La voz es útil donde escribir es lento: dictar notas, reservar hablando, escuchar artículos o ayudar a quienes leer les resulta difícil. En español, los acentos regionales, los nombres propios y las palabras en inglés mezcladas influyen más de lo que se cree.
Esta guía explica los componentes, qué probar antes de lanzar y cómo pedirle a Uttra una primera versión que funcione.
Una aplicación de voz hace una de tres tareas: convierte la voz en texto, lee un texto en voz alta o une ambas para conversar. Puedes describirle el trabajo a Uttra en lenguaje normal, pero la precisión con los acentos, el permiso del micrófono y la privacidad de las grabaciones requieren decisiones conscientes.
Los tres componentes
El reconocimiento de voz escucha por el micrófono y devuelve palabras escritas. La síntesis de voz lee un texto con la voz que elijas. Un asistente de voz los encadena: escucha, envía el texto a un modelo de IA y pronuncia la respuesta.
- Dictado: la persona habla y el texto aparece en un formulario o nota.
- Lectura en voz alta: un botón en un artículo o lección reproduce el texto.
- Asistente de voz: preguntas hablando y escuchas la respuesta.
- Comandos de voz: frases cortas como «abre mis pedidos».
Acentos: prueba con voces reales
La calidad varía según el idioma, el acento, el ruido y el micrófono. Un modelo que luce en una demostración puede fallar con nombres propios o frases que mezclan español e inglés. Graba diez frases reales de tus usuarios y mira qué devuelve.
Muestra siempre el texto reconocido para que se pueda corregir antes de confirmar algo importante, como un pedido o una cita.
Permiso, HTTPS y privacidad
Los navegadores solo permiten el micrófono en páginas seguras y con el consentimiento del usuario; explica para qué lo necesitas antes de que aparezca la petición. La voz es un dato personal. Indica si se guarda el audio, durante cuánto tiempo y quién puede escucharlo, y no conserves lo que no necesites. Se aplica el RGPD.
Los servicios de voz externos necesitan una clave de API que añades como secreto del proyecto. Lee las condiciones del proveedor sobre el tratamiento del audio, sobre todo con menores o contenido de salud.
- Un botón de micrófono claro con estado de escucha visible.
- Entrada por teclado como alternativa en sitios ruidosos o si se rechaza el permiso.
- Una nota breve de privacidad junto al botón.
Una petición lista para copiar
Empieza pequeño y describe el momento del usuario. Por ejemplo:
«Añade un botón de dictado a la página de notas de la app de mi clínica. La persona habla en español, el texto aparece en el campo de la nota y puede editarlo antes de guardar. Añade un botón de lectura en voz alta para cada nota, escritura por teclado si el micrófono está bloqueado y una línea que diga que el audio no se guarda.»