Perché i numeri sono il caso difficile
Il riconoscimento vocale si appoggia pesantemente al contesto. Quando un suono è ambiguo, le parole intorno restringono le possibilità, ed è per questo che una frase intera esce giusta mentre una parola sola no.
Un numero non ha contesto. Qualsiasi cifra può seguirne qualsiasi altra, quindi niente nel «sette» rende il «tre» più o meno probabile dopo. Il sistema sta lavorando sul solo suono, senza nessuno degli aiuti su cui di solito conta.
Indirizzi e codici stanno ancora peggio, perché mescolano categorie. Un CAP è fatto di cifre senza nessuno schema linguistico. Un indirizzo email contiene una parola, un simbolo, un’altra parola e un suffisso, detti tutti in un fiato. Un numero di riferimento è una sequenza che qualcuno si è inventato.
È tutta qui la spiegazione, e non si risolverà con un’app migliore.
Cosa tende ad andare storto
Le cifre si fondono o si spezzano. «Duemilaventiquattro» diventa 2024 oppure 2000 24 oppure il tutto in lettere, a seconda del sistema e del ritmo.
Le cifre che suonano uguali. In molte lingue diversi numeri hanno suoni vicini, e detti in fretta dentro una sequenza si impastano.
La formattazione viene inventata. I numeri di telefono vengono raggruppati, le date riordinate, e il separatore decimale cade in modo diverso a seconda della lingua che il modello ha deciso che stessi parlando.
I simboli diventano parole. La chiocciola, il punto, il trattino, la barra. Si pronunciano come parole e non c’è nessun modo affidabile perché un sistema capisca se intendevi il simbolo o la parola.
Le lettere diventano altre lettere. In un CAP o in un codice, le lettere dette a voce sono spietate. In italiano bi, ci, di, gi, pi, ti finiscono tutte con lo stesso suono, e un modello senza contesto ne sceglie una.
La regola pratica
Detta la frase, scrivi la stringa.
Suona come una resa ed è semplicemente la divisione del lavoro corretta. Un messaggio che dice «il riferimento è» si detta in due secondi. Il riferimento in sé si scrive in tre secondi e non produce nessun errore.
Provare a dettare tutto quanto e poi correggerlo porta via più tempo che scrivere la stringa fin dall’inizio, ogni volta. Quasi tutti quelli che dettano da un po’ ci arrivano nel giro di una settimana.
Quando invece vuoi dirli ad alta voce
A volte scrivere non è disponibile: mani occupate, in cammino, oppure la stringa è abbastanza corta da non valere il cambio. Qualche tecnica aiuta.
Di’ le cifre una per una, con un tempo in mezzo. «Zero, sei, uno, due» invece di «zero sei dodici». È il raggruppamento a produrre gli errori di fusione.
Dagli una rincorsa. Due parole ordinarie prima del numero danno al sistema il contesto su cui assestarsi. «Il numero è» e poi le cifre, invece di partire a freddo su una cifra.
Di’ gruppi corti e fermati. Un numero di telefono in tre pezzi con una pausa fra l’uno e l’altro è molto più affidabile di un flusso continuo.
Per le lettere usa l’alfabeto telefonico. Ancona, Bologna, Como, Domodossola non produrranno lettere singole, ma producono parole che puoi convertire a mano in modo affidabile, il che batte una lettera sbagliata che è passata inosservata.
Di’ i numeri piccoli a parole e quelli grandi in cifre. «Tre» non è ambiguo. «Tremilasettecentododici» è una lotteria.
Date, orari e denaro
Ognuno ha la sua trappola, e conoscerla in anticipo fa la differenza.
Le date vengono riordinate secondo le convenzioni della lingua che il sistema ha deciso che stessi parlando. È un rischio vero in qualunque contesto bilingue, dove gli stessi tre numeri indicano due giorni diversi a seconda della convenzione: in italiano il giorno viene prima del mese, in inglese americano no. Di’ il mese come parola invece che come numero e l’ambiguità sparisce del tutto.
