{"id":195,"date":"2017-07-21T12:57:53","date_gmt":"2017-07-21T12:57:53","guid":{"rendered":"http:\/\/borealtech.wordpress.com\/?p=195"},"modified":"2023-03-28T14:55:00","modified_gmt":"2023-03-28T14:55:00","slug":"decisiones-de-diseno-de-vocollect","status":"publish","type":"post","link":"https:\/\/trgsolutions.lat\/en\/decisiones-de-diseno-de-vocollect\/","title":{"rendered":"Decisiones de dise\u00f1o de Vocollect"},"content":{"rendered":"

El Reconocimiento del Lenguaje Hablado<\/span><\/strong><\/h2>\n

El reconocimiento del lenguaje hablado (transcribiendo discurso humano en texto) es cr\u00edtico para el \u00e9xito de cualquier sistema de voz de uso industrial. \u00bfLa funci\u00f3n cr\u00edtica a medir es la exactitud \u2013 transcribe correctamente lo qu\u00e9 escucha? Y obligar a la computadora a realizar este reconocimiento del lenguaje hablado tal como exactamente lo hace un humano bajo todo el\u00a0 resto de las circunstancias.<\/span><\/p>\n

As\u00ed que si queremos que una computadora logre gran exactitud de reconocimiento, debemos simplificar el problema. Afortunadamente, se han dise\u00f1ado varias formas de hacer esto cubriendo las necesidades de distintas aplicaciones. Los dise\u00f1adores seleccionan cada una de estas alternativas en base a donde pretenden aplicaci\u00f3n el sistema. En casi todos los casos, sin embargo, se negocia entre la exactitud y acotar el problema.<\/span><\/p>\n

Otro factor de equilibrio buscado en el dise\u00f1o de la soluci\u00f3n es exactitud versus tiempo. Hacemos la suposici\u00f3n aqu\u00ed que el dise\u00f1ador debe crear un sistema que puede, efectivamente, interpretar una conversaci\u00f3n de tiempo real con sus usuarios. Un procesamiento de cinco minutos para transcribir dos segundos de discurso solo ser\u00eda aceptable en un n\u00famero muy limitado de aplicaciones.<\/span><\/p>\n

De aqu\u00ed en m\u00e1s usaremos la palabra \u201centienda\u201d para dar a entender, \u201cpuede transcribir de discurso en texto.\u201d<\/span><\/p>\n

\n

Vocabulario Extendido y Vocabulario Reducido<\/span><\/strong><\/h2>\n

Las palabras que esperamos que un sistema de reconocimiento del lenguaje hablado pueda transcribir comprenden su vocabulario.<\/span><\/p>\n

Los seres humanos tienen un vocabulario muy extendido. Podemos comprender muchos miles de palabras.<\/span><\/p>\n

Un reconocedor de lenguaje hablado capaz de escribir al dictado en una computadora tambi\u00e9n debe tener un vocabulario de miles de palabras. Tal reconocimiento es llamado un sistema de Vocabulario Extendido. En el otro extremo del espectro est\u00e1 un reconocedor dise\u00f1ado s\u00f3lo para decir si un usuario ha respondido una pregunta diciendo \u201cs\u00ed\u201d o \u201cno\u201d \u2013 claramente estamos frente a un sistema de Vocabulario Reducido. La distinci\u00f3n entre Vocabulario Reducido y Extendido no es r\u00edgida, pero mil palabras es una l\u00ednea divisoria razonable. Los sistemas con vocabularios de entre varios centenares y un par de mil palabras son algunas veces descritos como Vocabulario Mediano.<\/span><\/p>\n

En un mundo ideal, los dise\u00f1adores crear\u00edan s\u00f3lo sistemas de reconocimiento del lenguaje hablado con Vocabulario Extendido. Pero hay dos factores que deben tenerse en cuenta para encontrar una soluci\u00f3n de compromiso. En primera instancia, es bastante m\u00e1s dif\u00edcil tener alta exactitud alta en el reconocimiento del habla con un Vocabulario Extendido y esto nos hace inclinar por un Vocabulario m\u00e1s peque\u00f1o. <\/span><\/p>\n

Es verdad que reconociendo una palabra dentro de un vocabulario de cincuenta mil o m\u00e1s es mucho m\u00e1s dif\u00edcil que distinguir entre \u201cs\u00ed\u201d y \u201cno\u201d. En segundo lugar, el reconocimiento de un vocabulario extendido requiere mucho m\u00e1s potencia de procesamiento (y memoria) que hacer lo mismo con un vocabulario m\u00e1s reducido.<\/span><\/p>\n

Entonces, por ejemplo, puede ser dif\u00edcil de incluir un sistema de reconocimiento del lenguaje hablado para Vocabularios Extendidos dentro de un dispositivo port\u00e1til. Afortunadamente, los sistemas de reconocimiento del lenguaje hablado requeridos por la industria, generalmente no requieren Vocabularios Extendidos. Una aplicaci\u00f3n t\u00edpica del almac\u00e9n requiere un vocabulario de menos de cien palabras, mientras una aplicaci\u00f3n de inspecci\u00f3n puede requerir hasta alrededor mil.<\/span><\/p>\n

Otro asunto de vocabulario que es a menudo importante para los usuarios de aplicaciones industriales es lo siguiente: Un Vocabulario Peque\u00f1o puede perfectamente ser aceptable, pero un Vocabulario Peque\u00f1o Fijo no lo es. Al dise\u00f1ar el sistema debemos ser consientes que para tener una buena experiencia con los operadores del sistema, es mucho mas dificil si el reconocedor de lenguaje coloca restricciones al elegir las palabras: \u201cUsted no puede usar esta palabra \u2013 usted debe usar aquella.\u201d<\/span><\/p>\n

