Inglês por voz
O sotaque não éo problema.
Quem trabalha em inglês o dia inteiro sem ser a língua materna presume que ditado não é para ele. Os modelos de hoje lidam com inglês falado por brasileiros muito melhor do que a reputação sugere. O que falha de verdade é bem mais estreito, e quase tudo se resolve em cinco minutos.
A resposta curta
Sim, o ditado funciona com sotaque. Os modelos atuais foram treinados com áudio muito variado e transcrevem um brasileiro falando inglês sem preparo nenhum. O que ainda falha é previsível: nomes de pessoas e lugares, nomes de empresas e produtos, jargão técnico, e as frases em que uma palavra em português escapa no meio do inglês. Resolvidas essas quatro coisas, ditar fica mais rápido do que digitar.
A lista real
Seis coisas que falham, e o que fazer com cada uma.
Nenhuma delas tem a ver com a sua pronúncia. São os pontos específicos onde o reconhecimento de voz perde, e todos têm uma saída que leva segundos.
| O problema | O que volta | O que fazer |
|---|---|---|
| Nomes de pessoas e lugares | O Thiago volta como Diego. O nome da sua cidade vira a palavra em inglês que soa mais parecida. | Deixar errado enquanto fala e corrigir os nomes de uma vez, no fim. Parar no meio da frase para repetir um nome custa mais do que a correção. |
| Nomes de empresas e produtos | O nome do produto chega como palavra comum, ou quebrado em duas. | Mesma correção, no fim. Se é um nome que você fala vinte vezes por dia, vale criar uma substituição de texto no sistema para o erro se corrigir sozinho. |
| Jargão técnico e siglas | Kubernetes sobrevive. A sigla interna do time não, e as letras ditas em sequência grudam em uma palavra só. | Falar siglas com uma pausa curta entre as letras. E aceitar que vocabulário interno, que nunca foi publicado em lugar nenhum, não vai ser reconhecido por ferramenta alguma. |
| O português no meio do inglês | Você solta uma palavra em português dentro de uma frase em inglês e ela volta como uma palavra em inglês parecida. | Usar uma ferramenta que não obrigue a escolher um idioma por ditado. Se a sua tem seleção de idioma, ela vai brigar com você em toda frase misturada, que no dia real são muitas. |
| A hesitação transcrita literalmente | Os é, os so, os I mean, os sorry. Na tela fica pior do que você teria digitado, e é aí que a maioria desiste no segundo dia. | Só uma etapa de limpeza resolve. Todo mundo hesita mais numa segunda língua, então a transcrição crua é injusta com quem fala inglês por trabalho de um jeito que não é com quem nasceu falando. |
| A ferramenta reescrevendo o seu inglês | O texto volta mais fluente, mais comprido e menos parecido com você. Às vezes o sentido mudou de lugar. | Decidir se você quer transcrever ou quer alguém escrevendo por você. São produtos diferentes, e só um deles deixa você continuar aprendendo. |
Repare no que não está na lista. As vogais, a sílaba tônica, o ritmo, tudo aquilo que dá vergonha numa call. É justamente a parte em que os modelos ficaram bons.
Por que acontece
O modelo está adivinhando palavras, não ouvindo letras.
Ele aprendeu muitos sotaques, e alguns muito mais que outros
Os modelos de voz são treinados com quantidades enormes de áudio variado, e é por isso que inglês com sotaque funciona hoje. A distribuição continua desigual: um sotaque que aparece muitas vezes no áudio de treino é reconhecido com mais confiança do que um que aparece raramente. É por isso que a mesma ferramenta pode ser excelente para você e medíocre para o colega ao lado.
Reconhecer é prever
O reconhecimento de voz não decodifica som por som. Ele prevê a sequência de palavras mais provável dado o áudio e tudo o que já foi dito. Frases comuns sobrevivem ao ruído e à pronúncia estranha porque o contexto segura. Um nome próprio que o modelo viu poucas vezes não tem esse apoio, então perde para a palavra comum que soa mais parecida. É por isso que as frases acertam e os nomes não.
