Perché il rumore è diverso dagli altri problemi
Quasi tutti gli errori di dettatura hanno un rimedio. I nomi si possono aggiungere a un dizionario, la punteggiatura migliora con le pause, una lingua sbagliata si può impostare giusta.
Il rumore non è così. Il microfono misura la pressione dell’aria, e non sa distinguere fra la pressione prodotta da te e quella prodotta dalla macchina del caffè. Arrivano tutte e due come un unico flusso di numeri, mescolate, e il modello deve capire quali parti fossero parole.
Una volta mescolate non si separano più. È un fatto fisico invece che un limite del software, ed è il motivo per cui i consigli qui sotto riguardano il microfono e non l’app.
Non tutti i rumori sono ugualmente cattivi
Tutti danno per scontato che il rumore sia sempre lo stesso, e non lo è.
Le altre persone che parlano sono la cosa peggiore. Il parlato compete direttamente con il parlato, e un modello addestrato a trovare parole troverà le loro con la stessa facilità delle tue. Un bar pieno di conversazioni è più difficile di un cantiere.
La musica con le voci è quasi altrettanto cattiva, per lo stesso motivo. La musica strumentale è parecchio più facile.
Il rumore meccanico costante è sorprendentemente gestibile. Una ventola, un motore, un treno, un condizionatore. È forte ma è costante e non somiglia al parlato, quindi spesso un modello riesce a guardarci attraverso.
I rumori improvvisi sono peggio di quelli forti. Una porta che sbatte a metà frase danneggia quella frase molto più di un ronzio continuo allo stesso volume.
Il vento è distruttivo come nient’altro. Occupa tutte le frequenze, colpisce il microfono in modo diretto invece di viaggiare nell’aria come suono, e parlare più forte non serve a niente.
Cosa funziona davvero, in ordine
Avvicinati. La leva più grande di tutte, e non costa niente. Raddoppiare la distanza fra la bocca e il microfono riduce drasticamente la tua voce rispetto a tutto il resto della stanza. Tenuto vicino alla faccia, domini tu. Tenuto a un braccio, sei un suono fra tanti.
Trova il microfono. Su quasi tutti i telefoni sta sul bordo inferiore, che è esattamente il punto in cui vanno le dita. Coprirlo mentre stringi il telefono è una causa comune e invisibile di risultati scadenti.
Girati rispetto alla fonte. Non rispetto al microfono: rispetto al rumore. Il tuo corpo ne blocca una quantità sorprendente, e i telefoni sono sensibili alla direzione.
Fai da scudo con la mano, a coppa, senza stringere, soprattutto all’aperto. Rozzo ed efficace contro il vento.
Parla normalmente, non più forte. Alzare la voce ne cambia il carattere, e i modelli sono addestrati sul parlato ordinario. Avvicinarsi ottiene quello che gridare non ottiene.
Accorcia quello che dici. In un ambiente difficile, una frase per volta limita il danno quando qualcosa va storto e ti dà un momento naturale per controllare.
Gli ambienti, uno per uno
Un bar. Il caso difficile, per via delle conversazioni. Siediti lontano dal bancone se puoi, tieni il telefono vicino, e stai sul breve. Metti in conto di correggere più del solito.
Un’auto. Rumore costante, quindi meglio di come sembra, ma solo se il microfono è vicino a te. Un telefono in un supporto dall’altra parte del cruscotto, o il microfono dell’auto incassato nel padiglione, è a campo largo ed è parecchio peggio dell’apparecchio tenuto vicino.
Un treno. Rumore meccanico più annunci a intermittenza più altre persone. Fra una stazione e l’altra va molto meglio che in stazione.
All’aperto. Il vento è tutto il problema. Voltagli le spalle, fai la coppa con la mano, e accetta che una giornata ventosa non sia una giornata da dettatura.
Una strada trafficata. Il traffico è costante e gestibile; una moto che passa no. Fermati per la moto invece di parlarci sopra.
A casa con la televisione accesa. Il parlato della televisione compete direttamente. Metterla in muto per quindici secondi è più efficace di qualunque tecnica.