\n

El Continuo y Discreto<\/span><\/strong><\/h2>\n

Los seres humanos f\u00e1cilmente reconocen un dialogo en el cual el individuo expresa las palabras sin espacios audibles entre ellos, al formar una locuci\u00f3n o una frase. Para reconocer esto, no s\u00f3lo debemos comprender lo que el individuo expresa, sino que tambi\u00e9n decidir d\u00f3nde los l\u00edmites entre las palabras. Algunas veces es necesario usar conocimiento de muy alto nivel para realizar esta tarea.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Considere estas dos frases:<\/span><\/p>\n

\u201cSix teen idols were cavorting on stage.\u201d<\/span><\/p>\n

\u201cSixteen idols were cavorting on stage.\u201d<\/span><\/p>\n

\u00a0<\/span><\/p>\n

S\u00f3lo una comprensi\u00f3n profunda del uso generalmente aceptado de la palabra \u201cidol\u201d nos deja tener por entendido que la primera frase es bastante m\u00e1s probable para estar en lo correcto que la segunda. Los antiguos reconocedores de lenguaje hablado, funcionaron s\u00f3lo con discurso discreto. Los usuarios deb\u00edan hacer una pausa perceptiblemente entre cada palabra. Hoy esta restricci\u00f3n es generalmente aplicada s\u00f3lo en reconocedores de lenguaje hablado muy baratos (Ej., Para juguetes), o para resolver algunos problemas m\u00e1s sencillos (Ej., Reconociendo uno de tantos miles de nombres de compa\u00f1\u00edas para proveer cotizaciones de t\u00edtulos). En uno u otro caso, el sistema debe decir al usuario solo una frase para la cual fue creado: \u201cDiga el nombre de la compa\u00f1\u00eda.\u201d<\/span><\/p>\n

Para aplicaciones industriales, un reconocimiento de lenguaje hablado discreto no es aceptable. Tener que hacer una pausa entre palabras (por ejemplo, al introducir una secuencia de d\u00edgitos) es lento y frustrante. Todos el reconocimiento de lenguaje hablado para aplicaciones industriales deber\u00edan ser capaces de comprender lenguaje hablado continuo.<\/span><\/p>\n

Aunque esto hace la tarea de reconocimiento m\u00e1s dif\u00edcil, existen hoy herramientas de reconocimiento de lenguaje hablado continuo de alta exactitud para aplicaciones del industrial.<\/span><\/p>\n

\n

Dependiente o Independiente del Orador<\/span><\/strong><\/h2>\n

Es m\u00e1s f\u00e1cil de comprender el discurso de alguien si el oyente sabe qui\u00e9n habla, en particular si el orador tiene un patr\u00f3n inusual de discurso o un acento fuerte. Esa declaraci\u00f3n es incluso m\u00e1s verdadera para el reconocimiento de lenguaje hablado basado en computadoras que para personas, y para algunas aplicaciones, podemos hacer uso de este hecho para mejorar exactitud de reconocimiento dram\u00e1ticamente.<\/span><\/p>\n

En algunas aplicaciones, no cabe requerir que los usuarios se identifique para el sistema, o utilizar tiempo para que el sistema practique escucharlos, por ejemplo cuando llamamos a un asistente telef\u00f3nico automatizado. En un Dep\u00f3sito, podemos usar ambos. De hecho para un reconocimiento de Vocabulario Reducido, perfectamente podemos hacer uso de la memoria de una computadora para mejorar esta funci\u00f3n dram\u00e1ticamente para cada usuario. Aun para aquellos usuarios con patrones de lenguaje inusuales o los acentos firmes. Podemos almacenar los patrones de voz de cada usuario, para cada palabra el software de reconocimiento de voz estar\u00e1 obligado a entender. Aunque Judy no dir\u00e1 \u201cuno\u201d en exactamente la misma forma todo el tiempo, si el software de reconocimiento sabe “como” Judy habla, y tiene acceso a que sus patrones personales de voz, podr\u00e1 transcribir su discurso bastante m\u00e1s exactamente que si intentase comparar su discurso a todas las formas de decir, \u201cuno\u201d o para un promedio de c\u00f3mo lo dicen la mayor\u00eda de personas.<\/span><\/p>\n

Tal sistema es llamado dependiente del orador, quiere decir que depende para su exactitud\u00a0 conocer qui\u00e9n es el que hablar con ella. Un sistema orador independiente no hace uso de ese conocimiento, y es por consiguiente intr\u00ednsecamente menos preciso.<\/span><\/p>\n

El proceso de dejar al software de reconocimiento de lenguaje practicar con un usuario se llama\u00a0 entrenamiento. El sistema de reconocimiento de lenguaje dependientes del orador, son por consiguiente algunas veces llamados \u201cSistemas entrenados\u201d, y los sistemas independientes del orador se los llama \u201cSistemas no entrenados\u201d.<\/span><\/p>\n

Para una soluci\u00f3n de reconocimiento de lenguaje con Vocabulario Reducido el proceso de entrenamiento generalmente consta haciendo el usuario hablar para el sistema (uno o m\u00e1s veces) todo el subconjunto de palabras incluidas en dicho vocabulario. Esto algunas veces se llama entrenamiento de enrolamiento. Para un sistema de Vocabulario Extendido entrenar cada palabra no es pr\u00e1ctico. El orador los sistemas de vocabulario extendido generalmente usa un proceso de adaptaci\u00f3n, en el cual el usuario lee algunos pasajes conocidos de discurso para el sistema, y los sistemas dibujan conclusiones acerca de los patrones de discurso del usuario. <\/span><\/p>\n

Debe repararse que los sistemas de reconocimiento de voz dependientes del operador, debe tener previsto almacenando los patrones de voz de cada usuario, en cada computadora y debe tener la forma de que el usuario pueda enrolarse a una computadora cualquiera y esta pueda recuperar el patr\u00f3n correspondiente al usuario. Hoy esto requiere de poco esfuerzo, as\u00ed es que no lo consideramos mucho de un condicionante en el dise\u00f1o.<\/span><\/p>\n

