Cuando en Xataka me ofrecieron probar el Plaud Note Pro, mi reacción fue predecible: "otro gadget de IA que puede ser una app". Llevamos un par de años viendo desfilar chismes tecnológicos que prometen cambiar nuestra vida gracias a la IA, a veces con terrible resultado, y en general siendo soluciones en busca de un problema.

Pero el Note Pro me ha sorprendido. No porque haga magia, sino precisamente porque no intenta hacerla.

Este diseño solo tiene sentido cuando lo tienes en la mano

Las fotos de producto engañan muchísimo con este dispositivo. En pantalla parece un trasto cualquiera, otro rectángulo de aluminio más. Cuando lo sacas de la caja, la reacción es decir "qué fino es esto". Tiene literalmente el tamaño de una tarjeta de crédito y apenas 3 milímetros de grosor. No estamos hablando de "fino para ser un grabador", sino de fino, punto.

Es ridículamente fino. Aquí, junto al estuche de unos AirPods Pro para dimensionarlo mejor. Imagen: Xataka.

Lo primero que haces es intentar doblarlo, porque tu cerebro no procesa que algo tan delgado pueda tener cuatro micrófonos, 64 GB de almacenamiento y batería para 30 horas de grabación continua. El acabado en aluminio cepillado es impecable, con ese tipo de calidad que te hace pensar en Apple. Y lo digo como crítica y como halago: tienen claro a quién están copiando, y lo hacen extraordinariamente bien.

Pues eso, ridículamente fino. Y bien acabado. Imagen: Xataka.

La pantalla AMOLED de menos de una pulgada es un detalle que parece superfluo hasta que la usas. No es para ver vídeos, sino para confirmar de un vistazo que estás grabando, cuánta batería te queda, y si has marcado algún highlight. Nada más, nada menos. Es diseño con propósito, no ornamentación.

La pantalla tiene su aquel más allá de ser un indicador de la batería restante. Imagen: Xataka.

La pregunta incómoda: ¿por qué no usar simplemente una app?

Aquí es donde se pone interesante. Porque sí, tienes opciones como Otter.ai o la grabadora nativa de tu móvil con transcripción automática. Son gratis, o casi. Ya viven en tu bolsillo. ¿Por qué demonios querrías gastarte 179 dólares en un cacharro aparte, más una suscripción que va desde los 20 euros al mes hasta 250 anuales?

La respuesta honesta es que para la mayoría de la gente, no tiene sentido. Si grabas una reunión al mes, usa tu móvil. Si necesitas transcribir de vez en cuando, Otter te sobra. Pero si vives en reuniones, briefings, entrevistas, llamadas con clientes, presentaciones... la ecuación empieza a cambiar.

El Note Pro te libera de la dependencia del móvil, y eso es más valioso de lo que parece a priori. Cuando grabas con el móvil, ese móvil está ocupado. No puedes en muchas ocasiones consultar documentos, tomar notas en paralelo o responder un mensaje urgente. Y sobre todo, no puedes permitir que se quede sin batería justo cuando más lo necesitas. El Note Pro es un dispositivo de función única, y esa especialización es su fortaleza.

Se carga vía conector pogo-pin magnético. Imagen: Xataka.

🔌 Imagen: Xataka.

La calidad de grabación también marca diferencia. Los cuatro micrófonos MEMS captan voces hasta a cinco metros con una claridad notable, y el procesamiento de IA para separar hablantes funciona sorprendentemente bien. En pruebas en salas de reuniones con seis personas, identificó correctamente cada voz sin necesidad de que nadie hablara en turnos ordenados. Otter.ai en mi móvil funciona de maravilla por lo general, pero tiende a mezclar voces si dos personas hablan con volumen similar.

Pero seamos claros: la brecha no es abismal. Las apps modernas también funcionan bien. La ventaja del Note Pro es acumulativa, no puntual: mejor batería, mejor captura de audio, un dispositivo que puedes dejar sobre la mesa sin preocuparte de notificaciones que interrumpan, sin ansiedad por si alguien llama en mitad de la grabación. Y además, si tienes un iPhone con MagSafe, existe una cartera con la que pegar el Plaud a él y poder grabar hasta las llamadas.

El Plaud Note Pro dentro de su cartera MagSafe. Imagen: Xataka.

También aquí. Imagen: Xataka.

El botón de highlight: pequeño detalle, gran diferencia

Hay una función que suena trivial en papel pero que en uso he descubierto que es extraordinariamente útil: el botón de highlight. Durante una grabación, si alguien dice algo importante, pulsas brevemente y el sistema marca ese momento. No solo para localizar el fragmento después, sino para que la IA priorice esa información en los resúmenes. Brillante.

He probado esto en presentaciones largas y la diferencia es brutal. Sin highlights, el resumen te da un popurrí donde lo importante puede quedar diluido entre divagaciones.

Con highlights estratégicos, el resumen va directo a las decisiones, los compromisos, los puntos críticos. Es una forma elegante de guiar a la IA sin tener que escribir prompts después. Kudos a quien tuvo esta idea.

La IA que hay detrás: potente pero cara

El hardware es solo la mitad de la ecuación. La magia ocurre en la app de Plaud, que procesa las grabaciones usando modelos de Google, OpenAI o Anthropic. Puedes elegir qué modelo usar para cada transcripción, lo cual es un nivel de control que no esperaba.

Al iniciar una transcripción podemos escoger entre la transcripción automática y la personalizada. Si escogemos la segunda, podemos elegir incluso el modelo a utilizar. Y ya incorpora el recién estrenado Gemini 3 (aunque en beta). Imagen: Xataka.

Las diferentes vistas de una transcripción: resumen, geolocalización y reconocimiento de quién es la persona clave (si se presentó al inicio), puntos clave, índice temático y transcripción completa. Imagen: Xataka.

La transcripción es excelente. Comparativamente mejor que Google Meet o Zoom en mi experiencia, aunque eso puede depender del acento y el entorno. Lo realmente interesante son las plantillas de resumen: tienes desde actas de reunión hasta formato Q&A para entrevistas, pasando por notas de clase o análisis de llamadas comerciales. Y si ninguna te vale, puedes crear las tuyas propias con prompts personalizados.

Ejemplos de plantillas de transcripción en la app de Plaud. Imagen: Xataka.

