Reconocimiento de voz (ASR)
Tecnología que convierte la voz hablada en texto. En inglés se conoce como ASR, de «automatic speech recognition».
El reconocimiento automático de voz (ASR, por sus siglas en inglés) es la tecnología que escucha un audio y escribe lo que se dice. Los sistemas actuales usan redes neuronales entrenadas con miles de horas de voz y texto: reciben el sonido troceado y predicen las palabras más probables, con puntuación incluida.
No hay que confundirlo con el reconocimiento de voces, que identifica a quién pertenece una voz. El reconocimiento de voz se ocupa de qué se dice.
Su precisión depende del idioma y del acento, del vocabulario (los nombres propios poco comunes son lo que más falla), del ruido y de que varias personas hablen a la vez. Por eso se mide con conjuntos de prueba públicos y una métrica común, la WER.
Echo usa reconocimiento de voz en sus propios servidores para la transcripción, la transcripción en directo y el dictado de preguntas; el audio no se envía a servicios de reconocimiento de terceros.