\u00bfC\u00f3mo escoge un dise\u00f1ador durante el proceso de creaci\u00f3n del sistema entre un sistema orador dependiente y un sistema independiente del orador? Una soluci\u00f3n de reconocimiento que permite ser adiestrada, t\u00edpicamente tendr\u00e1 al menos el doble de exactitud que un sistema no entrenado. La decisi\u00f3n est\u00e1 entre el tiempo que el usuario debe dedicarse a entrena el sistema y el tiempo que se ganar\u00e1 gracias al aumento de exactitud generado por el entrenamiento. Para un sistema de uso industrial de vocabulario reducido esta decisi\u00f3n est\u00e1 muy clara. Entrenar el sistema requiere una inversi\u00f3n de alrededor quince minutos (t\u00edpica para una aplicaci\u00f3n del almac\u00e9n), y el usuario utilizar\u00e1 el sistema durante quiz\u00e1 dos mil horas en el transcurso de un a\u00f1o. Aun con una mejora diminuta en la exactitud como resultado de entrenarse, pagar\u00e1 inmediatamente la productividad conseguida a trav\u00e9s de la exactitud aumentada. Y es generalmente aceptado que un sistema de reconocimiento entrenado normalmente tendr\u00e1 al menos dos veces m\u00e1s exactitud (la mitad de tasa de errores) que uno no entrenado.<\/span><\/p>\n

Una de las principales ventajas de un sistema de reconocimiento adiestrado para aplicaciones de la industrial, es que un sistema entrenado no se preocupa por patrones inusuales de discurso, acentos, o aun lenguaje. Simplemente compara que los patrones del habla que registr\u00f3 durante el entrenamiento van en procesi\u00f3n con los \u00fanicos que oye durante el uso. Un sistema independiente del orador, sin embargo, justamente no puede aceptar (por ejemplo) otra forma de la palabra \u201cuno.\u201d Los usuarios deben conformarse a las expectativas del sistema de sus patrones de discurso. Para la poblaci\u00f3n en edad laboral en una f\u00e1brica o un piso del almac\u00e9n, donde existe una gran variedad de acentos y formas de lenguajes, esto podr\u00eda no ser pr\u00e1ctico.<\/span><\/p>\n

\n

Usuarios ocasionales o de tiempo completo<\/span><\/strong><\/h2>\n

Otro factor a tener en cuenta en el momento de tomar decisiones del dise\u00f1o de sistemas de reconocimiento de voz es conocer aproximadamente si trabajaremos con usuarios ocasionales o usuarios de jornada completa. Para usuarios ocasionales, la velocidad de entrada de datos es menos importante que enfrentarse al discurso extra\u00f1o (el discurso que el usuario quiere que el software de reconocimiento ignore), mientras para usuarios de jornada completa el quiere lo contrario.<\/span><\/p>\n

Una aplicaci\u00f3n de reconocimiento del habla dise\u00f1ada para el uso casual puede, por ejemplo, requerir que el usuario empiece y acabe cada expresi\u00f3n con una palabra espec\u00edfica (\u201clisto, 1, 2, 3, enter\u201d), y denegar\u00e1 cualquier palabra del usuario que no est\u00e1 exactamente en el formato correcto. La misma aplicaci\u00f3n dise\u00f1ada para el uso de jornada completa esperar\u00eda una expresi\u00f3n de la forma \u201c1, 2, 3\u201d a cambio, podr\u00eda ser m\u00e1s f\u00e1cil de interpretar una expresi\u00f3n extra\u00f1a como una secuencia de d\u00edgitos. En las aplicaciones industriales de almacenamiento, donde el usuario puede estar entrando centenares de cadenas de d\u00edgito por hora durante diez o m\u00e1s horas al d\u00eda, se obtiene una reducci\u00f3n de un 40 % en la cantidad de palabras que hicieron falta ingresar, y esto es vastamente m\u00e1s importante que una mejora modesta en la habilidad para denegar expresiones extra\u00f1as.<\/span><\/p>\n

Un sistema de reconocimiento de voz discreto tambi\u00e9n puede ser apropiado para usuarios informales. El hecho que cada palabra debe estar rodeada por el silencio deja al sistema de reconocimiento denegar cualquier expresi\u00f3n que consta de palabras m\u00faltiples. Otra vez, sin embargo, para cualquier usuario de jornada completa, la incapacidad para introducir una secuencia de palabras habladas continuamente ser\u00eda un \u201casesinato a la productividad\u201d y una fuente de frustraci\u00f3n insoportable.<\/span><\/p>\n

Un sistema de reconocimiento orador independiente debiera ser m\u00e1s apropiado para usuarios casuales, si no es posible para ellos puedan dedicar los quince minutos requerido para entrenar un sistema de reconocimiento dependiente del orador. Ambos usuarios, ocasionales o de tiempo completo, trabajando con un sistema de reconocimiento independiente del orador debiera detectar correctamente y procesar una gran variedad de acentos, dialectos, y las propiedades del habla. Estos sistemas son naturalmente m\u00e1s propensos para interpretar mal algunas palabras, o interpretar otros sonidos como palabras que deber\u00edan ser reconocidas.<\/span><\/p>\n

Una opci\u00f3n que puede proveer \u201cel mejor de ambos mundos\u201d es dejar al operador cambiar el modo del reconocimiento con locuciones simples e intuitivas. En el caso de Vocollect, por ejemplo, nuestro reconocimiento t\u00edpicamente funciona en el modo del usuario de jornada completa, minimizando la cantidad de tiempo del usuario y evitando errores por falta \u00a0de datos. <\/span><\/p>\n

