Inglês por voz
O sotaque não éo problema.
Quem trabalha todos os dias em inglês sem ser a sua língua parte do princípio de que o ditado não é para si. Os modelos de hoje lidam com inglês falado por portugueses muito melhor do que a reputação sugere. O que falha a sério é bem mais estreito do que isso, e resolve-se quase todo em cinco minutos.
A resposta curta
Sim, o ditado funciona com sotaque. Os modelos atuais foram treinados com áudio muito variado e transcrevem um português a falar inglês sem preparação nenhuma. O que continua a falhar é previsível: nomes de pessoas e de lugares, nomes de empresas e produtos, jargão técnico, e as frases em que se atira uma palavra portuguesa para o meio do inglês. Resolvidas essas quatro coisas, ditar fica mais rápido do que escrever.
A lista real
Seis coisas que falham, e o que fazer a cada uma.
Nenhuma delas tem que ver com a pronúncia. São os sítios concretos onde o reconhecimento de voz perde, e todas têm uma solução que demora segundos.
| O problema | O que volta | O que fazer |
|---|---|---|
| Nomes de pessoas e de lugares | O Gonçalo volta Gonzalo. Cascais volta partido em duas palavras inglesas parecidas. | Deixar errado enquanto se fala e corrigir os nomes de uma vez, no fim. Parar a meio da frase para repetir um nome custa mais do que a correção. |
| Nomes de empresas e de produtos | O nome do produto volta como palavra comum, ou partido ao meio. | A mesma correção, no fim. Se for um nome dito vinte vezes por dia, compensa uma substituição de texto no sistema, para se corrigir sozinho. |
| Jargão técnico e siglas | Kubernetes sobrevive. A sigla interna da empresa não, e as letras ditas seguidas colam-se numa palavra só. | Dizer as siglas com uma pausa pequena entre letras. E aceitar que vocabulário interno, que nunca foi publicado em lado nenhum, não vai ser reconhecido por ferramenta nenhuma. |
| O português no meio do inglês | Diz-se uma palavra portuguesa dentro de uma frase inglesa e volta uma palavra inglesa parecida. | Usar uma ferramenta que não obrigue a escolher uma língua por ditado. Se tiver definição de idioma, vai discutir em todas as frases misturadas, que no dia real são muitas. |
| A hesitação transcrita tal e qual | Os hã, os so, os I mean, os sorry. No ecrã fica pior do que aquilo que se teria escrito à mão, e é por aí que a maioria desiste ao segundo dia. | Só um passo de limpeza resolve. Hesita-se sempre mais numa segunda língua, por isso a transcrição crua é injusta com quem fala inglês por obrigação profissional, e não é com quem o tem de nascença. |
| A ferramenta a reescrever o inglês | O texto volta mais fluente, mais comprido e menos parecido com quem o disse. Às vezes o sentido mudou. | Decidir se o que se quer é transcrever ou ter quem escreva por si. São produtos diferentes, e só um deles deixa continuar a aprender. |
Repare no que não está na lista. As vogais, a acentuação, o ritmo, tudo aquilo que dá vergonha numa reunião. É exatamente a parte em que os modelos ficaram bons.
Porque acontece
O modelo está a adivinhar palavras, não a ouvir letras.
Aprendeu muitos sotaques, e uns muito mais do que outros
Os modelos de voz são treinados com quantidades enormes de áudio variado, e é por isso que inglês com sotaque funciona de todo hoje em dia. A distribuição continua desigual: um sotaque que aparece muitas vezes no áudio de treino é reconhecido com mais fiabilidade do que um que aparece raramente. É essa a razão pela qual a mesma ferramenta pode ser excelente para uma pessoa e medíocre para o colega do lado.
Reconhecer é prever
O reconhecimento de voz não descodifica sons um a um. Prevê a sequência de palavras mais provável, dado o áudio e tudo o que já foi dito. As frases comuns sobrevivem ao ruído e à pronúncia estranha porque o contexto as segura. Um nome próprio que o modelo viu poucas vezes não tem esse apoio, por isso perde para a palavra comum que soa mais parecida. É por isso que as frases acertam e os nomes não.