O idioma é decidido por ditado, não por frase
A maioria das ferramentas fixa um idioma para o ditado inteiro, seja por uma configuração, seja pelos primeiros segundos de áudio. Uma frase com dois idiomas fica fora desse modelo de mundo, e o idioma minoritário é empurrado para dentro do outro. Para quem trabalha em inglês e vive em português, essa é a falha diária. O sotaque não é.
A etapa de limpeza tem opinião
Tudo o que arruma uma transcrição crua é um modelo de linguagem, e modelo de linguagem puxa para prosa fluente, padrão e levemente formal. Aponte um para a frase de quem fala inglês como segunda língua e ele promove a frase em silêncio. O resultado lê melhor e já não é seu, o que pesa mais do que parece quando o texto é uma mensagem sua para um colega.
As duas primeiras pertencem a quem treina o modelo acústico, e nenhum aplicativo pequeno muda isso. As duas últimas são decisões de produto. São essas que vale escolher com cuidado, e são as únicas que dá para avaliar antes de comprar.
A solução
Como fazer o ditado funcionar no seu inglês.
Isso funciona em qualquer ferramenta de ditado, inclusive na que já vem no Mac. Nada aqui pede para você soar mais nativo, porque não é essa a variável que decide o resultado.
- 01
Falar em frases, não em palavras
O modelo usa contexto para recuperar os sons pouco claros, então uma frase inteira é reconhecida melhor do que as mesmas palavras ditas uma a uma. Pronunciar com cuidado e separado é o instinto de quem fala uma segunda língua, e piora o resultado. Diga o pensamento inteiro, no seu ritmo normal.
- 02
Falar a pontuação em voz alta
Ponto, vírgula, ponto de interrogação, novo parágrafo. Dois minutos de prática e vira automático. Esse hábito sozinho faz mais pela qualidade do texto do que qualquer coisa ligada a sotaque, porque tira da ferramenta os limites de frase que ela teria de adivinhar pela entonação.
- 03
Deixar os nomes errados até o fim
Cada parada para corrigir um nome custa um recomeço e mata a frase que você estava montando. Dite a mensagem inteira e depois corrija os dois nomes próprios. Quem fala segunda língua para e corrige muito mais do que um nativo, e é esse hábito, não a precisão, que faz o ditado parecer lento.
- 04
Testar com uma frase do seu trabalho de verdade
Não uma frase de exemplo. Uma frase real, com os nomes dos produtos, as siglas do time e aquela palavra em português que sempre escapa no meio. É esse teste que prevê se você ainda vai estar ditando semana que vem. Uma frase genérica não prevê nada.
- 05
Ler antes de enviar
Quase todo mundo lê melhor do que escreve numa segunda língua, então uma leitura rápida pega o que passou batido na hora de compor. Se a ferramenta souber ler o texto em voz alta, ouvir pega outro conjunto de erros: principalmente a palavra errada que encaixa perfeitamente no contexto, que é exatamente o erro que o ditado produz.
Cinco hábitos, cinco minutos. Se depois disso a ferramenta ainda falhar no passo quatro, o problema é da ferramenta, não do sotaque.
O que construímos
Sem seleção de idioma, de propósito.
O Sonira nunca pergunta em que idioma você vai falar. Não existe lista para escolher antes de ditar nem nada fixado para a sessão, então uma frase em inglês com duas palavras em português dentro volta como uma frase em inglês com duas palavras em português dentro. Isso não é um modo que se liga. É o único comportamento que existe.
A etapa que pontua e arruma a transcrição está proibida por escrito de traduzir, de trocar as suas palavras e de converter o seu registro. Ela tira hesitação, começos falsos e o que você mesmo retirou no meio da frase, e para por aí. O que chega no seu documento é a sua frase, pontuada. Não é a versão que um estranho mais fluente teria escrito.