Sin embargo, simplemente diciendo, \u201cTalkman, dormir\u201d, el usuario puede meter al Talkman en un modo especial, en cu\u00e1l la \u00fanica locuci\u00f3n que lo devuelve a la operaci\u00f3n normal es \u201cTalkman, despertar\u201d con esa locuci\u00f3n precedida y seguido de silencios. Mientras est\u00e1 \u201cdormido\u201d el reconocimiento estar\u00e1 casi completamente inmune de cualquier activaci\u00f3n accidental por algunas palabras u otro ruido exterior.<\/span><\/p>\n

Decisiones de dise\u00f1o de Vocollect<\/span><\/strong><\/h3>\n

Los productos de Vocollect usan un vocabulario continuo, peque\u00f1o (y variable), reconocimiento de voz dependiente del orador. Los usuarios pueden hablar naturalmente, hacer una pausa, porque el reconocimiento es continuo. El reconocimiento es con vocabulario reducido porque eso ofrece mayor exactitud, y las aplicaciones industriales no requieren un vocabulario extendido. El vocabulario es variable, y por consiguiente puede ser modificado para cada aplicaci\u00f3n (o aun por cada usuario). Y el reconocimiento es dependiente del orador porque la inversi\u00f3n de entrenamiento es peque\u00f1a y el repago es inmediato respecto de la mejora productividad.<\/span><\/p>\n

Finalmente, nuestros productos y aplicaciones son claramente dise\u00f1ados y construidos para usuarios de jornada completa, no ocasionales. Fuertemente enfatizamos productividad y facilidad de uso (la reducci\u00f3n en la cantidad de palabras requeridas al usuario). Mientras es posible, por ejemplo, para crear di\u00e1logos Talkman que no requieren que palabras espec\u00edficas empiecen y acaben cada expresi\u00f3n, nosotros muy raras veces recomiende hacer eso. Al mismo tiempo, nuestro reconocimiento de voz usa numerosas t\u00e9cnicas para despejar el dialogo de los sonidos extra\u00f1os generando una confianza alta en el reconocimiento. Y la posibilidad para ponerlo a dormir y despertarlo con locuciones simples provee un mecanismo simple, intuitivo para permitir conversaciones con el entorno. Para las raras ocasiones cuando estas t\u00e9cnicas fracasan (y para otras m\u00e1s comunes cuando el usuario habla mal!), se han incorporado al Talkman t\u00e9cnicas de dise\u00f1o que aceptan f\u00e1cil edici\u00f3n de datos ingresados err\u00f3neamente.<\/span><\/p>\n

Como los sistemas de reconocimiento de voz convierten el habla humana en algo inteligible y significativo para las computadoras, la tecnolog\u00eda de s\u00edntesis del habla le permite a las computadoras hablarles a los humanos. Hay dos t\u00e9cnicas de s\u00edntesis del habla bien diferenciadas disponibles para los dise\u00f1adores de sistemas.<\/span><\/p>\n

\n

La Voz digitalizada (tambi\u00e9n llamada Record and Playback)<\/span><\/strong><\/h2>\n

La voz digitalizada es lo que o\u00edmos cuando un contestador autom\u00e1tico nos habla por el tel\u00e9fono. La computadora est\u00e1 esencialmente actuando como una grabadora. Tiempo atr\u00e1s, una persona hablaba por un micr\u00f3fono, y la voz se convert\u00eda a n\u00fameros (digitalizado) as\u00ed la computadora lo podr\u00eda almacenar. A petici\u00f3n, la computadora recuperaba las grabaciones digitalizadas de la voz y las reconstituye en sonido.<\/span><\/p>\n

La voz digitalizada puede ser de calidad muy alta. Sin embargo, alguien la debe registrar, y la computadora debe almacenar cada palabra o que la computadora deba expresar durante la operaci\u00f3n<\/span><\/p>\n

Esto puede presentar un problema de almacenamiento para aplicaciones grandes, e invariablemente presenta una preocupaci\u00f3n de mantenimiento. \u00bfSi la aplicaci\u00f3n debe modificarse, el orador original si todav\u00eda est\u00e1 disponible debe registrar nuevas palabras y locuciones? \u00bfY si no est\u00e1 disponible el mismo operador, ser\u00e1 aceptable m\u00faltiples voces de diferentes locutores, o debi\u00e9ramos grabar nuevamente la aplicaci\u00f3n completa? Tambi\u00e9n, crear grabaciones de voz de alta calidad generalmente requiere de equipo sofisticado y quiz\u00e1 lo m\u00e1s dif\u00edcil, un locutor profesional.<\/span><\/p>\n

Una limitaci\u00f3n significativa de la voz digitalizada en algunas aplicaciones es que la computadora s\u00f3lo puede hablar locuciones que han estado pregrabadas (o que puedan ser creado a trav\u00e9s de la concatenaci\u00f3n). Esto es por consiguiente funcionalmente imposible para crear una aplicaci\u00f3n en la cual la computadora habla, por ejemplo, descripciones del producto, o en la cual la computadora le puede hablar a su operador mensajes del texto que le son enviados de otra m\u00e1quina (Ej., Un supervisor introduciendo un mensaje a ser dicho a un operador).<\/span><\/p>\n

\n

De Texto A Voz (TTS)<\/span><\/strong><\/h2>\n

Una computadora con software de texto a voz (Tex-To-Speech) puede convertir texto de la computadora directamente en sonidos hablados. El sistema texto a voz quita todas las restricciones y los dolores de cabeza de mantenimiento de voz digitalizada, como la computadora puede hablar cualquier texto presentado (Ej., Este documento) sin anterior conocimiento, y para eso no hay que tener a alguien que grave y mantenga locuciones de voz. Una computadora usando sistema texto a voz, sin embargo, suena como a una computadora hablando. Claramente no es humano. En algunas aplicaciones esto puede presentar un problema. No es siempre f\u00e1cil de comprender alguien con un acento nuevo la primera vez que lo escuchamos. Pero como oyentes nosotros los humanos somos sumamente adaptables. Denos algunos minutos y nosotros f\u00e1cilmente podemos descifrar aun acentos muy fuertes. El acento suave de una computadora usando sistema texto a voz es muy f\u00e1cil entender, especialmente para aplicaciones de uso industrial, en el cual los usuarios t\u00edpicamente oyen las mismas palabras muchas veces cada d\u00eda.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Decisiones del dise\u00f1o de Vocollect<\/span><\/strong><\/h3>\n