Probé esto dictando secciones enteras de un artículo mientras caminaba, y el resultado fue... inquietantemente bueno. La IA no solo transcribió, sino que limpió muletillas, estructuró párrafos y mantuvo mi tono. Necesité retoques mínimos para publicar.

Pero aquí viene el pero: nada de esto es gratis. La versión básica te da 300 minutos al mes. Si necesitas más, hay distintos paquetes de compra única de minutos, o suscripciones mensuales o anuales que no son baratas. Para uso profesional intensivo, es razonable. Para uso ocasional, es un palo considerable que hará retroceder a más de uno.

¿Para quién tiene sentido esto realmente?

Seamos honestos sobre el público objetivo. El Note Pro vive en una intersección muy específica: gente que asiste a muchas reuniones, presentaciones, briefings, entrevistas o llamadas importantes, Y que tiene un poder adquisitivo lo suficientemente holgado como para justificar el desembolso inicial más una suscripción anual.

Consultores, abogados, ejecutivos, periodistas, investigadores académicos. Gente para quien el tiempo es literalmente dinero, y automatizar la toma de notas y resúmenes puede ahorrar muchas horas semanales. Para un abogado que factura 200 euros la hora, el Note Pro se paga solo si le ahorra una hora al mes. Para un estudiante o un profesional liberal con una nómina discreta, seguramente no.

También hay que considerar el factor dependencia. Plaud es una startup joven. ¿Qué pasa si quiebran o deciden cerrar el servicio? Te quedas con un precioso pisapapeles de aluminio. No hay transcripción local, todo pasa por su nube. Es el riesgo inherente a cualquier hardware dependiente de servicios externos, y le deseo toda la suerte del mundo a Plaud, pero en el mundo de las startups de IA, la mortalidad es alta.

¿Lo recomendaría?

Después de tres semanas obligándome a usarlo en distintas circunstancias, mi respuesta es: depende mucho de quién seas.

• Si trabajas en consultoría, derecho, periodismo, ventas B2B, o cualquier campo donde las reuniones y las conversaciones importantes sean tu materia prima, el Note Pro es una herramienta legítimamente útil. No es un capricho tecnológico, es un multiplicador de productividad... si bien es cierto que para presupuestos más limitados una app puede ser suficiente.
• Si tienes reuniones esporádicas o tu trabajo no depende críticamente de capturar y procesar conversaciones, ahórrate el dinero. Tu móvil con Otter.ai o la grabadora nativa te sobra.

Para mí se ha convertido en un estupendo acompañante. No por necesidad absoluta, sino porque reduce la fricción: lo saco, lo coloco en la mesa, pulso el botón, y me olvido. El móvil sigue siendo mi móvil.

Plaud ha hecho algo que casi ninguna empresa de IA hardware ha conseguido: crear un producto que justifica su existencia física. No intenta ser tu asistente personal, tu traductor universal y tu oráculo de bolsillo todo al mismo tiempo. Es un grabador excelente con IA integrada para procesamiento inteligente. Eso es todo. Y en un mundo lleno de gadgets que prometen el cielo y entregan humo, esa modestia de propósito es balsámica.

El futuro de la IA en hardware probablemente no sean pins mágicos ni conejos parlanchines. Será esto: dispositivos especializados, bien diseñados, que hacen una cosa extraordinariamente bien. El Note Pro no es para todo el mundo, pero para quienes lo necesitan, es exactamente lo que debería ser.

Tecnología que traduce. Nos maravilló poder consultar Google Translate para traducir todo tipo de textos y sitios web entre distintos idiomas, pero al gigante de las búsquedas le adelantó el maravilloso DeepL, que soporta menos idiomas pero traduce de forma excepcional. También nos sorprendieron las traducciones simultáneas (o casi) de plataformas como Skype y de esas potenciales gafas de realidad aumentada de Google que hacían justo eso de forma aún más natural y llamativa.

Que vivan los memes traducidos.Ahora una plataforma llamada Rask.ai ha ido un poco más allá y hace uso de un sistema de inteligencia artificial para doblar los diálogos de cualquier vídeo con una peculiaridad: primero analiza la voz de quien habla, de forma que la voz que habla en el idioma final es justo esa.

Terelu, Torrente, qué bien habláis inglés. Eso ha hecho que aparezcan una buena hornada de pequeños clips de vídeo en los que los protagonistas son los originales, pero su voz y el idioma utilizado (normalmente, inglés) son otros. Los vídeos de Terelu Campos, Torrente, el Fari o Messi hablando en inglés en clips de vídeo reconocibles (o también nuevos, en el caso del de Messi) son desde luego sorprendentes y se han convertido en virales.

Sorprendente. Los resultados son desde luego llamativos, sobre todo porque precisamente la voz de quien habla sigue siendo la misma, y es como si la persona hablase de forma natural en otro idioma como el inglés. Es cierto que el vídeo se mantiene y los labios no están sincronizados: las pausas en la voz pueden no coincidir con los movimientos de la boca y eso hace que el resultado pueda chocar, pero aún así el efecto es singular (y, en este caso, muy gracioso).

Casos de uso. Aunque el proceso se está viralizando en formato de memes, los propios responsables de Rask.ai explican cómo este tipo de tecnología se puede utilizar para diversos escenarios. Por ejemplo, formaciones, marketing, vídeos educativos, de ventas e incluso para industrias como la del videojuego o del cine. De hecho en el sitio web oficial indican que el próximo gran paso es la sincronización de labios para que el resultado sea aún más preciso.

Aún hay más. Precisamente esa falta de sincronización con el movimiento de los labios y la boca es la que hace que el sistema pueda resultar menos convincente, pero hay ya plataformas alternativas que precisamente hacen eso. Una de ellas es Heygen: en el vídeo de Jon Finger, que mostró su funcionamiento, parece estar hablando de forma natural en otros idiomas, y ese movimiento sincronizado de los labios hace que todo sea mucho más creíble. Es, de hecho, espectacular.

El peligro de los deepfakes. Este tipo de vídeos demuestran que esta tecnología está ya al alcance de cualquiera, y su capacidad, que primero nos ha permitido reírnos con esos memes, podría volverse contra nosotros si es usada en campañas de desinformación. Los deepfakes de personas que pronuncian palabras que en realidad nunca han pronunciado serán probablemente muy frecuentes muy pronto, y frente a esos usos están otros como los mencionados por Rask.ai.