Dove conta la taglia del modello
È l’unica situazione in cui pagare per la capacità conviene chiaramente.
I modelli più grandi hanno più capacità di rappresentare un audio insolito e degradato, che è esattamente cosa una registrazione rumorosa è. In una stanza tranquilla la differenza fra le taglie è modesta; in un bar è la differenza fra utilizzabile e no.
Delle tre che LocalType porta, da 60, 190 e 539 MB, la più pesante è quella costruita per questo. Chi detta con regolarità nei posti difficili la vede guadagnarsi lo spazio anche se lo fa aspettare: il caso di mezzo misurato è stato 6,9 secondi di parlato convertiti in 4,1 secondi su un telefono di prova da 4 GB, e la più grande impiega grosso modo il doppio del tempo che hai passato a parlare.
Su un telefono che non riesce a contenere comodamente il modello più grande, la scelta è diversa: un modello più piccolo che gira bene batte uno più grande che viene sfrattato dalla memoria.
Anche il tuo vocabolario conta di più qui
L’effetto è più grande di quanto la gente si aspetti.
Su un audio pulito il sistema di riconoscimento ha buone prove acustiche e ci si appoggia. Su un audio rumoroso le prove sono deboli, quindi le parole intorno e il vocabolario conosciuto reggono una quota molto più grande della decisione.
Vuol dire che le parole che hai aggiunto al dizionario aiutano in modo sproporzionato nelle brutte condizioni. LocalType tiene quelle aggiunte sull’apparecchio e le dà al modello vocale come contesto, che è precisamente il tipo di aiuto di cui una registrazione degradata ha bisogno.
Auricolari e microfoni esterni
La gente spende soldi sul presupposto che un auricolare sia un miglioramento.
Un auricolare con filo con il microfono vicino alla bocca è davvero meglio di un telefono tenuto a un braccio di distanza, per il semplice motivo che è più vicino. È tutto lì il beneficio, ed è un beneficio vero.
Un auricolare senza fili è meno prevedibile. Quale microfono Android consegni a un’app dipende dall’apparecchio e dal profilo in uso, e non sempre sceglie quello che ti aspetti. Certi auricolari, poi, comprimono l’audio per le chiamate in modi che si addicono al parlato per un orecchio umano e non per un sistema di riconoscimento.
Il confronto da fare è semplice: detta la stessa frase tre volte, una con l’auricolare, una con il telefono tenuto vicino, una con il telefono a un braccio di distanza. Su molte combinazioni vince l’opzione di mezzo, cosa che sorprende chi dava per scontato che l’accessorio fosse un miglioramento.
I microfoni integrati delle auto meritano qui uno scetticismo particolare. Sono montati per le telefonate, piazzati dall’altra parte dell’abitacolo, e tarati per un ascoltatore umano invece che per una trascrizione.
Cosa accettare
Certe situazioni non sono risolvibili, e sapere quali ti risparmia di concludere che il programma sia rotto.
Più persone che parlano insieme, un microfono dall’altra parte di una stanza, musica dal vivo, un locale a pieno volume, o il vento su una costa esposta. In tutti quei casi parlato e rumore arrivano mescolati in modo inseparabile e nessuna app su nessun hardware li recupera.
In quei posti, scrivi a mano. È più lento e funziona.
Cosa non cambia, qualunque sia il rumore
Tutto il resto dell’app si comporta al bar come al tavolo di cucina. A riconoscere è un modello che vive dentro uno spazio di archiviazione chiuso alle altre app, e la sola volta in cui l’app tocca internet è per andare a prendere quel modello. Nessun account da creare. Pubblicità: zero. Tracciamento del comportamento: zero. Delle registrazioni non resta nessun archivio. Il backup nel cloud di Android i dati dell’app non li riceve, per scelta. E sopra una casella password il tasto del microfono non compare.
Vuol dire anche che un posto rumoroso senza segnale si comporta esattamente come un posto rumoroso con cinque tacche, e l’unica variabile che resta è la stanza.