Vocollect ofrece ambos formatos de conversi\u00f3n en sus productos, de texto a voz y digitalizado. Fuertemente creemos, sin embargo, que las ventajas de sistema texto a voz (TTS) pesan m\u00e1s que la leve p\u00e9rdida en la calidad de la voz. Por consiguiente recomendamos que nuestros clientes utilizan la opci\u00f3n texto a voz, y hoy todos nuestros clientes hace eso.<\/span><\/p>\n

\n

\u00bfCliente delgado o Cliente rico?<\/span><\/strong><\/h2>\n

La inteligencia (el procesamiento de datos) en una aplicaci\u00f3n que involucrando a usuarios que son remotos de la computadora principal es siempre distribuida entre la computadora del usuario (el cliente) y el sistema remoto (el servidor). El t\u00e9rmino cliente delgado, describe un dispositivo del cliente que tiene poco procesamiento de datos, tradicionalmente una terminal conectada por cable o en forma inal\u00e1mbrica con un cliente lo m\u00e1s delgado (usualmente una terminal tonta). Un cliente rico realiza una gran cantidad de procesamiento localmente, y usa el servidor remoto primordialmente como un dispositivo de almacenamiento de datos.<\/span><\/p>\n

En un sistema de voz para uso industrial la decisi\u00f3n de usar un cliente rico o delgado es algo que los dise\u00f1adores deben definir: Donde se realiza el procesamiento de la voz, y cu\u00e1nto de la l\u00f3gica reside en el cliente.<\/span><\/p>\n

\n

El Procesamiento De Voz<\/span><\/strong><\/h2>\n

Todos los sistemas de voz de aplicaciones industriales sintetizan la voz en el cliente. Para el reconocimiento del lenguaje hablado, sin embargo, los dise\u00f1adores han hecho elecciones diferentes al momento de decidir donde procesar los datos. En un sistema usando un servidor de reconocimiento de voz, la se\u00f1al de la voz capturada por el micr\u00f3fono de la computadora es procesada en el dispositivo cliente donde es digitalizada, y luego es transmitido sobre la red inal\u00e1mbrica hacia un servidor que realiza el trabajo de reconocimiento del lenguaje hablado para muchos dispositivos simult\u00e1neamente. En un sistema de reconocimiento de voz basado en el cliente, todo ese trabajo tiene lugar en la terminal, sin servidor y ninguna transmisi\u00f3n de datos. <\/span><\/p>\n

\u00a0<\/span><\/p>\n

En teor\u00eda, la mayor capacidad de procesamiento disponible se encuentra en el servidor, y esto permite ejecutar poderosos algoritmos de reconocimiento del lenguaje hablado. En la pr\u00e1ctica, dado los grandes avances durante los \u00faltimos a\u00f1os en la capacidad que puede incorporarse en un dispositivo m\u00f3vil, y dado la naturaleza del problema de reconocimiento del lenguaje hablado para las aplicaciones de uso industrial, no hay una verdadera ventaja para colocar un sistema de reconocimiento de voz basado en un servidor. Sin embargo, hay algo de desventajas significativas.<\/span><\/p>\n

La primera raz\u00f3n es la escala. \u00bfCu\u00e1ntos dispositivos pueden ser soportados por un solo servidor de un sistema de reconocimiento de voz? Aun si el servidor es diez veces m\u00e1s poderosos que un dispositivo para uso individual y port\u00e1til, aun as\u00ed, debi\u00e9ramos poner muchos servidores para soportar los requerimientos de grandes almacenes. \u00bfSoporta el sistema el uso de m\u00faltiples servidores? \u00bfEs pr\u00e1ctico para soportar un \u201cservidor grande de campo\u201d en el t\u00edpico ambiente del almac\u00e9n?<\/span><\/p>\n

En segundo lugar el retraso, o latencia. Los usuarios son muy sensibles con los retrasos en la respuesta de un sistema de reconocimiento de voz. \u00bfQu\u00e9 ocurrir\u00e1 cu\u00e1ndo m\u00faltiples terminales env\u00edan los datos al servidor al mismo tiempo? La red de radiofrecuencia complica el asunto de latencia. Las redes de datos de radiofrecuencia, a diferencia de la red de tel\u00e9fonos no han sido dise\u00f1adas para minimizar el tiempo de latencia. Estas, han sido dise\u00f1adas para garantizar la integridad de la entrega de datos. M\u00faltiples terminales puede colocarse en la misma zona, generando retrasos en la transmici\u00f3n de datos (este problema se complicado porque la voz agranda dram\u00e1ticamente la cantidad de datos que deben ser movidos sobre la red). Este asunto es en particular importante para operaciones de Picking de alta velocidad. <\/span><\/p>\n

\u00a0<\/span><\/p>\n

Vocollect ha recibido reacciones negativas de clientes con retrasos cerca de dos terceras partes de un segundo (y como consecuencia esos retrasos se redujeron a menos de una cuarta parte de un segundo). Un sistema basado en servidores, simplemente no puede responder en este nivel de tiempos. La respuesta es que las redes inal\u00e1mbricas todav\u00eda est\u00e1n en un orden de magnitud demasiado lento.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