Dobladores en peligro. El mundo del cine desde luego tiene en este tipo de sistemas una forma excepcional de solucionar el problema del doblaje de las películas: a este paso, pronto podríamos ver cómo a los actores les oímos siempre en nuestro idioma nativo, pero con sus voces y con un perfecto movimiento de la boca y los labios. Ese segmento profesional parece desde luego tener un futuro complicado... como tantos otros.

Imagen | Lolafilms

En Xataka | El doblaje de películas tiene un problema, se llama inteligencia artificial y ya tiene alucinantes resultados

"A todos nos gusta mandar mensajes de voz, pero a casi nadie le gusta recibirlos". Lo dice Javier Andrés, uno de los creadores de LuzIA, el chatbot integrado en WhatsApp. En Xataka hemos hablado con este emprendedor, que nos ha hablado del exitoso presente y prometedor futuro de este singular proyecto.

Un millón de usuarios. Andrés nos empezaba dando un dato destacado: LuzIA ya cuenta con más de un millón de usuarios, una cifra asombrosa teniendo en cuenta que se ha alcanzado en poco más de dos meses. Según sus propios datos, es la app española que más rápido ha alcanzado esa cifra.

Instagram tadó más. La red social Instagram, una de las que creció con mayor rapidez, tardó tres meses en alcanzar esa cifra de usuarios. LuzIA ha tardado apenas dos meses, algo espectacular. Como señala Javier Andrés, son otros tiempos y la popularidad de ChatGPT —que alcanzó no uno, sino cien millones de usuarios en dos meses— ha impulsado ese crecimiento. Aún así el logro es notable, y detrás de él hay una característica que ha conquistado a los usuarios de WhatsApp.

Fuente: LuzIA.

LuzIA podía haber sido MatIAs o SofIA. Este directivo publicaba recientemente un artículo en el que explicaba el origen del nombre de este chatbot, que querían que tuviese esas vocales "IA" como parte del nombre para poder jugar con él. Además de Lucía, pensaron en Matías y Sofía. ¿Por qué eligieron LuzIA? Fue gracias a una antigua compañera de Andrés en la Universidad, que se llamaba Lucía y que era, además de generosa, una estudiante modelo. El avatar se creó con Midjourney al estilo Pixar, y trataron de escoger una imagen más neutra evitando que fuera, por ejemplo, excesivamente atractiva.

Transcripción de audio. Es la característica estrella de LuzIA. Añades el contacto a tu WhatsApp y a partir de ahí ya puedes preguntar lo que sea para que converse contigo gracias a las APIs de OpenAI, pero también es capaz de transcribir los mensajes de voz que te envían tus conocidos. Basta con reenviarlos al contacto de LuzIA y en unos instantes —gracias a la tecnología Whisper de OpenAI— el texto correspondiente al mensaje aparece ahí para que leas en lugar de escuchar ese mensaje. Andrés destacaba que además esos mensajes son anónimos para ellos: simplemente se envía el audio a Whisper para que lo procese, pero la privacidad, indica, está asegurada.

También genera imágenes. Hace unos días LuzIA presentaba una nueva opción que permite generar imágenes gracias a su integración de Stable Diffusion. Este modelo de IA generativa no ofrece quizás resultados tan destacables como los de Midjourney, pero como Andrés señalaba, "hay usuarios que lo están 'domando' y están generando imágenes bastante buenas".

Latinoamérica ha crecido de forma notable en el uso de este chatbot. Fuente: LuzIA.

Triunfa en España, pero triunfa aún más en Latinoamérica. El foco inicial de Luzía ha sido tanto España como todos los países de habla hispana. Andrés se confesaba por el crecimiento no de nuestro país, sino de toda Latinoamérica: España ahora mismo representa aproximadamente un tercio de la cuota de usuarios, pero hay países en Latinoamérica que a este ritmo pronto tendrán más cuota de uso que España.

Casos de uso sorprendentes. Andrés nos comentaba además cómo les encanta recibir mensajes en los que algunos usuarios les agradecen este servicio y les cuentan escenarios de uso espectaculares. Por ejemplo: para una asociación de sordos —cuyos miembros están en muchos grupos de WhatsApp— la opción de transcripción es un regalo del cielo.

También nos hablaba de un profesor que trabaja en la selva de Colombia: allí los datos de internet son caros, pero algunas operadoras ofrecen tarifa plana para WhatsApp. Gracias a eso, les contaba, sus alumnos —que si quieren ir a una biblioteca tienen que recorrer varios kilómetros— pueden tener acceso a información de calidad directamente en esta aplicación gracias a LuzIA.

Habrá LuzIA de pago. Ese crecimiento en usuarios ha hecho que los recursos para mantener el servicio crezcan, pero esta startup cuenta ya con el apoyo de inversores americanos que "han confiado en nosotros" y les permiten seguir dando el servicio de forma gratuita. De momento, explicaba, "estamos en fase de entender dónde está el valor para en algún momento hacer pruebas de monetización". El modelo obvio es la suscripción, pero están abiertos a otros formatos, y una cosa es segura: habrá una capa gratis siempre.

WhatsApp al acecho. Le preguntamos a Javier Andrés por algo que parece bastante factible: que la propia WhatsApp acabe ofreciendo la transcripción de audios directamente —Telegram ya lo hace en su versión Premium—. Nuestro protagonista reconocía que esa opción "posiblemente llegará, y creo que WhatsApp lanzará en algún momento su propia LuzIA". Sin embargo, explicaba, "Nuestro reto es crear suficiente valor con los usuarios para que de alguna manera fidelicen. Los audios son un buen gancho, pero queremos que se queden por otras cosas, como por ejemplo el hecho de que en LuzIA creamos una personalidad". Además, explicaba, este chatbot irá creciendo en funcionalidades.

Imagen | LuzIA

En Xataka | Los "Copilotos" de Microsoft proponen un cambio de paradigma brutal: uno en el que chatearemos con nuestro PC

A Ron Brady le diagnosticaron ELA a los 52 años. Esta terrible enfermedad neurodegenerativa acaba provocando en muchos casos la pérdida total de moverse, respirar o hablar. Brady, que ahora tiene 55 años, no puede tragar ya cuando come y le es difícil hacer muchas cosas, pero como indican en The Washington Post, hay una que no ha perdiod: su voz.