O que isso não faz é consertar o modelo acústico. Reconhecer inglês com sotaque é problema da indústria inteira e a gente compra igual a todo mundo. Também ainda não existe vocabulário próprio, então um nome que o modelo nunca viu continua saindo errado na primeira vez, e continua sendo corrigido na mão.
Nota honesta: a versão pública atual é o núcleo de ditado. A leitura em voz alta chega na próxima versão pública, que está esperando uma etapa de assinatura e não o código.
Segurar uma tecla. Falar. As palavras aparecem onde está o cursor.
Transcrever, não escrever por você
O seu inglês, não o de um estranho mais fluente.
Existe uma tentação real, quando se escreve numa segunda língua, de deixar a ferramenta melhorar a frase na saída. Funciona, e cobra um preço. Um texto que foi reescrito deixa de ser prova do que você sabe fazer, e depois de um ano você escreve igual ao primeiro dia.
Uma ferramenta que só transcreve faz o negócio contrário. As palavras são suas, os erros são seus e ficam para você achar, e a velocidade que você ganha é só a velocidade de não digitar. Se você quiser mesmo uma reescrita, isso deveria ser uma ação separada e deliberada, não algo que acontece em silêncio em toda mensagem ditada.
O truque da leitura de volta
Ler é a habilidade mais forte de quase todo mundo numa segunda língua, e ouvir vem logo atrás. Ter o rascunho lido em voz alta pega a palavra errada mas plausível por cima da qual o olho passa reto, que é justamente o erro que o ditado produz. Foi por isso que construímos a voz também no sentido contrário.
Bom saber
Perguntas, respondidas.
- 01O reconhecimento de voz funciona com sotaque forte?
- Em geral sim. Os modelos atuais foram treinados com áudio muito variado e lidam com sotaques fortes em inglês muito melhor do que as ferramentas de que as pessoas se lembram de alguns anos atrás. A precisão varia de sotaque para sotaque, e nenhuma ferramenta honesta vai te dar um número para o seu. Teste com uma frase real do seu trabalho e você sabe em menos de um minuto.
- 02Ele me entende se eu misturar dois idiomas na mesma frase?
- Depende inteiramente da ferramenta. Tudo o que fixa um idioma por ditado vai empurrar o outro para dentro dele. O Sonira não fixa nada e deixa cada parte no idioma em que foi falada. Para quem trabalha em inglês e vive em português, é essa a funcionalidade que decide se o ditado serve para o seu dia de verdade.
- 03Por que ele acerta tudo menos os nomes?
- Porque reconhecer é prever. Palavras comuns são seguradas pelo contexto, e um nome que o modelo viu poucas vezes não tem esse apoio, então perde para a palavra comum que soa mais parecida. Corrigir os nomes no fim do ditado, e não no meio da frase, derruba o custo para alguns segundos.
- 04O ditado deixa o meu inglês pior do que digitar?
- A transcrição crua deixa, porque imprime a sua hesitação. Todo mundo hesita mais numa segunda língua, então isso cai mais pesado em você do que em um nativo. Uma etapa de limpeza que tira o ruído e os começos falsos sem reescrever as suas palavras fecha essa distância, e é para isso que serve a segunda passagem do Sonira.
- 05Devo usar uma ferramenta que melhora o meu inglês enquanto transcreve?
- Só se essa for uma decisão consciente. É um produto diferente de ditado e tem um custo: o texto deixa de refletir o seu nível, para você e para quem lê. A gente não faz isso por padrão, e acha que a escolha tem que ser sua e explícita.
- 06Funciona no meu idioma também, não só em inglês?
- Sim. O Sonira não tem seleção de idioma, então qualquer idioma que o modelo saiba tratar funciona, e o português em particular é tratado como idioma de primeira classe, não como mais uma linha numa lista de cem. Se for o seu caso, tem um guia separado sobre português do Brasil e de Portugal.
Dite no inglês que você fala de verdade.
Grátis enquanto estamos em beta.
Também dita em português? Leia o guia do idioma.
Nunca ditou? Comece pelo guia do Mac.