La tercera parte es cobertura de red. La cobertura de WLANs en las industrias hoy es generalmente excelente. Sin embargo, los asuntos temporales, como el movimiento estacional de productos dentro de un almac\u00e9n o la caida de parte de la red (el Access Point, el cableado, el energ\u00eda electrica, etc.), puede crear puntos muertos de cobertura. Un sistema de reconocimiento de voz basado en servidores ser\u00e1 in\u00fatil en estas condiciones.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Una preocupaci\u00f3n final para un sistema de reconocimiento de voz basado en servidores se convierte en un solo punto de falla para todo el sistema. El servidor por consiguiente debe ser tratado como un dispositivo de misi\u00f3n cr\u00edtica, con redundancia completa. Tales sistemas no son baratos.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Decisiones del dise\u00f1o de Vocollect<\/span><\/strong><\/h3>\n

\u00a0<\/span>Todos los productos Vocollect realizan todo procesamiento de voz en el dispositivo que lleva el operario. Por consiguiente, son dise\u00f1os de cliente ricos. Le asignamos un esfuerzo considerable de investigaci\u00f3n y desarrollo a optimizar nuestros algoritmos sumamente sofisticados de reconocimiento del lenguaje hablado para correr muy eficazmente en nuestros dispositivos que se pueden llevar puestos. Y hacemos esto porque firmemente creemos que\u00a0 muchos se benefician de la arquitectura de procesamiento de voz en el cliente.<\/span><\/p>\n

\u00a0<\/span><\/strong><\/p>\n

\u00a0<\/span><\/strong><\/p>\n

L\u00f3gica de Funcionamiento<\/span><\/strong><\/p>\n

\u00a0<\/span><\/strong><\/p>\n

Consideremos un sistema de preparaci\u00f3n de pedidos para un almac\u00e9n. <\/span><\/p>\n

En un extremo de dise\u00f1o con cliente delgado, el dispositivo que lleva el operador debe comunicarse con el servidor (el WMS o sistema administrativo de picking) a cada paso en cada operaci\u00f3n de picking, al transmitir la direcci\u00f3n de la posici\u00f3n, la verificaci\u00f3n de la posici\u00f3n, la determinaci\u00f3n de la cantidad a seleccionar, y la verificaci\u00f3n. <\/span><\/p>\n

En el otro extremo, trabajando con un cliente rico el sistema administrativo del almac\u00e9n (WMS) podr\u00eda transmitir una lista completa de picking hacia el dispositivo, y (quiz\u00e1 una hora m\u00e1s tarde) el dispositivo enviar\u00eda al servidor la novedad que todos los art\u00edculos han sido seleccionados. <\/span><\/p>\n

La decisi\u00f3n de dise\u00f1o est\u00e1 entre tener el control e informaci\u00f3n de tiempo real, garantizando respuesta r\u00e1pida para el usuario a pesar de la carga de RADIOFRECUENCIA de la red y del servidor.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Con relaci\u00f3n a informaci\u00f3n de tiempo real y el control, el requisito operativo primario para un sistema de selecci\u00f3n de orden es generalmente para saber inmediatamente que el producto ha sido removido de una posici\u00f3n (o que una posici\u00f3n se ha vuelto vac\u00eda). Un sistema con cliente delgado logra esto autom\u00e1ticamente. Un sistema con cliente rico f\u00e1cilmente puede hacer eso con una modificaci\u00f3n menor. Cuando un operador quiere comenzar a trabajar, el WMS transmite una lista completa de picking hacia el dispositivo del operador. Cada vez que el operador completa una operaci\u00f3n, el dispositivo transmite los datos de picking de regreso al WMS. En un sistema bien dise\u00f1ado esta transmisi\u00f3n de datos ocurre en background, mientras el operador contin\u00faa trabajando. Si en ese momento el operador tuviese un hueco en la cobertura de radiofrecuencia, la terminal simplemente retiene la informaci\u00f3n de elecci\u00f3n registra hasta que los puede transmitir.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Una raz\u00f3n secundaria para querer el control e informaci\u00f3n de tiempo real en un sistema de picking de \u00f3rdenes es dejar al WMS modificar un recorrido de picking mientras est\u00e1 en curso. En teor\u00eda esto dejar\u00eda al WMS tener la ruta alternativa para el operador si se supiera que esa ubicaci\u00f3n est\u00e1 vac\u00eda. <\/span><\/p>\n

\u00a0<\/span><\/p>\n

Se puede alcanzar una soluci\u00f3n de compromiso entre el cliente delgado y cliente rico. El WMS podr\u00eda enviar dos o tres registros de picking al dispositivo al principio de un picking, y luego enviar uno m\u00e1s cada vez que el operador reporta la terminaci\u00f3n de una selecci\u00f3n. Este dise\u00f1o garantiza buen tiempo de respuesta para el operador (porque la informaci\u00f3n para la siguiente operaci\u00f3n de selecci\u00f3n est\u00e1 disponible en el dispositivo), pero finalmente dejar\u00eda de funcionar si \u201cse cae\u201d el sistema de radiofrecuencia.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

Decisiones del dise\u00f1o de Vocollect<\/span><\/strong><\/p>\n

\u00a0<\/span><\/strong><\/p>\n

Vocollect ha optado por un dise\u00f1o de cliente rico en todos nuestros productos. Sin embargo, el software que se puede poner en el dispositivo f\u00e1cilmente puede ser configurado para funcionar como un cliente delgado, o aun como una terminal tonta.<\/span><\/p>\n

Para los sistemas de picking, recomendamos a nuestros clientes, siempre que sea posible, configuren nuestro equipo en el modo de cliente rico: El WMS env\u00eda un recorrido completo de picking a la terminal, y a medida que cada operaci\u00f3n es completada se informa al servidor (de forma invisible para el operador). Creemos que esta modalidad de operaci\u00f3n ofrece el mejor escenario en el dise\u00f1o global del sistema, garantizando respuesta muy r\u00e1pida para el operador del dispositivo mientras provee la informaci\u00f3n en tiempo real a las personas y software operado en el almac\u00e9n.<\/span><\/p>\n