Recrear el habla. Una empresa llamada Voice Keeper obra este particular milagro. Su tecnología, basada en inteligencia artificial, logra registrar, recrear y luego almacenar voces que luego se usan en sistemas de software de dictado. En este caso, Brady es capaz de hablar en estos momentos escribiendo lo que quiere decir en un teclado. "Lo que más me gusta decir es cualquier cosa cursi de padre que haga reír a mi mujer o a mis hijos adultos", afirma.

En Xataka

Soy periodista, tengo ELA y no puedo mover nada de mi cuerpo salvo los ojos... así que escribo artículos con mis pupilas

Una bendición para quienes pierden el habla. Este tipo de procesos eran caros y consumían ingente cantidad de tiempo y recursos, pero la IA ha hecho que sean mucho más accesibles y sean especialmente útiles para pacientes de ELA, cáncer de garganta, parálisis cerebral o enfermedad de Parkinson. Todos ellos son gracias a esta opción recuperar esa confianza a la hora de comunicarse con el mundo.

Una idea que ya llevaba años fraguándose. En 2016 hablábamos de Smartstones (ahora Cognixion), una empresa que combinaba un dispositivo EEG y una aplicación llamada prose (ahora Speakprose) que permitía convertir el pensamiento en habla. Era otra opción prometedora para pacientes de ELA o autismo y luego surgieron otras, pero lo que está claro es que la IA ha llevado este tipo de soluciones a un nuevo nivel.

Cómo ayuda la IA. Hasta ahora capturar el habla humana requería que la persona grabara entre 1.000 y 6.000 frases (hasta 30 horas de audio) para poder luego generar cualquier sonido en un idioma. Los resultados eran aceptables, pero no ideales. Es el caso de Ruth Brunton, que usaba una voz sintetizada de Microsoft llamada "Heather" que no se parecía apenas a su voz. Tras intentar de nuevo generar su voz con una IA, el resultado fue asombroso para ella: de no usar aquella primera voz salvo por necesidad, la nueva voz sintética fue para ella como recuperar aquello que había perdido.

Cómo la IA lo ha cambiado todo. Ahora la IA analiza un ejemplo de voz de una persona y rebusca en una gran base de datos para encontrar voces similares. Al encontrar patrones, crea una voz digital que se ajusta a ese hablante de forma mucho más adecuada. Algunas empresas necesitan tan solo 50 frases para construir esa recreación de la voz.

Libertad. Otros afectados por ELA que participan en el tema como Brian Wallach hablaban de cómo para él "esta voz es libertad". De momento puede teclear, pero como ocurre con Brady, llegará un momento en el que para escribir necesitará usar sus ojos, lo que hace que la conversación se ralentice más. Y aún así, una cosa es segura: su voz seguirá estando ahí para cuando quiera usarla.

Imagen: Clay Banks

En Xataka | La ELA "enclaustra" a las personas en su cuerpo. Ahora la ciencia está logrando que se comuniquen con el exterior

Hasta ahora llegabas, pagabas con el móvil y si tenías que hacerlo confirmabas esa compra con la huella dactilar o el reconocimiento facial. A esas dos opciones pronto se les podría sumar otra desarrollada por Google y que permitiría lo mismo, pero con la voz.

Este desarrollo plantea una forma muy interesante de autorizar y confirmar pagos haciendo uso de Google Assistant, y parece especialmente pensada para altavoces y pantallas inteligentes desde la que realizamos esas compras.

Un proyecto piloto que apunta a un futuro de compras con la voz

Para lograr completar ese proceso de compra con la voz Google hará uso de sus sistema Voice Match, el mismo que permite reconocer a distintos usuarios de un mismo dispositivo para proporcionar respuestas personalizadas a cada uno de ellos.

Google ha confirmado que efectivamente está iniciando un proyecto piloto con este tipo de sistema. La opción se ha descubierto en las ociones de Google Assistant, dentro de la sección "Pagos". Es allí donde aparece un nuevo elemento llamado "Confirmar con Voice Match", algo que explican desde la propia documentación de soporte de Google.

La capacidad de autorizar y confirmar pagos a través de altavoces y pantallas inteligentes con la voz, eso sí, está implementándose de forma limitada: de momento solo se pueden pagar compras in-app (como contenidos extra para juegos) a través de Google Play, además de hacer pedidos de comida a domicilio a ciertos restaurantes.

Vía | 9to5Google

En el año 2002, los soldados estadounidense que regresaban de Afganistán reportaron sus problemas con la cultura y los dialectos de las regiones a los que estaban destinados. Con el apoyo de los fondos DARPA, la empresa Alelo comienza a trabajar en los primeros juegos originales de aprendizaje virtual para lenguaje táctico.

En la actualidad, la web de la propia compañía indica que su sistema ha demostrado desde 2007 su efectividad a la hora reducir el tiempo de aprendizaje tradicional de varios meses a menos de 80 horas utilizando software basado en escenarios virtuales. Entre sus virtudes destaca el facilitar a los marines destinados en Iraq la compresión de la cultura del país, los gestos y el lenguaje situacional.

En paralelo a esta experiencia militar, en algunos países asiáticos como Korea, Japón, Taiwan siempre ha habido un gran interés por enseñar a los niños a practicar idiomas con robots sociales. El estudio acerca del uso de robots en el aprendizaje de idiomas, financiado por el programa Horizon 2020 research and innovation de la Unión Europea y publicado en enero de 2018, confirma que los niños disfrutan más aprendiendo idiomas con un robot que con los métodos convencionales.

De acuerdo con este estudio, "Los niños que estudiaron con el robot afirmaron estar más motivados y satisfechos con los materiales de aprendizaje, menos ansiosos y tenían una mayor autoestima que sus contrapartes que estudiaron sin el robot". Sin embargo, el mismo estudio concluye que no está demostrada una mayor efectividad en la enseñanza de idiomas utilizando robots en las aulas, ya que no hay suficientes evidencias de sus beneficios.