Gli orari di solito vanno bene detti in modo naturale, ma le forme su dodici e su ventiquattro ore si mescolano, e «alle otto» può essere la mattina o la sera a seconda di chi legge.
Il denaro soffre del separatore decimale. Certe lingue usano la virgola dove altre usano il punto, e il modello applica la convenzione della lingua che ha sentito. Per qualunque cosa in cui l’importo conti, scrivilo.
Gli indirizzi email: scrivili e basta
È il consiglio più forte di tutti.
Un indirizzo email contiene almeno un simbolo che va dedotto da una parola detta a voce, di solito un nome proprio che il sistema non ha mai incontrato, e un suffisso che suona come una parola qualsiasi. Ogni sua parte è un modo di fallire e, a differenza di una frase, non c’è nessuna ridondanza: un carattere sbagliato e il messaggio non arriva da nessuna parte.
Lo stesso vale per i nomi utente, gli indirizzi web, gli IBAN, le targhe e qualunque altra cosa in cui un solo carattere sbagliato invalida tutta la stringa.
Aggiungere al dizionario quello che si può
Una parte di tutto questo si può sistemare in anticipo.
I nomi propri ricorrenti dentro gli indirizzi, la tua via, il tuo paese, il nome del quartiere, sono parole che il modello può imparare. Aggiungerle vuol dire che le parole attorno ai numeri arrivano giuste anche quando i numeri stessi chiedono attenzione. LocalType tiene quelle aggiunte sul telefono e le passa al sistema di riconoscimento come conoscenza di sfondo mentre lavora.
I numeri in sé non si possono imparare in questo modo, perché il problema non è il vocabolario. Il sistema conosce benissimo ogni cifra; semplicemente non ha nessun modo per scegliere fra loro.
Controlla prima di mandare
Questa singola abitudine previene gli errori davvero costosi.
Una parola fraintesa dentro una frase di solito salta all’occhio di chi legge. Una cifra fraintesa no, perché un numero sbagliato sembra plausibile esattamente come uno giusto. Nessuno rilegge un numero di telefono leggendolo, quindi leggilo apposta, oppure rileggilo ad alta voce, cosa che intercetta errori che un’occhiata non intercetta.
Per qualunque cosa finanziaria, legale o sanitaria, tratta i numeri dettati come non verificati finché non li hai confrontati con la fonte. Non è una critica alla dettatura. È la stessa regola che applicheresti a numeri scritti a mano da stanco.
La dimensione del modello è la leva
Per LocalType valgono gli stessi limiti che per qualunque altra cosa, perché vengono dalla natura del problema invece che dalla realizzazione. I numeri non hanno contesto, e nessun modello su nessun hardware si inventa un contesto che non c’era.
Quello che aiuta è la taglia del modello. Le tre opzioni, da 60, 190 e 539 MB, differiscono per quanto bene reggano un audio ambiguo, e le cifre sono la definizione stessa di audio ambiguo. Se nel tuo lavoro i numeri contano, la più grande si guadagna lo spazio che occupa. Come punto di riferimento: l’opzione intermedia da 190 MB ha messo per iscritto 6,9 secondi di parlato in 4,1 secondi sul telefono da 4 GB usato per le prove.
Tutto il resto non cambia: riconoscimento sull’apparecchio a partire da un file che nessun’altra app può aprire, la rete contattata una volta per prendere il modello, nessun account, nessuna pubblicità, niente che registri il tuo uso, nessun audio conservato e nessun archivio, backup saltati di proposito, e nessun microfono offerto sopra un campo password. Cosa rilevante qui, visto che codici e numeri sono esattamente quello che la gente detta dentro campi in cui non dovrebbe.
Se ti porti via una cosa sola, che sia la divisione del lavoro. Le parole si dicono, le stringhe si scrivono, e le cifre si controllano prima di mandare. La dettatura non è peggiore dello scrivere in tutto, e questa è l’unica categoria in cui chiaramente lo è.