 
\nOtras notas relacionadas:
\n 
\n <\/p>","protected":false},"excerpt":{"rendered":"

El Reconocimiento del Lenguaje Hablado El reconocimiento del lenguaje hablado (transcribiendo discurso humano en texto) es cr\u00edtico para el \u00e9xito de cualquier sistema de voz de uso industrial. \u00bfLa funci\u00f3n cr\u00edtica a medir es la exactitud \u2013 transcribe correctamente lo qu\u00e9 escucha? Y obligar a la computadora a realizar este reconocimiento del lenguaje hablado tal … <\/p>\n

Read more<\/a><\/p>","protected":false},"author":4,"featured_media":13328,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1779,1780,1784],"tags":[],"class_list":["post-195","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-voice","category-voicesolutions","category-tecnologia","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-33","resize-featured-image"],"yoast_head":"\nDecisiones de dise\u00f1o de Vocollect – TRG Solutions<\/title>\n<meta name=\"description\" content=\"El reconocimiento del lenguaje hablado es cr\u00edtico para el \u00e9xito de cualquier sistema de voz de uso industrial. \u00bfLa funci\u00f3n cr\u00edtica a medir es la exactitud?\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/trgsolutions.lat\/en\/decisiones-de-diseno-de-vocollect\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Decisiones de dise\u00f1o de Vocollect – TRG Solutions\" \/>\n<meta property=\"og:description\" content=\"El reconocimiento del lenguaje hablado es cr\u00edtico para el \u00e9xito de cualquier sistema de voz de uso industrial. \u00bfLa funci\u00f3n cr\u00edtica a medir es la exactitud?\" \/>\n<meta property=\"og:url\" content=\"https:\/\/trgsolutions.lat\/en\/decisiones-de-diseno-de-vocollect\/\" \/>\n<meta property=\"og:site_name\" content=\"TRG Solutions\" \/>\n<meta property=\"article:published_time\" content=\"2017-07-21T12:57:53+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-03-28T14:55:00+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/borealtech.com\/wp-content\/uploads\/2008\/12\/novosti03-odvajanjeglasom-960x480-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"960\" \/>\n\t<meta property=\"og:image:height\" content=\"480\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Roberto Fuhr\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Roberto Fuhr\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"23 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/\"},\"author\":{\"name\":\"Roberto Fuhr\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#\\\/schema\\\/person\\\/8bbaa8e31d4609916cf279ea07d51725\"},\"headline\":\"Decisiones de dise\u00f1o de Vocollect\",\"datePublished\":\"2017-07-21T12:57:53+00:00\",\"dateModified\":\"2023-03-28T14:55:00+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/\"},\"wordCount\":4625,\"publisher\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/trgsolutions.lat\\\/wp-content\\\/uploads\\\/2008\\\/12\\\/novosti03-odvajanjeglasom-960x480-1.jpg\",\"articleSection\":[\"Voice\",\"Voice Solutions\",\"Tecnologia\"],\"inLanguage\":\"en-US\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/\",\"url\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/\",\"name\":\"Decisiones de dise\u00f1o de Vocollect – TRG Solutions\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/trgsolutions.lat\\\/wp-content\\\/uploads\\\/2008\\\/12\\\/novosti03-odvajanjeglasom-960x480-1.jpg\",\"datePublished\":\"2017-07-21T12:57:53+00:00\",\"dateModified\":\"2023-03-28T14:55:00+00:00\",\"description\":\"El reconocimiento del lenguaje hablado es cr\u00edtico para el \u00e9xito de cualquier sistema de voz de uso industrial. \u00bfLa funci\u00f3n cr\u00edtica a medir es la exactitud?\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/#primaryimage\",\"url\":\"https:\\\/\\\/trgsolutions.lat\\\/wp-content\\\/uploads\\\/2008\\\/12\\\/novosti03-odvajanjeglasom-960x480-1.jpg\",\"contentUrl\":\"https:\\\/\\\/trgsolutions.lat\\\/wp-content\\\/uploads\\\/2008\\\/12\\\/novosti03-odvajanjeglasom-960x480-1.jpg\",\"width\":960,\"height\":480,\"caption\":\"voiceworld\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/decisiones-de-diseno-de-vocollect\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/trgsolutions.lat\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Decisiones de dise\u00f1o de Vocollect\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#website\",\"url\":\"https:\\\/\\\/trgsolutions.lat\\\/\",\"name\":\"TRG LATAM\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/trgsolutions.lat\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#organization\",\"name\":\"TRG LATAM\",\"url\":\"https:\\\/\\\/trgsolutions.lat\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/trgsolutions.lat\\\/wp-content\\\/uploads\\\/2025\\\/07\\\/trg_purenavy_256x256.jpg\",\"contentUrl\":\"https:\\\/\\\/trgsolutions.lat\\\/wp-content\\\/uploads\\\/2025\\\/07\\\/trg_purenavy_256x256.jpg\",\"width\":256,\"height\":256,\"caption\":\"TRG LATAM\"},\"image\":{\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.linkedin.com\\\/company\\\/trglatam\\\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/trgsolutions.lat\\\/#\\\/schema\\\/person\\\/8bbaa8e31d4609916cf279ea07d51725\",\"name\":\"Roberto Fuhr\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0a2e572087abca59ea3c3366dfa3175a2f7febc13313da22e171b2d668ff15ac?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0a2e572087abca59ea3c3366dfa3175a2f7febc13313da22e171b2d668ff15ac?