Motivar con asistentes de voz

Joshua Underwood es Coordinador de Learning Technologies en el British Council (Bilbao), Lecturer en la Universidad de Deusto, formador independiente en competencias digitales y uno de los principales investigadores del uso de asistentes de voz en la enseñanza de idiomas. Underwood comparte sus experiencias con el fin de promover el uso de las nuevas tecnologías, especialmente los asistentes de voz, entre profesores y estudiantes de idiomas.

"Siempre me sorprende, cuando hablo con profesores de idiomas, sobre todo de inglés, que no haya mucha gente usando este tipo de tecnología, ni siquiera reconocimiento de voz".

Y es que, según Underwood, cuando un profesor se enfrenta a un grupo de estudiantes de la misma nacionalidad y que tienen una lengua madre en común, le resulta muy complicado que se comuniquen entre ellos en el idioma que están aprendiendo.

"Los estudiantes no tienen motivación para hablar en inglés, ni razones para hacerlo más allá de las exigencias del profesor y la evaluación. Hablar en otro idioma sobre un tema específico cuando puedes hacerlo mucho mejor en tu primera lengua no tiene mucho sentido ni es muy motivador. Hablar con Google, con Amazon o con quien sea, o sea, con una máquina, es más divertido y puede motivar más."

Responder a preguntas concretas como "cómo es de grande la luna", resolver problemas matemáticos o deletrear palabras concretas son algunas de las utilidades de los asistentes de voz que con más éxito se están utilizando en la comunidad educativa, a pesar de que cuando uno entra por primera vez en una clase provoca cierto desconcierto.

"No saben lo que es. Les voy preguntando ¿qué crees que es? ¿qué crees que es capaz de hacer? Luego digo algo, o le pregunto a Alexa qué tiempo va a hacer hoy. Al principio se quedan un poco asustados, pero luego quieren probarlo."

Con esta introducción, el formador pretende retar a los alumnos a preguntar e investigar qué es capaz de hacer el asistente, siempre en el idioma que están aprendiendo.

Otros investigadores y apasionados del uso de las nuevas tecnologías en las aulas como Bill Selak están haciendo experimentos similares, utilizando los asistentes para deletrear, chequear información o resolver problemas matemáticos. Ejercicios que también se utilizan en la enseñanza de idiomas ya que, según Joshua Underwood, se trata de que el alumno hable e interactúe con el asistente y, hacer los deberes con él, es una buena práctica.

En el podcast sobre el uso de Amazon Echo en las clases, Selak habla de la experiencia en Hillbrook School, donde es Director de Tecnología, utilizando este asistente. "Poder deletrear correctamente faculta a los estudiantes a tomar posesión de su propia ortografía", afirma Selak, que considera que esta habilidad es imprescindible para dominar una lengua.

Herramientas para el aprendizaje de idiomas en los asistentes de voz

El pasado 30 de agosto, Google anunciaba una de las grandes novedades para su asistente de voz: su capacidad para ser bilingüe. Google Assistant es capaz de reconocer cualquiera de estos pares de idiomas: inglés, alemán, francés, español, italiano y japonés y eso constituye una buena ayuda en el aprendizaje de idiomas, al mismo tiempo que un gran avance respecto a Siri o Alexa, sus principales competidores.

Además, tanto Google Assistant, como Siri o Alexa disponen de una funcionalidad de traducción en distintos idiomas y en tiempo real.

Pero si hay un asistente de voz que destaque por sus funcionalidades para educación, este es Alexa. Alexa Skills agrupa una serie de herramientas enfocadas a la educación tanto para profesores como para alumnos.

Con Daily Dose se pueden aprender 34 idiomas distintos mediante dos modalidades diferentes: aprender una nueva palabra en solo un minuto con la "Palabra del día" o bien disfrutar a diario de la "Lección del día" profesional de 10-20 minutos.

SayHi Language Learning enseña español, francés, alemán y danés. También ofrece lecciones de conversación de audio.

Chineasy es una herramienta para aprender chino que ofrece lecciones en formato podcast de 7 minutos. En general son podcast sencillos y amenos.

Y si lo que buscas es algo diferente, con Language Tutor lo tienes. Puedes aprender español, francés, italiano, e incluso ¡inglés australiano!

Por último, otra de las funcionalidades más destacadas y novedosas es Cleo. Vale, no es una herramienta para aprender idiomas sino para enseñar a Alexa a hablar nuevos idiomas o entender nuevas palabras, pero... bien utilizada también puede ser una manera de aumentar y mejorar nuestro vocabulario.

Retos del uso de las tecnologías de voz en educación

Una de las dificultades que surge a la hora de utilizar asistentes de voz en la enseñanza de idiomas es gestionar las frustraciones de los alumnos cuando no consiguen que la tecnología reacciones como ellos desean.

A pesar de que los asistentes han avanzado mucho en los últimos meses y ahora detectan sonidos que son muy difíciles de captar para los estudiantes de idiomas, muchas veces continúan sin comprender correctamente las instrucciones que se les dan, lo que a veces puede resultar un poco frustrante.

Recientemente el periódico británico Daily Mail se hacía eco de un estudio sobre cómo los británicos están cambiando la forma de hablar para que los asistentes puedan entenderles. La noticia destaca que el 79% los británicos con acentos regionales están modificando su manera de hablar para ser entendidos por tecnologías como Siri, Google Home o Alexa.

Sin embargo, el mayor reto al que se enfrentan las tecnologías de voz en la enseñanza de idiomas es el de demostrar su efectividad como elemento educativo. Si bien hay estudios y evidencias positivas sobre la motivación de los alumnos, todavía se carece de suficiente información como para evaluar su efectividad. Cuestión de tiempo.

Suena el teléfono. Te pones. Te llama una persona -o peor, una máquina- a la que no conoces, a la que no le has pedido que te llame, y que no tiene ningún problema en interrumpirte y tratar de venderte un producto o servicio que no has solicitado. Es la pesadilla del telemarketing.

Esa pesadilla que todos hemos sufrido con frecuencia es difícil de combatir: está la lista Robinson, desde luego, pero a menudo ni siquiera esta es suficiente y nos encantaría poder devolverle a estas teleoperadoras la jugada con algún contraataque maestro. Roger Anderson, un experto en sistemas telefónicos, lo ha logrado. Es nuestro héroe.