A língua é decidida por ditado, não por frase
A maioria das ferramentas fixa uma língua para o ditado inteiro, a partir de uma definição ou dos primeiros segundos de áudio. Uma frase com duas línguas fica fora desse modelo do mundo, e a língua minoritária é empurrada para dentro da outra. Para quem trabalha em inglês e vive em português, é esta a falha diária. O sotaque não é.
O passo de limpeza tem opiniões
Tudo o que arruma uma transcrição crua é um modelo de linguagem, e os modelos de linguagem puxam para prosa fluente, padrão e ligeiramente formal. Aponte-se um a uma frase de quem fala inglês como segunda língua e ele promove-a em silêncio. O resultado lê-se melhor e já não é de quem falou, 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 nenhuma aplicação pequena as muda. As duas últimas são decisões de produto. São essas que vale a pena escolher com cuidado, e são as únicas que um comprador consegue mesmo avaliar.
A solução
Como pôr o ditado a funcionar no seu inglês.
Isto funciona em qualquer ferramenta de ditado, incluindo a que já vem no Mac. Nada aqui pede para soar mais nativo, porque não é essa a variável que decide o resultado.
- 01
Falar por frases, não por palavras
O modelo usa o contexto para recuperar os sons pouco claros, por isso uma frase inteira é reconhecida melhor do que as mesmas palavras ditas uma a uma. Pronunciar com cuidado e isoladamente é o instinto de quem fala uma segunda língua, e piora o resultado. Dizer o pensamento todo, ao ritmo normal.
- 02
Dizer a pontuação em voz alta
Ponto final, vírgula, ponto de interrogação, novo parágrafo. Dois minutos de prática e fica automático. Este hábito sozinho faz mais pela qualidade do texto do que qualquer coisa relacionada com sotaque, porque retira à ferramenta os limites de frase que ela teria de adivinhar pela entoação.
- 03
Deixar os nomes errados até ao fim
Cada paragem para corrigir um nome custa um recomeço e mata a frase que estava a ser construída. Ditar a mensagem toda e depois corrigir os dois nomes próprios. Quem fala uma segunda língua pára e corrige muito mais vezes do que um nativo, e é esse hábito, não a precisão, que faz o ditado parecer lento.
- 04
Testar com uma frase do trabalho real
Não uma frase de exemplo. Uma frase a sério, com os nomes dos produtos, as siglas da equipa e aquela palavra portuguesa que acaba sempre por sair no meio. É esse teste que prevê se daqui a uma semana ainda se está a ditar. Uma frase genérica não prevê nada.
- 05
Ler antes de enviar
Quase toda a gente lê melhor do que escreve numa segunda língua, por isso uma leitura rápida apanha o que passou ao lado durante a composição. Se a ferramenta souber ler o texto em voz alta, ouvir apanha outro conjunto de erros: sobretudo a palavra errada que encaixa perfeitamente no contexto, que é exatamente o erro que o ditado produz.
Cinco hábitos, cinco minutos. Se depois disto a ferramenta continuar a falhar o passo quatro, o problema é da ferramenta e não do sotaque.
O que construímos
Sem definição de idioma, de propósito.
O Sonira nunca pergunta em que língua se vai falar. Não há lista para escolher antes de ditar nem nada fixado para a sessão, por isso uma frase inglesa com duas palavras portuguesas lá dentro volta como uma frase inglesa com duas palavras portuguesas lá dentro. Isto não é um modo que se liga. É o único comportamento que existe.
O passo que pontua e arruma a transcrição está proibido por escrito de traduzir, de mudar as palavras e de converter o registo. Tira a hesitação, os arranques falsos e aquilo que foi retirado a meio, e pára aí. O que chega ao documento é a frase de quem falou, pontuada. Não é a versão que um estranho mais fluente teria escrito.
