Detección de actividad de voz

El método clásico se basa en la energía: si la señal del micrófono supera un umbral durante el tiempo suficiente, es habla. Eso falla en cualquier habitación con un ventilador, un teclado o una segunda persona. La VAD moderna es una red neuronal diminuta entrenada para distinguir la voz humana de todo lo demás, y tarda unos pocos milisegundos por fragmento de audio, tan poco que puede funcionar todo el tiempo en un portátil sin que nadie lo note.

El resultado es una secuencia de segmentos de habla y de no habla. Una herramienta de dictado usa la primera transición para poner en marcha el reconocedor y un tramo de no habla lo bastante largo para decidir que has terminado.

Un modo manos libres significa que la herramienta escucha antes de que hayas dicho nada. Lo que separa una implementación de confianza de una inquietante es qué pasa con el audio que resulta no ser habla, o con el habla que nunca llega a ser un dictado. La respuesta correcta es que nunca se guarda, nunca se envía a ningún sitio y desaparece en cuanto el detector dice que no. Una herramienta que ejecuta la VAD en el dispositivo puede prometerlo; una que envía el audio a un servidor para decidir si estás hablando, no.

Detectar una pausa no es lo mismo que detectar el final de una idea. La gente hace pausas a mitad de frase para pensar, y un corte basado en VAD los interrumpe; si alargas la pausa, la herramienta parece lenta. Por eso los modos manos libres van bien para un dictado constante y fluido y push-to-talk va bien para todo lo demás, y por eso una buena herramienta ofrece los dos.

No necesitas software especial para ver cómo un detector de voz toma una decisión. El Dictado de Apple se detiene automáticamente cuando no detecta voz durante 30 segundos, y puedes provocar esa regla tú mismo.

1. 01 Selecciona el menú Apple → Ajustes del Sistema, haz clic en Teclado, ve a Dictado y actívalo.
2. 02 Haz clic en una nota o un documento vacío.
3. 03 Pulsa el atajo de Dictado y di una frase.
4. 04 Deja de hablar y no toques el Mac.
5. 05 Observa cómo el dictado termina sin pulsar ninguna tecla cuando pasan 30 segundos sin voz.
6. 06 Repite la prueba con música o un ventilador funcionando cerca para ver si el ruido de fondo cambia el resultado en tu equipo.

Un detector de voz solo puede juzgar la señal que recibe. Si está seleccionado el micrófono equivocado, o la entrada es muy baja, tu voz y la sala empiezan a parecerse, y las decisiones de inicio y parada empeoran. Antes de culpar a la herramienta, comprueba qué está escuchando realmente el Mac.

• En Ajustes del Sistema → Sonido, haz clic en Entrada y selecciona el micrófono al que de verdad estás hablando.
• En la misma pantalla, sube el regulador del volumen de entrada si tu voz suena demasiado baja, o bájalo si suena demasiado alta.
• Para el Dictado de Apple, comprueba Fuente del micrófono en Ajustes del Sistema → Teclado → Dictado. Con Automático, el Mac elige el dispositivo que es más probable que uses.
• Acércate al micrófono o usa unos auriculares con micrófono, para que tu voz suene claramente más alta que la sala.
• Si haces pausas para pensar en mitad de las frases, usa una tecla mantenida pulsada o un interruptor para esos fragmentos en lugar de un modo manos libres.

Cualquier herramienta que espera a que hables tiene que mantener el micrófono abierto mientras espera. macOS te muestra cuándo pasa eso y te deja decidir qué apps pueden hacerlo.

1. 01 Abre el Centro de control y busca el indicador de grabación. Aparece cuando el micrófono está en uso o se ha usado hace poco.
2. 02 Selecciona el menú Apple → Ajustes del Sistema y haz clic en Privacidad y seguridad en la barra lateral.
3. 03 Haz clic en Micrófono.
4. 04 Lee la lista de apps que han pedido acceso al micrófono.
5. 05 Desactiva el acceso de cualquier app que no deba estar escuchando.