Lucía lleva meses siendo mi asistente de voz del día a día y gran parte de lo que le pido pasa por usar el dictado. Y el dictado tiene un cuello de botella que no se ve hasta que falla: el modelo que convierte lo que dices en texto.
Llevaba un tiempo con el motor de voz de Azure, funcionando, sin más, hasta que le he cambiado el motor a Parakeet y he notado la diferencia desde el primer día.
Aquí el modelo, aquí una comparativa (worth reading).
De Azure a Parakeet: qué cambia en la práctica
Si hacemos una comparativa clásica de producto, la cosa iría así:
- Azure transcribe bien, pero se nota que es un servicio en la nube pensado para todo tipo de audio, no afinado para este uso concreto.
- Parakeet transcribe más rápido, y no es una diferencia sutil, es de las que percibes sin cronómetro: dictas una frase larga y el texto ya está ahí cuando todavía estás pensando en la siguiente.
En «accuracy» la pelea está más igualada, pero Parakeet gana donde más se nota: nombres propios, tecnicismos y frases dichas rápido y sin pausas, que es justo como dicto yo cuando tengo prisa. Menos correcciones a mano después, que es al final la métrica que de verdad importa.
El check que ya no hace falta
Con Azure tenía montado un paso extra: una segunda pasada que revisaba la transcripción antes de dársela por buena, porque de vez en cuando el modelo se comía una palabra o la cambiaba por otra parecida y eso, en un dictado que luego dispara acciones, es un problema serio.
Ese check adicional funcionaba, pero añadía tiempo y una capa más que mantener.
Con Parakeet ese paso ha desaparecido. No porque lo haya quitado a la brava, sino porque la tasa de error ha bajado lo suficiente como para que la verificación extra ya no compense el coste que añadía. Un paso menos en la cadena, y menos sitios donde algo puede romperse.
Antes: audio → Azure (transcripción) → check adicional → texto final
Ahora: audio → Parakeet (transcripción) → texto final
Ctrl+Espacio: la parte que hace que todo esto valga la pena
El cambio de modelo es la mitad de la historia. La otra mitad es que dictarle a Lucía es tan simple como pulsar Ctrl+Espacio.
Sin abrir ninguna ventana, sin buscar el icono, sin cambiar de aplicación. Lo pulsas, hablas, sueltas, y ya está.
Esa combinación es la que hace que use el dictado para cosas pequeñas que antes ni me planteaba dictar, porque el coste de activarlo era mayor que el de escribir cuatro palabras a mano. Ahora no lo pienso, y con una transcripción más rápida y más fiable de fondo, la fricción que quedaba prácticamente ha desaparecido.
Lo que queda del cambio
No ha sido un rediseño de Lucía, ha sido cambiar una pieza del motor por otra mejor y quitar un parche que ya no hacía falta. Pero es justo ese tipo de cambios pequeños los que, sumados, terminan notándose más que una función nueva llamativa.
Si quieres ver el resto de cosas que le he ido añadiendo a Lucía, lo cuento con más detalle en este post anterior sobre sus funcionalidades.
