# Reconocimiento de voz

> La tecnología que convierte lo que decís en voz alta en texto escrito.

- Nivel: Básico
- Temas: IA
- URL: https://tidbit.legios.com.ar/es/speech-recognition/
- En inglés: [Speech recognition](https://tidbit.legios.com.ar/speech-recognition/)

El **reconocimiento de voz**, también llamado speech-to-text o voz a texto, es lo que le permite a una computadora escuchar a alguien hablar y escribir lo que dijo. El dictado del celular, los subtítulos automáticos de los videos, los asistentes de voz y la transcripción de una videollamada arrancan todos acá.

Los sistemas viejos se armaban con piezas separadas: una para reconocer sonidos, otra para asociarlos a palabras y otra para adivinar las frases más probables. Los modernos son una sola red neuronal entrenada con cientos de miles de horas de audio grabado junto con su transcripción. Whisper, de OpenAI, publicado como open source en 2022, mostró hasta dónde llega ese enfoque: un único modelo que maneja decenas de idiomas y audio con ruido bastante bien.

Igual se sigue equivocando, sobre todo con acentos marcados, ruido de fondo, gente que se pisa al hablar o nombres y jerga que nunca escuchó. Los buenos servicios suman extras como distinguir quién habla, poner puntuación y aceptar una lista de palabras propias. En AWS, el servicio para esto es Amazon Transcribe.

## Una analogía

Una taquígrafa rapidísima en un juzgado, tipeando todo lo que se dice. Impecable con voces claras, y le cuesta un poco cuando tres personas gritan a la vez.

## Para quedarse

- Convierte el audio de gente hablando en texto.
- Está detrás del dictado, los subtítulos, los asistentes de voz y las transcripciones.
- Los sistemas actuales son redes neuronales entrenadas con muchísimo audio.
- Los acentos, el ruido y los nombres raros siguen siendo lo difícil.

## Para seguir leyendo

- [Reconocimiento del habla en Wikipedia](https://es.wikipedia.org/wiki/Reconocimiento_del_habla)
- [¿Qué es Amazon Transcribe? (documentación oficial)](https://docs.aws.amazon.com/es_es/transcribe/latest/dg/what-is.html)

## Términos relacionados

- [Asistente de voz](https://tidbit.legios.com.ar/es/voice-assistant/): Un programa al que le hablás en voz alta, que te contesta y hace tareas chicas por vos.
- [Red neuronal](https://tidbit.legios.com.ar/es/neural-network/): Una pila de unidades matemáticas chiquitas que aprende patrones a partir de ejemplos.
- [OpenAI](https://tidbit.legios.com.ar/es/openai/): La empresa que hizo ChatGPT y convirtió a la IA en tema de sobremesa.
- [Código abierto](https://tidbit.legios.com.ar/es/open-source/): Software cuyo código cualquiera puede leer, usar, cambiar y compartir.
- [Amazon Transcribe](https://tidbit.legios.com.ar/es/amazon-transcribe/): Un servicio de AWS que escucha audio y escribe lo que se dijo.