Reconocimiento de voz: cómo convierte el móvil tu voz en texto

El reconocimiento de voz (STT, Speech-to-Text) es una tecnología que convierte el habla en texto. Con ella funcionan el dictado, los subtítulos, los asistentes de voz y la transcripción de grabaciones.

En pocas palabras

Imagina una taquígrafa sentada en clase que apunta todo lo que dice el profesor, rápido y sin pausas. El reconocimiento de voz es esa misma taquígrafa, pero digital: escucha el micrófono y escribe el texto. Si todos hablan a la vez o hay jaleo en clase, algo se le escapará, igual que a una persona.

Cómo funciona

1. El micrófono graba el sonido y el sistema quita parte del ruido.
2. El sonido se divide en fragmentos cortos y se convierte en un «espectrograma», una imagen del sonido.
3. Una red neuronal decide qué sonidos y palabras son más probables.
4. Un modelo de lenguaje corrige el resultado por el sentido: «vino a casa», no «vino a cava».
5. El texto aparece en pantalla, a menudo mientras todavía hablas.

Dónde lo verás

Dictado con el teclado, audios transcritos en las apps de mensajería, subtítulos automáticos en YouTube y en llamadas, grabadoras con transcripción, asistentes de voz, altavoces inteligentes y relojes.

¿Importa al elegir?

Para comprar: si dictas mucho, comprueba que el móvil reconozca tu idioma sin internet; es más rápido y privado. Para estudiar, transcribir clases grabadas ahorra horas. La calidad depende mucho de los micrófonos: con ruido funcionan mejor los móviles y auriculares con varios micros y cancelación de ruido.

Mitos

• Mito: El reconocimiento no entiende acentos ni hablas regionales. En realidad: Los modelos actuales se manejan mucho mejor que antes, aunque fallan más que con un habla estándar.
• Mito: El móvil graba todo lo que digo sin parar. En realidad: Normalmente solo escucha en local la frase de activación, como «Ok Google», y empieza a reconocer después.

Preguntas frecuentes

¿Cómo dicto los signos de puntuación?

Di «coma», «punto», «signo de interrogación»: la mayoría de teclados lo entiende.

¿Funciona el reconocimiento sin internet?

En muchos móviles actuales sí, si descargas el paquete de idioma.

¿Puedo transcribir una clase grabada?

Sí, las grabadoras de algunos móviles y servicios aparte transcriben e incluso resumen.

Términos relacionados

Síntesis de voz, Traducción de llamadas en directo, IA en el dispositivo, Modelo multimodal