Pot una IA entendre el meu accent quan parlo anglès?

Per què la IA va tenir problemes amb els accents durant anys

El reconeixement de veu no sempre ha sabut gestionar bé els accents. A principis de la dècada del 2010, els sistemes s'entrenaven sobretot amb enregistraments de parlants nadius, sovint d'un conjunt reduït de regions i dialectes. Quan un aprenent amb accent català o castellà parlava anglès, la taxa d'error del sistema podia duplicar-se o triplicar-se en comparació amb una veu estàndard nord-americana o britànica.

La raó era simple. Un model de veu aprèn fent coincidir sons amb paraules, i només pot fer coincidir allò que ha sentit abans. Si mai no havia sentit una substitució vocàlica concreta o un patró d'accentuació diferent, no tenia res amb què relacionar aquell so. El resultat era una transcripció plena de paraules equivocades, i un aprenent que concloïa que les màquines simplement no el podien sentir.

Aquesta conclusió era raonable en aquell moment, però ha envellit malament. El problema de les dades d'entrenament s'ha atacat des de diverses direccions alhora, i la diferència entre el reconeixement natiu i el no natiu s'ha tancat més de pressa del que la majoria d'aprenents s'imaginen.

Què ha canviat en el reconeixement de veu

El canvi més gran són les mateixes dades. Els sistemes moderns s'entrenen amb milions d'hores de parla recollides de tots els continents, incloent-hi grans volums d'anglès no natiu. Un model que ha sentit deu mil parlants catalans, castellans i llatinoamericans ja no es sorprèn quan un aprenent pronuncia "think" com "tink" o s'empassa la consonant final de "hand".

L'aprenentatge profund també ha canviat com es gestionen els errors. Els sistemes antics dividien la parla en unitats petites i les feien coincidir una per una. Els models més nous escolten la frase sencera i prediuen la frase més probable, cosa que significa que el context rescata la paraula mal pronunciada. Si dius "I need to catch the buss", el model sent les paraules del voltant i escriu correctament "bus", perquè "buss" no té sentit en aquesta frase.

El resultat pràctic és que les proves recents mostren que la precisió del reconeixement d'anglès no natiu ara se situa a prop dels nivells natius en els principals sistemes comercials. Això no vol dir que tots els accents es tractin igual, però sí que els dies en què les màquines simplement fallaven amb un accent estranger s'han acabat en gran mesura.

Quins accents gestiona bé la IA?

La precisió no es reparteix de manera uniforme. Els accents que apareixen més sovint a les dades d'entrenament es gestionen millor, i normalment són els que tenen més parlants d'anglès. L'anglès indi, el nigerià, el filipí i els principals accents europeus hi són ben representats, perquè aquestes poblacions produeixen quantitats enormes de parla en anglès cada dia.

Els accents més petits o menys comuns són el punt feble. Un parlant d'una comunitat lingüística petita amb un ritme i un sistema vocàlic distintius encara pot trobar més errors, simplement perquè el model ha sentit menys exemples d'aquell patró sonor concret. El mateix passa amb accents que barregen dues o tres influències d'una manera inusual.

També hi ha una diferència entre entendre i puntuar. Un sistema pot transcriure les teves paraules perfectament i, tot i així, marcar sons individuals com a incorrectes, perquè la transcripció i l'avaluació de la pronunciació són dues tasques diferents. Aquesta distinció importa més del que la majoria d'aprenents s'imaginen, i torna a aparèixer més endavant.

Quan la IA encara s'equivoca amb el teu accent

Hi ha tres situacions que encara produeixen errors, i val la pena conèixer-les perquè dues estan sota el teu control.

Primer, el soroll de fons. Un model que gestiona el teu accent perfectament en una habitació silenciosa tindrà problemes en una cafeteria o en un autobús, perquè el soroll ambiental enterra precisament els sons que distingeixen una paraula d'una altra. Això també passa amb parlants nadius, però l'efecte és més gran quan la pronunciació ja no és estàndard.

Segon, la velocitat. Quan parles molt de pressa, els sons s'enganxen i el model té menys informació per paraula. Alentir el ritme només un deu o quinze per cent pot millorar el reconeixement notablement, i no et fa sonar menys fluid a un oient humà.

Tercer, els trets regionals forts. Si el teu anglès arrossega un accent regional marcat de la teva primera llengua, algunes distincions de consonants i vocals encara es poden perdre. Això no és una raó per esborrar el teu accent, però sí per comprovar quins sons concrets el sistema sent malament, perquè són els sons amb què un oient humà també pot tenir dificultats.

Pot una IA entendre el meu accent quan parlo anglès? Aquí tens com comprovar-ho

La millor manera de respondre la pregunta "pot una IA entendre el meu accent quan parlo anglès" és comprovar-ho directament, i fer-ho d'una manera que et doni informació útil en lloc d'un simple sí o no. Una eina com Tutoro ho fa dins d'una conversa, puntuant cada paraula mentre la dius, de manera que la resposta surt de la teva pròpia parla i no d'una afirmació general.

