Comincia dalla distanza, che non costa niente
Il microfono raccoglie quello che gli arriva, e quanto di quel materiale sia tu dipende dalla fisica più che dal software.
Tenuto a un braccio di distanza in una stanza con un po’ di rumore, la tua voce arriva come un segnale fra tanti. Tenuto vicino al bordo inferiore del telefono, alla distanza di una conversazione, domina tutto il resto. Già solo quella differenza risolve una quota sorprendente delle lamentele.
Non coprire il microfono con un dito: su quasi tutti i telefoni sta sul bordo inferiore, che è esattamente il punto in cui la gente stringe. E se sei all’aperto, girati di spalle al vento, perché il rumore del vento è forte, occupa tutte le frequenze ed è quasi impossibile da separare dal parlato per qualunque modello.
Poi il modo di parlare, che è un’abilità che si impara
La dettatura premia un certo modo di parlare, e non è quello con cui la gente parla di solito.
Frasi complete. I sistemi di riconoscimento usano le parole intorno per scegliere fra opzioni che suonano uguali. Una parola detta da sola non dà loro niente su cui lavorare, ed è per questo che un nome isolato esce sbagliato mentre lo stesso nome dentro una frase esce giusto.
Decidi prima di parlare. Spegnersi a metà, ricominciare da capo e pensare ad alta voce tolgono tutti il ritmo su cui il sistema conta, e la prima cosa a peggiorare è la punteggiatura.
Ritmo e volume normali. Rallentare in modo drammatico o scandire troppo peggiora le cose, non le migliora. I modelli sono addestrati sul parlato ordinario, quindi un parlato insolitamente attento è un ingresso insolito.
Fermati fra una frase e l’altra. È il segnale usato per piazzare il punto.
Niente di tutto questo richiede un’app diversa, e di solito fa più differenza di quanta ne farebbe cambiarla.
Insegnagli il tuo vocabolario
Le parole che con più probabilità verranno fraintese sono quelle che usi di più: cognomi dei colleghi, nomi dei clienti, prodotti, sigle, i termini tecnici del mestiere che fai.
Un modello addestrato sul parlato generale non ne ha mai incontrata nessuna, quindi ci mette al posto qualcosa di ordinario che suona simile. Nessuna quantità di pronuncia chiara lo sistema, perché la parola giusta non è nemmeno in gara.
Se la tua tastiera permette di aggiungere parole, questa è la cosa a valore più alto di tutte. LocalType tiene le aggiunte sull’apparecchio e le passa al modello vocale come contesto, così cominciano ad arrivare scritte giuste, e nello stesso momento migliorano i suggerimenti mentre scrivi.
Aggiungile tutte insieme una volta, invece che una alla volta man mano che sbagliano.
Controlla l’impostazione della lingua
Un’intera categoria di «produce sciocchezze» è uno scarto fra la lingua che parli e quella che l’app si aspetta.
Il guasto confonde perché non c’è nessun messaggio di errore. Il sistema fa del suo meglio per sentire la lingua che gli è stata annunciata, e produce assurdità dette con sicurezza.
Se scrivi in più di una lingua, o la imposti in modo esplicito prima di una sessione lunga, oppure usi un’app che individua la lingua dalla registrazione stessa. LocalType fa la seconda cosa su diciotto lingue e decide a ogni registrazione, quindi cambiare fra un messaggio e l’altro non chiede niente da parte tua. Impostare invece una lingua precisa sposta con sé il layout della tastiera e il dizionario, che è l’opzione migliore per chi resta in una lingua sola tutto il giorno.
Da sapere: la precisione non è identica su quelle diciotto. Il materiale di addestramento è distribuito in modo disuguale, e le lingue molto parlate se la cavano meglio.
Sugli accenti
Gli accenti sono il punto in cui la dettatura è meno uniforme, e la ragione è meccanica.
Un modello va meglio sul parlato che somiglia a quello su cui è stato addestrato. Se il tuo accento era rappresentato poco in quel materiale, i risultati saranno peggiori, ed è una proprietà dell’addestramento, non qualcosa che riguarda come parli.
Due cose aiutano davvero. Un modello più grande ha più capacità per i casi insoliti, quindi salire di taglia è la prova da fare prima di concludere che la tecnologia non fa per te. E il trucco del vocabolario descritto sopra conta di più, non di meno, perché un nome proprio pronunciato in un modo che il modello non conosce è il tuo errore più frequente.
Quello che non aiuta è esagerare la pronuncia verso un accento neutro immaginario. Produce un parlato di cui il modello ha sentito ancora meno.
Compra precisione con la pazienza, se l’app te lo permette
Dove un’app offre una scelta fra modelli, quella scelta è un comando della precisione e quasi nessuno la tocca mai.
La capacità costa tempo. Un modello con più spazio per rappresentare pronunce insolite, nomi sconosciuti e parlato in gara con il rumore ne azzeccherà di più, e ci metterà di più a farlo. LocalType offre 60, 190 e 539 MB esattamente per questo motivo, con 4,1 secondi impiegati per 6,9 secondi di parlato nell’impostazione di mezzo, sull’apparecchio di prova da 4 GB.
Abbinalo a quello che stai dettando invece di sceglierlo una volta e dimenticarlo. Se spari risposte, la cosa che noti è l’attesa. Se stai raccontando un messaggio lungo, stai guardando la stanza invece dello schermo, e gli errori che eviti sono correzioni che non dovrai mai fare.
L’eccezione è un telefono davvero a corto di memoria, dove il modello più grande può finire per essere più lento e non più preciso di quello piccolo, perché non arriva mai a girare comodo.
Dagli una rincorsa
Un piccolo trucco che non costa niente e aiuta più di quanto dovrebbe.
I sistemi di riconoscimento sono più deboli proprio all’inizio di una registrazione, prima che ci sia contesto su cui appoggiarsi. Se la prima cosa che dici è la parola insolita, un cognome sconosciuto, un termine tecnico, un nome di località, il sistema ha meno aiuto a disposizione esattamente nel momento in cui ne ha più bisogno.
Cominciare con due o tre parole ordinarie gli dà qualcosa su cui assestarsi prima che arrivi la parte difficile. «Allora l’indirizzo è» prima del nome della via. «Mandalo a» prima del cognome. Sembra artificiale per un giorno e poi diventa automatico.
La stessa logica spiega perché ridettare da sola una parola fallita quasi mai funziona. Da sola ha ancora meno contesto della prima volta. Ridì piuttosto tutta la frase.
Cosa nessuna impostazione sistemerà
C’è un soffitto, e nessuna impostazione lo alza.
Più persone che parlano insieme. Un telefono su un tavolo dall’altra parte della stanza. Un bar a pieno volume. Musica alta alle spalle. In tutti quei casi parlato e rumore arrivano mescolati dentro le stesse misure e dopo non si separano più, su nessun apparecchio, con nessuna app.
Le parole che suonano uguali sono l’altro limite permanente. Dove due formulazioni suonano identiche e hanno senso tutte e due, il sistema sta tirando a indovinare, e ogni tanto indovinerà male.
E nessun sistema di riconoscimento sa cosa intendevi. Sa cosa è arrivato al microfono, ed è per questo che il modo di parlare conta più di qualunque cosa tecnica.
Cinque passi, in ordine
Avvicinati al microfono. Parla in frasi complete e fermati fra l’una e l’altra. Aggiungi i tuoi nomi e il tuo gergo. Controlla la lingua. Poi, se ancora non basta, sali di una taglia di modello.
Quasi tutti smettono di innervosirsi intorno al terzo passaggio.