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0a2e572087abca59ea3c3366dfa3175a2f7febc13313da22e171b2d668ff15ac?s=96&d=mm&r=g\",\"caption\":\"Roberto Fuhr\"},\"url\":\"https:\\\/\\\/trgsolutions.lat\\\/en\\\/author\\\/rfuhr\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Decisiones de dise\u00f1o de Vocollect – TRG Solutions","description":"El reconocimiento del lenguaje hablado es cr\u00edtico para el \u00e9xito de cualquier sistema de voz de uso industrial. \u00bfLa funci\u00f3n cr\u00edtica a medir es la exactitud?","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/trgsolutions.lat\/en\/decisiones-de-diseno-de-vocollect\/","og_locale":"en_US","og_type":"article","og_title":"Decisiones de dise\u00f1o de Vocollect – TRG Solutions","og_description":"El reconocimiento del lenguaje hablado es cr\u00edtico para el \u00e9xito de cualquier sistema de voz de uso industrial. \u00bfLa funci\u00f3n cr\u00edtica a medir es la exactitud?","og_url":"https:\/\/trgsolutions.lat\/en\/decisiones-de-diseno-de-vocollect\/","og_site_name":"TRG Solutions","article_published_time":"2017-07-21T12:57:53+00:00","article_modified_time":"2023-03-28T14:55:00+00:00","og_image":[{"width":960,"height":480,"url":"https:\/\/borealtech.com\/wp-content\/uploads\/2008\/12\/novosti03-odvajanjeglasom-960x480-1.jpg","type":"image\/jpeg"}],"author":"Roberto Fuhr","twitter_card":"summary_large_image","twitter_misc":{"Written by":"Roberto Fuhr","Est. reading time":"23 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/#article","isPartOf":{"@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/"},"author":{"name":"Roberto Fuhr","@id":"https:\/\/trgsolutions.lat\/#\/schema\/person\/8bbaa8e31d4609916cf279ea07d51725"},"headline":"Decisiones de dise\u00f1o de Vocollect","datePublished":"2017-07-21T12:57:53+00:00","dateModified":"2023-03-28T14:55:00+00:00","mainEntityOfPage":{"@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/"},"wordCount":4625,"publisher":{"@id":"https:\/\/trgsolutions.lat\/#organization"},"image":{"@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/#primaryimage"},"thumbnailUrl":"https:\/\/trgsolutions.lat\/wp-content\/uploads\/2008\/12\/novosti03-odvajanjeglasom-960x480-1.jpg","articleSection":["Voice","Voice Solutions","Tecnologia"],"inLanguage":"en-US"},{"@type":"WebPage","@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/","url":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/","name":"Decisiones de dise\u00f1o de Vocollect – TRG Solutions","isPartOf":{"@id":"https:\/\/trgsolutions.lat\/#website"},"primaryImageOfPage":{"@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/#primaryimage"},"image":{"@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/#primaryimage"},"thumbnailUrl":"https:\/\/trgsolutions.lat\/wp-content\/uploads\/2008\/12\/novosti03-odvajanjeglasom-960x480-1.jpg","datePublished":"2017-07-21T12:57:53+00:00","dateModified":"2023-03-28T14:55:00+00:00","description":"El reconocimiento del lenguaje hablado es cr\u00edtico para el \u00e9xito de cualquier sistema de voz de uso industrial. \u00bfLa funci\u00f3n cr\u00edtica a medir es la exactitud?","breadcrumb":{"@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/#primaryimage","url":"https:\/\/trgsolutions.lat\/wp-content\/uploads\/2008\/12\/novosti03-odvajanjeglasom-960x480-1.jpg","contentUrl":"https:\/\/trgsolutions.lat\/wp-content\/uploads\/2008\/12\/novosti03-odvajanjeglasom-960x480-1.jpg","width":960,"height":480,"caption":"voiceworld"},{"@type":"BreadcrumbList","@id":"https:\/\/trgsolutions.lat\/decisiones-de-diseno-de-vocollect\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/trgsolutions.lat\/"},{"@type":"ListItem","position":2,"name":"Decisiones de dise\u00f1o de Vocollect"}]},{"@type":"WebSite","@id":"https:\/\/trgsolutions.lat\/#website","url":"https:\/\/trgsolutions.lat\/","name":"TRG LATAM","description":"","publisher":{"@id":"https:\/\/trgsolutions.lat\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/trgsolutions.lat\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/trgsolutions.lat\/#organization","name":"TRG LATAM","url":"https:\/\/trgsolutions.lat\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/trgsolutions.lat\/#\/schema\/logo\/image\/","url":"https:\/\/trgsolutions.lat\/wp-content\/uploads\/2025\/07\/trg_purenavy_256x256.jpg","contentUrl":"https:\/\/trgsolutions.lat\/wp-content\/uploads\/2025\/07\/trg_purenavy_256x256.jpg","width":256,"height":256,"caption":"TRG LATAM"},"image":{"@id":"https:\/\/trgsolutions.lat\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/trglatam\/"]},{"@type":"Person","@id":"https:\/\/trgsolutions.lat\/#\/schema\/person\/8bbaa8e31d4609916cf279ea07d51725","name":"Roberto Fuhr","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/secure.gravatar.com\/avatar\/0a2e572087abca59ea3c3366dfa3175a2f7febc13313da22e171b2d668ff15ac?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/0a2e572087abca59ea3c3366dfa3175a2f7febc13313da22e171b2d668ff15ac?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/0a2e572087abca59ea3c3366dfa3175a2f7febc13313da22e171b2d668ff15ac?s=96&d=mm&r=g","caption":"Roberto Fuhr"},"url":"https:\/\/trgsolutions.lat\/en\/author\/rfuhr\/"}]}},"acf":[],"_links":{"self":[{"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/posts\/195","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/comments?post=195"}],"version-history":[{"count":1,"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/posts\/195\/revisions"}],"predecessor-version":[{"id":947011,"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/posts\/195\/revisions\/947011"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/media\/13328"}],"wp:attachment":[{"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/media?parent=195"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/categories?post=195"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/trgsolutions.lat\/en\/wp-json\/wp\/v2\/tags?post=195"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}