Comença amb dictat gratuït. Obre qualsevol eina de transcripció molt utilitzada, parla durant un minut sobre un tema que coneguis bé i llegeix el resultat. Compta els errors. Si la transcripció és majoritàriament correcta, el sistema t'entén. Si no ho és, fixa't en quines paraules han fallat, perquè el patró t'indica quins sons són el problema.

Després prova el mateix minut en un entorn sorollós. La diferència entre els resultats en una habitació silenciosa i en una de sorollosa mostra quanta dificultat ve del teu accent i quanta de l'entorn. Aquesta distinció és útil, perquè una es pot arreglar amb una habitació més tranquil·la i l'altra amb pràctica.

Finalment, prova una eina que et doni retroalimentació i no només una transcripció. Un sistema que marca cada paraula com a bona, acceptable o dolenta et diu una cosa que una simple transcripció no pot: no només si t'han entès, sinó quins sons un oient podria trobar poc clars. Aquí és on la pràctica de conversa en anglès amb IA es torna realment útil, perquè la puntuació és per paraula i en directe, de manera que pots veure exactament quina síl·laba ha fet fallar el sistema mentre encara la dius.

Tutoro fa la puntuació de pronunciació dins de la conversa, de manera que no dicten en una caixa buida sinó que parles amb un tutor que marca cada paraula com a bona, acceptable o dolenta mentre la dius. Com que la puntuació és en directe i paraula per paraula, pots veure quin so ha causat el problema i tornar-lo a dir immediatament. Va bé per a aprenents que volen retroalimentació mentre parlen, no una transcripció per analitzar després, i és menys útil si només vols una transcripció neutra d'enregistraments llargs.

Entendre't vol dir puntuar-te de manera justa?

Aquí hi ha la part que la majoria d'aprenents es perden. Una màquina pot entendre el teu accent perfectament i, tot i així, puntuar la teva pronunciació amb duresa, perquè són sistemes diferents amb objectius diferents. La transcripció pregunta "què ha dit aquesta persona?", mentre que la puntuació de pronunciació pregunta "com de proper era cada so a una pronunciació de referència?".

Això importa perquè un aprenent que rep una puntuació baixa de pronunciació pot concloure erròniament que la IA no el pot entendre. De fet, sovint passa el contrari: el sistema ha entès cada paraula, i ara t'està dient com de lluny és cada so d'un objectiu. Això és retroalimentació, no rebuig, i és exactament la informació que necessites per millorar.

La pregunta justa, doncs, no és si la IA entén el teu accent. És si la retroalimentació que reps tracta el teu accent com un problema a esborrar o com un conjunt de sons concrets a polir. Les millors eines deixen clara aquesta distinció, marcant paraules individuals en lloc de donar-te una única puntuació global que no t'expliquen què cal arreglar.

La recerca sobre l'avaluació automàtica de la pronunciació per a aprenents de segona llengua mostra que la retroalimentació a nivell de paraula ajuda els aprenents a millorar més que una única puntuació global, perquè assenyala el so exacte que cal treballar. Un aprenent que sap que "ship" i "sheep" són el problema pot practicar aquest parell; un aprenent a qui es diu "la teva pronunciació és un 62%" només pot endevinar.

Aquesta és la veritable resposta a la pregunta. La IA moderna entén la majoria d'accents prou bé per transcriure'ls, i els sistemes útils van més enllà i t'indiquen quins sons un oient podria trobar poc clars. El teu accent no és una barrera perquè una màquina t'entengui. És una font de retroalimentació concreta i accionable, si utilitzes una eina que te la doni paraula per paraula.

Què hauries de fer amb aquesta informació?

Deixa de preguntar-te si la màquina et pot sentir, perquè la resposta és gairebé sempre sí. Comença a preguntar-te quins sons assenyala, i si un oient humà assenyalaria els mateixos. La superposició entre aquestes dues llistes és on hauria d'anar el teu temps de pràctica.

Tria un parell de sons que el sistema marqui com a dolents i practica'l en frases reals en lloc d'aïlladament. Si el sistema marca la teva "th" com a dolenta, digues "I think this is the thing" deu vegades i mira com es mou la puntuació. Si et marca les consonants finals, llegeix un paràgraf curt i fixa't només en els finals de paraula. L'objectiu no és una puntuació perfecta, sinó un senyal clar que un so concret s'ha tornat més nítid.

El teu accent forma part de com parles anglès, i no cal que desaparegui perquè t'entenguin. El que cal és que els sons concrets que realment confonen els oients es polin, i la resta pot quedar exactament com està. La IA ja és prou bona per dir-te quins sons són aquests, cosa que és una resposta molt més útil que un simple sí o no.