Temblad, teleoperadoras

Anderson acabó harto de las llamadas de estas teleoperadoras y se puso manos a la obra para crear un sistema que precisamente les hiciese a ellos lo mismo que ellos nos hacen a todos nosotros: perder el tiempo. Cuando recibía una llamada de este tipo, redirigía la llamada a una línea adicional en la que la conversación está controlada por un robot.

El servicio que ideó como una venganza personal se convirtió en una realidad poco después, y así nació la Jolly Roger Telephone Company, un servicio que ya no solo utiliza Rogers, sino que éste experto ha puesto a disposición de todo el que quiera usarlo. Lo único que tiene que hacer el usuario es añadir un número de teléfono a su agenda para redirigir la llamada y silenciar nuestro teléfono para que sea el robot el que tome el control de ese diálogo.

Rogers explicaba que de momento su sistema no aplica prácticamente ninguna inteligencia artificial pero sí entiende los patrones e inflexiones de la forma de hablar del teleoperador: puede monitorizar lo que dice la persona que nos llama para luego tratar de mantener a esa persona en la conversación lo máximo posible.

El servicio se ha convertido en un singular éxito y uno de los primeros logros reales para tratar de luchar contra la pesadilla del telemarketing, que durante años se ha cebado en los usuarios finales haciéndoles perder un tiempo que nunca recuperan. El proyecto de Anderson podría ir a más, no obstante: aunque la campaña de financiación en Kickstarter no tuvo éxito, puede que sus esfuerzos logren hacer que este servicio acabe siendo especialmente eficaz a la hora de conseguir algo que todos querríamos: devolverle la pelota a los servicios de telemarketing.

Vía | The New York Times
En Xataka | ¿Qué sería de nuestro mundo sin la World Wide Web? Este vídeo lo imagina con humor y muchos cameos famosos

A medida que nos vamos habituando a los asistentes de voz y que éstos se encuentran en más dispositivos, van sucediéndose más situaciones como la que vimos hace una semana de los pedidos en masa debido a que los Amazon Echo obedecían a los televisores. Pero al parecer existen unos comandos ocultos que sólo los asistentes de voz entienden, mientras que a nosotros los humanos nos parecen más bien unas voces de ultratumba.

Lo han mostrado los investigadores que han presentado el trabajo titulado "Hidden Voice Commands". Lo que han logrado es que mediante unas modificaciones un comando de voz humano sea muy poco entendible por nosotros mientras que los asistentes de voz lo reconocen sin problemas, de modo que obedecen a la petición.

Cuando el "más allá" está sólo a tres metros

Los investigadores han desarrollado dos kits de comandos ocultos según el tipo de víctima: uno para Google Assistant y otro para un programa de reconocimiento de voz open source (CMU Sphinx speech recognition system), disponibles en este enlace (especificados como caja blanca y negra). Si comparamos vemos que hay ligeras diferencias en el audio entre uno y otro, pero que en ambos casos no son demasiado entendibles por seres humanos.

Eso sí, como indican en la explicación el hecho de saber qué se va a escuchar puede predisponernos y condicionar la escucha, entendiéndola mejor al saber a qué nos enfrentamos, cosa que no ocurriría si alguien emitiese estos sonidos en una situación normal (yendo en autobús, en un restaurante, etc.). Es por ello que tampoco dieron detalles a los testers humanos en su trabajo, quienes fueron incapaces de "traducir" el comando (sólo un 25% intentó al menos escribir media frase).

También hay ciertas diferencias según de qué comando se trate. Según especifican el comando "OK, Google" sí se entendió en un 90% de las veces, pero la cosa cambia cuando se trata de la orden en sí, ya que los testers humanos lo pudieron entender sólo el 20% de las veces (frente al 95% de Google Assistant).

Las diferencias de entendimiento según el comando y el receptor (humano o no).

¿Cómo lograron estos comandos tan efectivos como escalofriantes? Recurriendo a algoritmos complejos, de modo que iban mejorándolos según obtenían órdenes que el oído humano no entendiese bien y que fuesen entendibles por máquinas. Además, lograr los comandos para engañar a Google Assistant suponía algo más de reto al no disponerse de manera pública cómo procesa las órdenes humanas.

Por suerte, la distancia es uno de los factores limitantes. En el vídeo vemos que ponen el altavoz (que emite la locución) a unos 3 metros, y especifican que a partir de unos 3,6 metros los comandos son inefectivos. No obstante, un radio de 3 metros es suficiente para que estos comandos se usen con discreción, más aún teniendo en cuenta que son efectivos aunque haya ruido de fondo. También influye el que el móvil escuche la locución de manera directa o a través de YouTube (de ahí que probando en casa puede que salga un porcentaje menor de efectividad)

¿Estamos indefensos ante los comandos de ultratumba?

Hay factores de los asistentes de voz que son beneficiosos para el uso (más aún para quienes aún no los tenemos integrados en nuestra rutina), como los sistemas tipo "always-on" que hacen que podamos recurrir siempre a ellos, pero que a la vez suponen que estemos siempre expuestos. En The Atlantic también mencionan hablando de estos comandos ocultos los nuevos auriculares de Apple, los famosos Air Pods, que también permiten que haya un acceso constante a Siri.

Esto, junto a un número de sensores que parece ir en aumento en la industria, condiciona que sea "más fácil" engañar a los teléfonos. Es decir, a mayor número de sensores, mayor probabilidad de que alguien ajeno tome control (micrófonos, cámaras, etc.), algo que se conoce en el ámbito de la investigación en seguridad como "incremento de la superficie de ataque".

¿Qué amenaza entonces implica que nuestro dispositivo obedezca estos comandos ajenos? Más allá de la broma de que envíe un mensaje embarazoso o similares, lo que vemos es que el asistente obedece y entiende perfectamente el comando cuando se le pide que abra un sitio web, por lo que uno de los peligros es que se le ordene abrir una con malware o de las que provocan fallos como la que vimos hace meses para los iPhones.

En este sentido, como es habitual en estos trabajos, tras probar que existe la posibilidad de ataque o engaño los investigadores trataron de idear maneras de mejorar los sistemas para evitar la efectividad de estos comandos ocultos. Determinaron que no es suficiente con una notificación (dado que puede ser ignorada o ni siquiera oída en según qué ambientes) o la confirmación que comentábamos antes, matizando que además la función de que sólo reconozcan una voz no siempre funciona bien del todo.

