Historia del reconocimiento de voz: De Audrey (1952) a los LLM actuales
La evolución del reconocimiento automático de voz
El reconocimiento de voz comenzó como una curiosidad de laboratorio y se convirtió en una interfaz ubicua. Hitos clave:
1950s–1960s: Fundamentos
- 1952 – Audrey (Bell Labs): Reconoció dígitos del 0 al 9 de un solo hablante usando análisis de formantes.
- 1962 – Shoebox (IBM): vocabulario de 16 palabras (dígitos + "más", "menos", etc.) en la Feria Mundial de 1962.
- 1969 – Dynamic Time Warping (DTW): Alineó plantillas de habla de longitud variable; habilitó sistemas de palabra aislada dependientes del hablante.
1970s–1980s: Modelado estadístico
- 1970s – Modelos Ocultos de Markov (HMM): Baker, Jelinek, Bahl (IBM) aplicaron HMM al habla continua; el marco probabilístico reemplazó la coincidencia de plantillas.
- 1976 – Harpy (CMU): vocabulario de 1,011 palabras, búsqueda en haz.
- 1980s – Las redes neuronales entran: Waibel (TDNN), Bourlard (híbrido HMM/ANN); tempranas pero limitadas por el cómputo.
1990s: Comercialización
- 1990 – Dragon Dictate (Dragon Systems): primera dictación discreta para el consumidor ($9,000).
- 1996 – ViaVoice (IBM): dictación continua para PC.
- 1997 – Se funda Nuance: consolidó Dragon, Kurzweil, SpeechWorks; impulsó IVR, automoción, medicina.
2000s–2010s: Móvil y nube
- 2008 – Google Voice Search (iPhone): ASR en la nube, gratuito, volante de datos masivo.
- 2011 – Siri (Apple): asistente de voz mainstream.
- 2014 – Deep Speech (Baidu) y pérdida CTC: aprendizaje profundo de extremo a extremo supera a HMM/GMM.
- 2016 – WaveNet (DeepMind): TTS generativo; cerró el ciclo.
2020s: Modelos fundacionales
- Whisper (OpenAI, 2022): multilingüe, robusto, de código abierto.
- ASR integrado con LLM: consciente del contexto, puntuación, diarización, traducción en un solo modelo.
- Streaming en el dispositivo: RNN-T, Conformer, Zipformer —tiempo real, privado, sin conexión.
De 10 dígitos a conversación fluida en 70 años —la próxima década apunta a una comprensión multilingüe, multihablante y consciente de las emociones en todas partes.
- ·Reseña del Sennheiser MKH416-P48U3
- ·Cómo activar el micrófono en un Dell Inspiron 1520
- ·¿Por qué crujen los altavoces? Causas comunes: componentes dañados, señal sobrecargada, cables defectuosos, equipos defectuosos, bucles de tierra, interferencia magnética
- ·Sennheiser E906: Revisión del micrófono dinámico para guitarra y directo
- ·Cómo reducir ruido de fondo en un micrófono
- ·Cómo soldar conectores XLR (reparación de cables)
- ·Efectos de eco en micrófonos
- ·Shure Beta 58A: Revisión del micrófono dinámico legendario para directo
- Por qué tu micrófono de condensador no funciona en Logic Pro
- Cómo reducir ruido al grabar en ordenador
- Cómo reducir ruido de fondo en un micrófono
- Cómo usar un micrófono de solapa (lavalier) en una conferencia de prensa
- Reseña Shure MV7X: Micrófono dinámico XLR para podcasting y streaming
- Por qué tu transmisión silba: Nivel bajo de líquido, cojinetes desgastados, engranajes malos o falla de la bomba
