar comentarios de las personas que usan productos que tienen incorporada su tecnología de voz y traducción. El crowdsourcing permitiría que esto alcance niveles mucho más altos de precisión y esto, a su vez, impulsaría una adopción más amplia y usuarios mucho más felices, dice Sam Ramji, un científico informático que es vicepresidente de estrategia en Apigee , que crea plataformas API y está trabajando en el proyecto AT&T.
Ramji cree que hacer que una buena tecnología de reconocimiento de voz esté fácilmente disponible podría extinguir lentamente los menús tradicionales y las interfaces basadas en texto. Las interfaces de usuario de hoy son como árboles por los que tenemos que navegar para reflejar la estructura del programa. Lo que debería suceder es que los dispositivos analicen el comando que sale de nuestras bocas, dice.