La inteligencia artificial basada en voz está avanzando rápidamente, aunque muchos no reconocen lo omnipresentes que serán las interfaces de usuario por voz. Actualmente, utilizamos un teclado y un ratón para controlar la mayoría de las aplicaciones de escritorio y web. En el futuro, es probable que podamos hablar con muchas de estas aplicaciones para interactuar con ellas.
Me entusiasma especialmente el trabajo de Vocal Bridge, donde Ashwyn Sharma está liderando el camino en el desarrollo de herramientas para desarrolladores que faciliten esta interacción.
La evolución de las interfaces de usuario
Cambio significativo en las interfaces de usuario ha generado nuevas aplicaciones y mejoras en las existentes. El ratón permitió la interacción de apuntar y hacer clic, y los gestos táctiles habilitaron nuevas clases de aplicaciones móviles. Hasta hace poco, las interfaces de voz sufrían de altos índices de error y latencia, pero a medida que se vuelven más confiables, se abrirán muchas nuevas aplicaciones.
Por ejemplo, desarrollé una aplicación de cuestionario matemático para mi hija. Ella disfruta jugando con el teclado, pero al agregar una interfaz de voz, el cuestionario se vuelve más amigable y le permite responder verbalmente, lo que mejora la experiencia.
La mayoría de las personas encuentran que hablar y escuchar es mucho más fácil que escribir y leer. Como muchos desarrolladores son literatos, es fácil olvidar lo complicado que puede ser escribir para algunas personas. Las películas de ciencia ficción, como Star Trek, a menudo imaginan un futuro donde la comunicación con las computadoras es verbal en lugar de escribir.
Desarrollo y futuro de las interfaces de voz
He discutido anteriormente el equilibrio entre latencia e inteligencia. El problema central es que los modelos de voz-in-voz-out tienen baja latencia, pero son difíciles de controlar y carecen de confiabilidad. En comparación, un flujo de trabajo que utiliza el modelo de voz a texto, seguido por inteligencia artificial y texto a voz, asegura alta confiabilidad, pero introduce latencia excesiva.
Vocal Bridge ha implementado una arquitectura personalizada que permite una conversación en tiempo real, lo que garantiza baja latencia y alta inteligencia. No espero que las interfaces de voz reemplacen completamente las interfaces más antiguas, sino que las complementen, al igual que el ratón complementa al teclado.
Las interfaces de voz tienen un potencial mucho mayor que simplemente automatizar centros de llamadas. En mi aplicación de cuestionario, la interfaz puede hablar y actualizar las preguntas y animaciones en respuesta a entradas verbales o escritas, creando una experiencia de usuario más rica.
Facilidad de desarrollo de interfaces de voz
Crear interfaces de voz es posiblemente más fácil de lo que se piensa. Partiendo de una versión anterior de mi aplicación de cuestionario, utilizando Claude Code, me tomó menos de una hora agregar capacidades de voz. En un reciente hackathon, los desarrolladores crearon aplicaciones impulsadas por voz con Vocal Bridge, incluyendo un buscador de ensayos clínicos y un asesor de cartera conversacional.
Las interfaces de voz serán un bloque de construcción importante para las aplicaciones de inteligencia artificial. Solo una pequeña fracción de los desarrolladores del mundo ha creado alguna vez una aplicación de voz, lo que representa una oportunidad fértil. Si deseas probar agregar voz a una aplicación, puedes utilizar Vocal Bridge de forma gratuita aquí.
¡Sigue construyendo!
Andrew
UN MENSAJE DE DEEPLEARNING.AI
Hemos lanzado la agenda de AI Dev 26. Escucha a equipos de Google DeepMind, Oracle, AMD y más en dos días de charlas, talleres y demostraciones, presentado por Andrew Ng. Ve lo que está planeado y comienza a organizar tu horario.
