{"id":1274,"date":"2026-08-24T07:25:00","date_gmt":"2026-08-24T07:25:00","guid":{"rendered":"https:\/\/com-proff.com\/?p=1274"},"modified":"2026-08-24T13:28:58","modified_gmt":"2026-08-24T13:28:58","slug":"sistemas-de-voz-en-ia","status":"publish","type":"post","link":"https:\/\/com-proff.com\/en\/tecnologia\/sistemas-de-voz-en-ia\/","title":{"rendered":"SISTEMAS DE VOZ EN IA"},"content":{"rendered":"
\"\"<\/figure>\n\n\n\n

Los sistemas de comprensi\u00f3n de lenguaje aumentar\u00e1n su importancia dado el creciente inter\u00e9s por sistemas convivenciales. El desarrollo de sistemas expertos tambi\u00e9n bonificar\u00e1 la capacidad de los ordenadores para responder a consultas escritas o habladas en lenguaje natural. Si se consigue la deseada interface entre hombre y m\u00e1quina inteligente, se habr\u00e1 logrado tambi\u00e9n la traducci\u00f3n entre lenguaje natural y lenguaje m\u00e1quina. La finalidad de muchos programas ling\u00fc\u00edsticos es que sea el ordenador y no el hombre el que haga dicha traducci\u00f3n. Esto subraya una caracter\u00edstica fundamental de la investigaci\u00f3n en Al: una b\u00fasqueda constante de medios de automatizaci\u00f3n de tareas inteligentes, es decir, de programaci\u00f3n de las capacidades cognoscitivas que caracterizan a los seres humanos.<\/p>\n\n\n\n

En el ser humano los sistemas de voz pueden funcionar en el modo entrada o en el modo salida, es decir, podemos hablar y escuchar. Una de las finalidades de los estudios en Al es permitir que los ordenadores sinteticen la voz humana (masculina, femenina, joven, o vieja en cualquier lenguaje) e identifiquen las voces de personas (u ordenadores) contestando a ellas. Los sistemas de nidificaci\u00f3n y s\u00edntesis de voz ser\u00e1n cosa com\u00fan en productos comerciales y en las interfases de las nuevas generaciones de ordenadores. Varios observadores, entre ellos Kirvan, 1984, han sugerido que la tecnolog\u00eda aural est\u00e1 madura para una mayor expansi\u00f3n.<\/p>\n\n\n\n

La entrada de voz se puede dividir en identificaci\u00f3n del discurso y verificaci\u00f3n del locutor. Una cosa es identificar la voz y otra muy diferente comprender lo que dice una persona. Similarmente, la salida de voz se puede clasificar en codificaci\u00f3n del discurso y s\u00edntesis de la palabra. En un producto especial (llamado grabador y recuperador de voz: voice store and forward system), las palabras habladas se guardan para posterior recuperaci\u00f3n por otros usuarios. Estos y otros recursos mejorar\u00e1n progresivamente la interfases hombre-m\u00e1quina en los a\u00f1os venideros. Se podr\u00e1 hablar\/recibir respuesta de los ordenadores en cualquier idioma. Ya existen varios dispositivos experimentales que incorporan la voz a los procesos de entrada y de salida para facilitar su comunicaci\u00f3n con los usuarios humanos. Por ejemplo, un robot electro neum\u00e1tico primeramente controlado por voz ahora incorpora tambi\u00e9n una unidad de salida hablada (Henthorn y Dawson, 1983). La finalidad de este experimento es explorar la factibilidad de la entrada y salida habladas en el control de sistemas robotizados.<\/p>\n\n\n\n

En los seres humanos el o\u00eddo detecta las ondas sonoras y las convierte en impulsos nerviosos que son transmitidos al cerebro. De modo similar un micr\u00f3fono convierte las ondas sonoras en impulsos el\u00e9ctricos para su subsiguiente interpretaci\u00f3n. Esta tarea de interpretaci\u00f3n es el coraz\u00f3n de los problemas de reconocimiento de la palabra hablada. Un Ingeniero electroac\u00fastica intent\u00f3 su soluci\u00f3n en los a\u00f1os cincuenta. Construy\u00f3 un equipo electr\u00f3nico con una luz roja en su parte superlor. Cuando alguien en las proximidades pronunciaba la palabra “watermelon” (sand\u00eda), la luz roja parpadeaba. Desafortunadamente, este simp\u00e1tico y exitoso dispositivo nos se\u00f1al\u00f3 el camino hacia sistemas m\u00e1s eficaces de identificaci\u00f3n de la palabra hablada. En una conversaci\u00f3n se utilizan m\u00e1s de 10.000 palabras y aparentemente la palabra sand\u00eda es muy f\u00e1cil de identificar. Los mayores equipos del tipo \u201csand\u00eda” nunca llegaron a identificar m\u00e1s de 100 palabras, y \u00e9stas pronunciadas cuidadosamente, de una en una y por un locutor a cuyo tipo de voz se hab\u00eda ajustado el equipo previamente. Se necesitaba un enfoque diferente.<\/p>\n\n\n\n

Otro planteamiento integraba varias t\u00e9cnicas ac\u00fasticas con exitosos procedimientos ling\u00fc\u00edsticos y de respuesta de preguntas. Se trataba de desarrollar un sistema de comprensi\u00f3n de la palabra hablada con una gama de elementos sint\u00e1cticos, ac\u00fasticos, y sem\u00e1nticos adaptados a una determinada especialidad. En un sistema desarrollado en 1971 en la Universidad Carnegie-Melon para comprensi\u00f3n del lenguaje hablado, la especialidad era el juego del ajedrez. Pero se descubri\u00f3 que el sistema no pod\u00eda distinguir f\u00e1cilmente entre las palabras “queen” y \u201cking” (reina y rey), una gran limitaci\u00f3n. A mediados de los setenta se vi\u00f3 que los equipos experimentales que lentamente pod\u00edan manejar algo m\u00e1s de cien palabras eran susceptibles de mejora.<\/p>\n\n\n\n

Era obvio que los sistemas de comprensi\u00f3n del lenguaje e identifican de la voz ten\u00edan que modelar al menos algunos de los procesos an\u00e1logos de tipo humano. Para digitar la informaci\u00f3n hablada recibida, el ordenador usa un conversor anal\u00f3gico digital (un proceso similar al utilizado por el o\u00eddo para convertir ondas sonoras en impulsos nerviosos. Si los datos almacenados son la traducci\u00f3n matem\u00e1tica de una onda tridimensional, dicha informaci\u00f3n puede actuar como eficaz plantilla. La coincidencia de plantillas es el enfoque, m\u00e1s com\u00fan a los problemas de reconocimiento de la voz.<\/p>","protected":false},"excerpt":{"rendered":"

Los sistemas de comprensi\u00f3n de lenguaje aumentar\u00e1n su importancia dado el creciente inter\u00e9s por sistemas convivenciales. El desarrollo de sistemas expertos tambi\u00e9n bonificar\u00e1 la capacidad […]<\/p>\n","protected":false},"author":2,"featured_media":1275,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[224],"tags":[269,311],"class_list":["post-1274","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia","tag-ia","tag-voz"],"_links":{"self":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1274","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/comments?post=1274"}],"version-history":[{"count":1,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1274\/revisions"}],"predecessor-version":[{"id":1276,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/posts\/1274\/revisions\/1276"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/media\/1275"}],"wp:attachment":[{"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/media?parent=1274"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/categories?post=1274"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/com-proff.com\/en\/wp-json\/wp\/v2\/tags?post=1274"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}