¿Cuál es entonces la solución que proponen? El machine learning, es decir, el aprendizaje automático, aplicándolo en el sentido de que los dispositivos sean capaces de diferenciar una voz humana de esas voces procesadas. También el aplicar filtros, de modo que los comandos procesados no superen la validación y si lo hiciesen los humanos, aunque esto dificultaría el entendimiento por parte del asistente y los fabricantes podrían mostrar rechazo ante la idea de incorporarlos.

Vía | The Atlantic

En la era de lo smart, las gafas no se quedan fuera especialmente en lo referente al deporte. Productos que integran sensores y auriculares que hacen de estas gafas otro wearable para monitorizar la actividad física, hasta el punto de ser un entrenador que "nos entiende mejor" como las Oakley Radar Pace. Y aunque es una empresa estadounidense, precisamente esa parte de software que nos entiende se ha desarrollado en Sevilla.

Al hablar de la tecnificación de los pasados Juegos Olímpicos de Río 2016 ya vimos que el equipo estadounidense de ciclismo había entrenado con las SOLOS, unas gafas con realidad aumentada para tener información continua de la práctica. Las de Oakley van algo más allá buscando una mejor interacción, y para saber cómo es este producto a fondo hemos hablado con Intel, empresa que ha desarrollado la parte de software del reconocimiento de voz.

Más allá de las lentes de protección

Tras las apps de tracking como Runkeeper y el boom de las pulseras de actividad, ahora éstas comparten terreno con sus propios híbridos con relojes deportivos. Éstos pasaron de ser pulsómetros de pantalla monocroma a relojes mucho más completos como el Polar W600 o el Apple Watch Series 2.

Desde hace un tiempo, ese testigo de intentar ser el complemento tecnológico ideal para la práctica de deporte lo están cogiendo las gafas inteligentes, aunque difieren bastante de lo que hemos visto hasta el momento como las Google Glass o las Hololens. En el caso de las Oakley Radar Pace integran multitud de sensores y auriculares, buscando que la información llegue de manera activa y pasiva al deportista sin que tenga que pulsar nada necesariamente.

Estos sensores (entre los que se incluyen acelerómetro, giroscopio, barómetro, sensores de proximidad y de humedad) se encargan de recoger la información para que el dispositivo la procese y puede informar en todo momento de pulsaciones, ritmo, distancia, velocidad, tiempo de actividad, etc. El usuario puede navegar con toques y swipes, así como realizar preguntas preconfiguradas para regular volumen, responder llamadas, etc. y obtener estos datos.

Además de los sensores, las Oakley montan lentes Prizm™, que según el fabricante maximizan el contraste y que prometen mejorar la visibilidad. Éstas están compuestas de Plutonite®, material que filtra los rayos UVA, UVB, UVC y la luz azul hasta 400 nanómetros.

La clave: el reconocimiento de voz

Donde participa Intel es en el desarrollo del software, concretamente en las interfaces de voz. Y es ahí donde entra en cierto modo Indisys, la empresa española de reconocimiento de voz que Intel adquirió en julio de 2013. Nosotros hemos contactado con Jesús González, uno de los trabajadores que nos ha dado más información sobre los detalles técnicos del producto y la tecnología propia que estrenan con ellas.

Empezando por la clasificación del mismo, matizándonos que estas gafas inteligentes se encuadran en la categoría de smart glasses con una CUI (Conversational User Interface) específica para ciclismo y carrera. Es decir, se trata de una aproximación de lo que es Siri o Alexa pero especializada en fitness.

El hecho de que hayan especializado el reconocimiento de voz a la práctica de los deportes es una de las ventajas sobre otros dispositivos similares, dado que según los desarrolladores las Oakley reconocen casi cualquier pregunta que se haga en relación al entrenamiento. Además, se trata de una comunicación bilateral, es decir, puede empezar tanto por parte del usuario como por parte del sistema.

Intel como tal ya trabajó, entre otras, en las Vuzix M300, las cuales incorporan un procesador Intel Atom y se lanzaron poco después de que Indisys entrase a formar parte de la compañía, pero éstas no incluyen ninguna interfaz de voz. De ahí que las Oakley sean las primeras gafas en las que se incorpora la tecnología propia Intel® Real Speech, en la que han estado trabajando más de cuatro años.

Lo que hace esta tecnología es combinar el machine learning con lenguajes múltiples para que haya una comunicación lo más fluida posible, sin que el usuario tenga que recordar unos comandos exactos para obtener cierta información. Es decir, al combinar numerosas estructuras gramaticales, modelos estadísticos de lenguaje e inteligencia artificial el sistema permite una mayor interacción, con intención de lograr conversaciones como tal en el futuro.

Así, las claves son un manejo con manos libres y lo más "natural" posible dentro de un contexto temático (que podamos pedirle la información con variedad de estructuras, pero no vamos a poder "conversar" de cualquier tema). Lo que se buscó también es alejarse un poco más de esas voces más "de robot", de modo que el tono de voz varía según el lenguaje basándose en preferencias culturales.

¿Para todos los públicos?

Uno de los aspectos que puede hacer que nos pensemos bastante la compra de unas gafas así es si nos va a compensar la inversión. Ya no hablamos de los 80 euros que nos puede costar un wearable sencillo, sino que las Oakley se ponen por encima de los 400 dólares (449 dólares, unos 423 euros) como los relojes inteligentes deportivos más completos.

No obstante, nos explican que el producto no está ideado para un público reducido como el que pueden ser los deportistas de élite (como el equipo de ciclismo estadounidense con las SOLOS. Las Oakley están destinadas para cualquier persona independientemente del nivel, de ahí que la app permita configurar el mismo. Además, el sistema es capaz de crear un plan de entrenamiento personalizado para el usuario que puede ir ajustándose conforme va avanzando.

Cada vez más gafas inteligentes para deporte

Las Oakley tienen como rasgo diferencial esta comunicación más natural con el usuario, pero no son el único producto que existe en esta gama ni mucho menos. Así queda frente a otras rivales en cuanto a sus características.

En resumen, lo que aporta Oakley es que el deportista pueda practicar la actividad en cuestión escuchando la música que quiera y las indicaciones e información sobre su práctica de manera pasiva y activa. Lo que vemos en los vídeos es que además del ritmo, constantes, etc. el sistema avisa de si el trabajo está siendo excesivo o quedando por debajo según el objetivo de la sesión.

