Antes de empezar
Privacidad: el micrófono solo se usa cuando pulsas un botón, el audio no se envía a ningún sitio ni se guarda; del sonido solo se calculan 120 números.
1 Los sonidos de partida
Son voces fabricadas por el programa con fórmulas (un «sí» empieza con un siseo agudo; un «no», con un murmullo grave). Cada una es distinta: cambia el tono, la rapidez y el ruido. No son voces reales, y eso tendrá consecuencias.
2 Enséñale al oído
Pulsa un botón: aprende de esos ejemplos (la mitad «sí», la mitad «no») y se examina con 60 sonidos de prueba que no ha oído nunca.
3 Pruébalo con tu voz
Pulsa un botón y di la palabra en cuanto veas «Habla ahora» (tienes 2 segundos). El oído dirá qué ha entendido. Cada vez cuenta como un examen con tu voz.
Qué se guarda: solo 120 números por grabación, no el audio. No se puede reconstruir tu voz con ellos. «Descargar» crea un archivo en tu ordenador; «Cargar» lo vuelve a leer.
4 Repite el experimento
Un solo reparto puede ser fácil o difícil por casualidad. Esto repite el examen con 30 repartos para cada cantidad de ejemplos.
Aún no has hecho el experimento.
5 El programa del oído
Qué hay dentro del modelo
Cómo oye (sonido → números → vecinos)
- Del sonido a una imagen. Un sonido son miles de números por segundo. Se corta en trocitos y, con la transformada de Fourier (la FFT del chisme 60), se mide cuánta energía hay en cada franja de graves y agudos.
- 120 números. Se resume en 10 momentos × 12 franjas de frecuencia. Eso es lo que el oído «ve»: una cuadrícula de 120 casillas. Se resta la media para que dé igual si hablas alto o bajo.
- Vecinos más cercanos. Para un sonido nuevo busca los 3 ejemplos más parecidos (los que tienen la cuadrícula más cercana) y hace lo que hace la mayoría. Es la misma idea del chisme 40.
- Examen justo. Se mide con sonidos de prueba que no ha usado para aprender.
Qué no sabe hacer
- No entiende palabras: solo compara formas de sonido. No sabe qué significa «sí» ni «no».
- Aprende de voces sintéticas, que se parecen poco a una voz real: por eso con tu voz acierta menos. Eso se llama sesgo de los datos: solo sabe lo que se le ha enseñado.
- El ruido, un micrófono distinto o un acento diferente pueden despistarlo. Con ejemplos de más voces mejora.
- No distingue una orden de una frase: si dices «no sé», puede entender «no» o «sí».
Un modelo no es la realidad: sirve para entender cómo aprenden las máquinas, no para decidir nada sobre personas.
Preguntas y retos
Para pensar
- Con 10 ejemplos, ¿cuánto acierta? ¿Y con todos? ¿Llega al 100 %?
- Prueba con tu voz sin enseñarle nada. ¿Acierta tanto como en el examen con voces sintéticas? ¿Por qué?
- Activa «Guardar lo que grabo» y di cinco «sí» y cinco «no». ¿Mejora con tu voz? ¿Y si lo prueba un compañero?
- Mira el apartado «Lo que ve el oído»: ¿qué diferencia ves entre un «sí» y un «no»? ¿En qué franjas hay más energía?
- ¿Qué es peor, que entienda «sí» cuando dijiste «no», o al revés? ¿Y si lo usara un aparato que hiciera algo al oír «sí»?
- Prueba con ruido de fondo, susurrando o gritando. ¿Qué le cuesta más?
- ¿Qué otras palabras podríamos enseñarle? ¿Por qué sería más difícil con tres o con veinte?
Resultado del examen
Entrena al oído para ver el resultado.