Identificación de idioma
También: LID
Actualizado el
Definición
La identificación de idioma es el paso en el que el software de voz averigua qué idioma se está hablando antes de transcribir, o mientras transcribe. Es lo que permite a una herramienta multilingüe cambiar de idioma sin que tengas que tocar un ajuste.
Un reconocedor que da por hecho el idioma equivocado produce disparates muy seguros de sí mismos: el francés pasado por un modelo inglés sale como un galimatías con forma de inglés. El dictado tradicional lo resolvía con un ajuste que había que cambiar a mano, lo cual está bien para quien trabaja en un solo idioma y es un fastidio para las muchas personas que cambian a mitad de conversación.
Las herramientas modernas ejecutan un detector pequeño sobre el primer segundo o dos de audio, eligen el idioma más probable y envían el audio al modelo adecuado. Las buenas pueden volver a detectarlo en cada nuevo dictado, así que una respuesta de Slack en alemán y la siguiente en inglés no necesitan que hagas nada.
Cómo funciona la detección
Algunos modelos de ASR detectan el idioma por sí mismos como efecto secundario de la transcripción; Whisper lo hace en su primera pasada. Otros dependen de un clasificador aparte, muy pequeño, que escucha el comienzo de una frase y devuelve un idioma con una puntuación de confianza. En ambos casos la decisión tiene que tomarse pronto, porque hay que abandonar el modelo equivocado antes de que produzca mucho, y tiene que tomarse con muy poco audio, y por eso la primera o las dos primeras palabras de un dictado son el momento en que las herramientas multilingües son más frágiles.
Detectar no es traducir
Identificar el idioma y transcribirlo en ese idioma es el comportamiento predeterminado y el seguro. La traducción, en la que hablas en un idioma y el texto llega en otro, es un paso aparte y opcional, y debería estar desactivada salvo que la actives. Una herramienta que traduce por sorpresa ha tomado sobre tus palabras una decisión que no le correspondía.
Cómo dictar en más de un idioma en un Mac
El Dictado de Apple funciona con los idiomas que le añades, y eres tú quien cambia de uno a otro mientras dictas. Configurarlo lleva un minuto.
- Selecciona el menú Apple → Ajustes del Sistema y haz clic en Teclado en la barra lateral.
- Ve a Dictado y haz clic en el botón Editar junto a Idiomas.
- Selecciona cada idioma y región en que quieras dictar.
- Inicia Dictado en cualquier campo de texto.
- Para cambiar de idioma, haz clic en el idioma que aparece junto al cursor. Se muestra como una abreviatura o como caracteres que representan el idioma.
- O pulsa la tecla 🌐 y elige el idioma que quieras usar.
¿Cómo detectan el idioma Whisper y Parakeet?
Whisper se entrenó para identificar el idioma hablado como una de sus tareas, junto con la transcripción y la traducción. Cuando no indicas un idioma, su herramienta de transcripción detecta uno con hasta los primeros 30 segundos del audio, y luego transcribe todo el archivo en ese idioma. Los modelos solo para inglés se saltan la detección y dan por hecho el inglés.
Parakeet TDT 0.6B v3 adopta un enfoque más acotado. NVIDIA dice que detecta automáticamente el idioma del audio y lo transcribe sin indicaciones adicionales, en los 25 idiomas europeos que admite. Un idioma fuera de ese conjunto no es compatible.
Por qué detecta el idioma equivocado y cómo solucionarlo
La detección es una suposición hecha a partir de poco audio, y hay unas cuantas situaciones que la confunden siempre. Casi todas tienen una solución sencilla: decirle tú al modelo el idioma.
- La grabación cambia de idioma a mitad. La herramienta de Whisper detecta una sola vez, a partir del principio del archivo, y aplica ese idioma al resto.
- El idioma tiene pocos datos de entrenamiento. La ficha del modelo Whisper indica menos precisión en esos idiomas.
- El idioma no es uno de los que admite el modelo, así que solo puede responder con un idioma que sí admita.
- La solución para Whisper: añade al comando --language y el nombre del idioma, por ejemplo --language German.
- La solución para el Dictado de Apple: elige tú el idioma haciendo clic en el idioma que aparece junto al cursor.
Preguntas que hace la gente.
¿El software de dictado puede detectar qué idioma estoy hablando?
Las herramientas modernas sí, a partir del primer segundo o dos de audio, y envían la voz al modelo adecuado. Las más antiguas necesitan que elijas el idioma en un ajuste antes de hablar.
¿Qué pasa si se equivoca de idioma?
Obtienes disparates muy seguros de sí mismos con el alfabeto o la ortografía equivocados, porque el modelo transcribe los sonidos como las palabras que conoce. Las herramientas que vuelven a detectar el idioma en cada dictado se recuperan en la frase siguiente; las que tienen un ajuste fijo necesitan que lo cambies.
¿Cómo cambio el idioma de dictado en un Mac?
Añade el idioma en Ajustes del Sistema → Teclado → Dictado haciendo clic en Editar junto a Idiomas. Mientras dictas, haz clic en el idioma que aparece junto al cursor, o pulsa la tecla 🌐 y elige el idioma.
¿Cómo evito que Whisper elija el idioma equivocado?
Indica el idioma en el comando, por ejemplo whisper audio.mp3 --language German. Así Whisper se salta la detección automática, que si no usa hasta los primeros 30 segundos del audio.
¿Puede un modelo de voz detectar el idioma automáticamente?
Sí. Whisper detecta el idioma cuando no lo indicas, y Parakeet TDT 0.6B v3 de NVIDIA lo detecta automáticamente en los 25 idiomas europeos que admite.