Como suele ocurrir, a la pregunta de si hay más dispositivos así en los que estén trabajando en estos momentos no nos puede responder, pero sí que nos asegura que el nivel de innovación y disrupción es muy alto. Así que quedamos pendientes de lo próximo mientras las gafas inteligentes van evolucionando.

¿Cuánto hace que no hablas con tu móvil? No con la persona a la que llamas, no. Con tu móvil. Los asistentes de voz están para eso, para que te comuniques con un dispositivo que cada vez más quiere servir como ese secretario o secretaria virtual al que poder recurrir en todo momento, pero la capacidad de estas plataformas está aún por demostrar.

Son varias las propuestas que nos ofrece el mercado de la movilidad. Microsoft, Google, Apple y Amazon llevan tiempo tentándonos para que hablemos más con sus Cortana, Google Now, Siri o Alexa. Ahora será Samsung la que también lo haga con Bixby, un asistente que llega tras la compra de Viv y que será, dicen, protagonista absoluto de la experiencia en el Galaxy S8. ¿Debe centrarlo todo Samsung en este asistente?

¿Cómo se llevarán Google Now y Bixby?

El movimiento de Samsung hacia el segmento de la inteligencia artificial y los asistentes de voz es hasta cierto punto lógico: Google está haciendo su propia guerra con los Google Pixel/XL, dos dispositivos que compiten directamente en el segmento de gama alta con los Galaxy S7/Edge. Eso no había pasado hasta ahora, y puede que eso haya soliviantado a los partners tradicionales de Google.

Y entre ellos, claro está, a Samsung, que desde hace tiempo sigue teniendo en la recámara a Tizen, una plataforma que tímidamente va demostrando sus virtudes en relojes inteligentes y algún que otro smartphone de baja gama. La decisión de lanzarse a contar con su propio asistente de voz parece también parte de ese plan B con el que Samsung quiere tener una vía de escape si Google empieza a convertirse en un aliado perjudicial.

La noticia de la integración de ese asistente de voz llamado Bixby en todas y cada unas de las aplicaciones nativas del Galaxy S8 se une a unas especificaciones bastante "bestias" nos hace preguntarnos cómo convivirán Bixby y Google Now, el asistente de voz nativo en Android.

¿O es que Samsung simplemente no integrará Google Now? Parece algo difícil dado que poder usar Android en un dispositivo obliga a integrar la suite de aplicaciones y servicios de Google a los fabricantes. De hecho será interesante ver cómo reacciona Google, que de hecho tiró la primera piedra cuando quiso diferenciarse con su Google Assistant en los Pixel sin ofrecer (por el momento) esa característica a ningún otro fabricante.

La voz, la última frontera

Las películas con tintes futuristas siempre dan una relevancia notable a esa interfaz en la que no tecleamos ni tocamos: simplemente hablamos. Películas como 'Her' han sido tomadas por muchos fabricantes como paradigma de lo que algún día podremos llegar a hacer con un asistente de voz, pero el problema es que de momento esa visión futurista nos queda bastante lejos.

En primer lugar porque nos da vergüenza hablar con nuestro móvil. Es cierto que cada vez vemos más normal lo de enviar mensajes de voz vía WhatsApp grabados en lugar de ir tecleando a todas partes, y aunque puede que ese sea un puente hacia ese uso masivo de la voz como medio de interacción entre el hombre y el dispositivo móvil, hay toda una barrera cultural que nos hace sentirnos raros al imitar a Michael Knight.

En segundo, porque los asistentes, con todas sus buenas intenciones, no acaban de hacer la tarea todo lo fácil que quisiéramos. El problema no es del todo de los asistentes, ojo. Estas aplicaciones se ajustan cada vez más a los requisitos básicos, y además de entender una buena cantidad de preguntas son ya capaces también de entender el contexto y poder contestar a preguntas enlazadas ("¿Quién fue el primer presidente de Estados Unidos?" para luego preguntar "¿Cuándo nació?" sin mencionar su nombre, por ejemplo).

Sin embargo no podemos hablar con los asistentes de forma natural. Somos nosotros los que tenemos que aprender ese lenguaje del asistente, y eso nos hace titubear a la hora de dar muchas órdenes de voz o cometer errores que, cómo no, se solventan con la práctica. Y ahí es donde precisamente llega el primer problema de nuevo: como nos da vergüenza, no practicamos y el asistente se queda sin (nuestra) compañía.

Bixby en el móvil como anticipo de mucho más

La aparición de Bixby en el Galaxy S8 parece tan solo el primero de muchos pasos que Samsung está dirigiendo hacia un mercado cada vez más prometedor: el de la inteligencia artificial. Todas las grandes saben lo mucho que pueden ganar si están bien posicionadas en un segmento que parece dominará nuestras vidas en los próximos años, así que invertir en una alternativa parece una opción acertada ahora que el mercado está inmaduro.

Y ciertamente lo está no solo en el móvil, sino en el resto de soluciones en los que el reconocimiento de voz está presente, que son ya unos cuantos. Samsung lleva tiempo integrándolo en sus televisores inteligentes, —algo que entre otras cosas servía para espiarnos, afirmaban algunos expertos en seguridad— y puede que el papel de Bixby en móviles sea parte de un plan mucho más ambicioso.

Que es de hecho el que están llevando a cabo todas las grandes de la tecnología. No solo están llevando el asistente al móvil, sino que lo integran en el sistema operativo de escritorio (Cortana y Siri son parte integral ya de Windows 10 y macOS 10.12 Sierra) y también en esos atractivos "altavoces inteligentes" que Amazon y Google ya comercializan.

¿Lanzará Samsung su particular 'Samsung Home'? La lógica apunta a que lo hará, y si tuviera que apostar lo haría además por Tizen también en ese hipotético dispositivo. Hay mucho aquí que ganar si como afirmaban entonces los desarrolladores de Viv el asistente se comporta de forma tan notable. Por que esa interacción de voz, recordémoslo, es una forma más de recolectar información sobre nosotros.

Y la información, bien lo saben estas empresas, es poder.

En Xataka | Por favor máquina, no me escuches tanto