O que isto não faz é corrigir o modelo acústico. Reconhecer inglês com sotaque é um problema da indústria e compramo-lo como toda a gente o compra. Também ainda não há vocabulário próprio, por isso um nome que o modelo nunca viu continua a sair errado à primeira, e continua a ser corrigido à mão.
Nota honesta: a versão pública atual é o núcleo de ditado. A leitura em voz alta chega na próxima versão pública, que está à espera de um passo de assinatura e não do código.
Carregar numa tecla. Falar. As palavras aparecem onde está o cursor.
Transcrever, não escrever por si
O seu inglês, não o de um estranho mais fluente.
Há uma tentação real, quando se escreve numa segunda língua, em deixar a ferramenta melhorar a frase à saída. Funciona, e tem um custo. Um texto que foi reescrito deixa de ser prova do que se sabe fazer, e ao fim de um ano escreve-se exatamente como no primeiro dia.
Uma ferramenta que só transcreve faz o negócio contrário. As palavras são de quem falou, os erros também são de quem falou e ficam por encontrar, e a velocidade que se ganha é só a velocidade de não escrever à mão. Se se quiser mesmo uma reescrita, isso devia ser uma ação separada e deliberada, não uma coisa que acontece em silêncio a todas as mensagens ditadas.
O truque da leitura de volta
Ler é a competência mais forte de quase toda a gente numa segunda língua, e ouvir vem logo a seguir. Ter o rascunho lido em voz alta apanha a palavra errada mas plausível por cima da qual os olhos passam, que é justamente o erro que o ditado produz. Foi por isso que construímos também a voz na direção contrária.
Bom saber
Perguntas, respondidas.
- 01O reconhecimento de voz funciona com sotaque carregado?
- Normalmente sim. Os modelos atuais foram treinados com áudio muito variado e lidam com sotaques carregados em inglês muito melhor do que as ferramentas de que as pessoas se lembram de há uns anos. A precisão varia de sotaque para sotaque, e nenhuma ferramenta honesta dá um número para o seu. Testar com uma frase real do trabalho resolve a dúvida em menos de um minuto.
- 02Percebe-me se eu misturar duas línguas na mesma frase?
- Depende inteiramente da ferramenta. Tudo o que fixa uma língua por ditado vai empurrar a outra para dentro dessa. O Sonira não fixa nada e deixa cada parte na língua em que foi dita. Para quem trabalha em inglês e vive em português, é esta a funcionalidade que decide se o ditado serve para o dia real.
- 03Porque é que acerta em tudo menos nos nomes?
- Porque reconhecer é prever. As palavras comuns são seguradas pelo contexto, e um nome que o modelo viu poucas vezes não tem esse apoio, por isso perde para a palavra comum que soa mais parecida. Corrigir os nomes no fim do ditado, e não a meio da frase, reduz o custo a alguns segundos.
- 04O ditado faz o meu inglês parecer pior do que escrever?
- A transcrição crua faz, porque imprime a hesitação. Hesita-se sempre mais numa segunda língua, por isso o efeito cai mais em cima de quem fala inglês por trabalho do que de um nativo. Um passo de limpeza que tira o ruído e os arranques falsos sem reescrever as 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 for uma decisão consciente. É um produto diferente do ditado e tem um custo: o texto deixa de refletir o nível de quem escreve, para quem escreve e para quem lê. Não fazemos isso por omissão, e achamos que a escolha deve ser de quem fala, e explícita.
- 06Também funciona na minha língua, não só em inglês?
- Sim. O Sonira não tem definição de idioma, por isso qualquer língua que o modelo saiba tratar funciona, e o português em particular é tratado como língua de primeira e não como mais uma linha numa lista de cem. Se for esse o caso, há um guia separado sobre português de Portugal e do Brasil.
Ditar no inglês que se fala mesmo.
Gratuito enquanto estamos em beta.
Também dita em português? Leia o guia da língua.
Nunca ditou? Comece pelo guia do Mac.