Iniciar sesión

Voz en Inteligencia Artificial

Reconocimiento y síntesis de voz

Unidad: Cargas de trabajo de IA Gratis
🎙️
Voz
La voz deja que hables con una app o un agente, como con una persona. Son dos capacidades, una de ida y otra de vuelta:
👂 ReconocimientoLa IA "escucha": convierte lo que alguien dice en texto (voz a texto). Así se transcriben llamadas y se hace la minuta de una junta.
🗣️ SíntesisLa IA "habla": convierte un texto en voz que se escucha (texto a voz). Así te dice el GPS «gire a la derecha».
Un asistente que escucha tu pregunta y te contesta hablando usa las dos: haces la pregunta en voz alta, la app convierte tu voz en texto, el modelo genera la respuesta en texto y la app la lee con una voz.
Escenarios comunes: agentes de voz, minutas automáticas de juntas, audiodescripción de videos y traducción de voz (hablas en español y la app lo dice en inglés). Los retos reales: ignorar el ruido de fondo, darse cuenta cuando alguien interrumpe y sonar cada vez más natural.
La transcripción puede ser en tiempo real: el texto sale mientras alguien habla, como los subtítulos en vivo de una presentación; o por lotes: mandas grabaciones ya guardadas (todas las llamadas del mes) y el servicio las procesa cuando tiene lugar. No sabes la hora exacta en que empieza, pero tampoco tienes que esperar en línea.
En Foundry, la herramienta especializada es Azure Speech in Foundry Tools (convierte voz en texto y texto en una voz natural). También hay modelos multimodales que entienden el audio directamente; aunque lo haga uno de ellos, la carga de trabajo sigue siendo voz.

Pon a prueba lo que aprendiste

Concepto

¿Qué es el reconocimiento de voz?

  1. AConvertir lo que alguien dice en texto
  2. BSaber quién habla por su cara
  3. CConvertir un texto escrito en voz
  4. DTraducir un texto escrito a otro idioma
Ver respuesta
A) Convertir lo que alguien dice en texto La IA «escucha» y escribe lo que oyó.
Concepto

¿Qué es la síntesis de voz?

  1. AConvertir un texto en voz que se escucha
  2. BQuitar el ruido de fondo de un audio
  3. CConvertir lo que alguien dice en texto
  4. DResumir lo que se dijo en una junta
Ver respuesta
A) Convertir un texto en voz que se escucha La IA «habla» un texto.
Escenario

Una app hace la minuta de tus juntas en línea. ¿Qué capacidad necesita primero?

  1. ASíntesis de voz
  2. BReconocimiento de voz
  3. CDetección de objetos
  4. DGeneración de imágenes
Ver respuesta
B) Reconocimiento de voz Primero hay que pasar lo que se dijo a texto.

Practica esta lección completa

Ejercicios de completar código, ordenar bloques y respuesta libre. Ganas XP y mantienes tu racha.

Practicar gratis, sin registrarte Entras como invitado directo a esta lección. Sin tarjeta.