Dictar órdenes con voz sin que te malinterprete
El problema no es que el reconocedor de voz falle. El problema es que nadie te dice en qué idioma está escuchando.
Casi todas las apps de productividad con entrada por voz comparten el mismo fallo: no enseñan en qué idioma están escuchando. Abres la app, pulsas el micrófono, dictas "recuérdame llamar al dentista mañana", y la transcripción sale como si hubieras hablado en inglés. El reconocedor estaba bien. El idioma estaba mal.
Por qué pasa
Los reconocedores de voz de Apple y de Google necesitan saber el idioma antes de empezar a escuchar. No lo adivinan sobre la marcha: se entrenan con un modelo concreto de idioma y transcriben lo que oyen según ese modelo. Si el modelo es el de inglés y hablas en español, el resultado es basura con confianza alta.
La mayoría de las apps eligen el idioma del dispositivo y no lo tocan más. Si tu iPhone está en español, transcriben en español. Si lo tienes en inglés porque algunas apps salen mejor, transcriben en inglés aunque hables en catalán. Y nunca te dicen cuál han elegido.
Lo que debería pasar
Un botón de micrófono bien hecho necesita tres cosas:
1. Un badge visible que diga "ES", "CA" o "EN" antes de que hables. Si no sabes en qué idioma escucha, no puedes corregirlo antes de desperdiciar treinta segundos dictando.
2. Un menú rápido al mantener pulsado, con tus tres idiomas principales. Sin tener que ir a ajustes, buscar la opción y elegir entre 63 idiomas.
3. El idioma real en la petición al servidor. De nada sirve que el reconocedor acierte si luego el backend recibe "locale: en" y la IA interpreta tu orden en inglés.
El tercer punto es sutil y es el más dañino. Si dictas en catalán, la transcripción sale perfecta, pero el servidor lee locale: es porque eso dice el perfil, y la IA entiende otra cosa. El usuario ve que la transcripción está bien y no entiende por qué la orden no funciona.
La transcripción en directo no es opcional
Otro error común: grabar treinta segundos de audio y mostrar la transcripción solo al final. Si el reconocedor estaba en el idioma equivocado, el usuario lo descubre cuando ya ha terminado de hablar. Los dos segundos de silencio que la app necesita para decidir que has acabado se convierten en los dos segundos más frustrantes del día.
La transcripción parcial — la que aparece palabra por palabra mientras hablas — no es un detalle bonito. Es información de control. Si ves que lo que aparece en pantalla no tiene sentido, dejas de hablar inmediatamente. Si no lo ves, hablas entero, esperas, y descubres que todo ha ido mal.
En Madrugo, el botón del micrófono lleva un badge con el idioma activo, un menú rápido para cambiarlo al vuelo, y la transcripción aparece en tiempo real con el idioma indicado. Porque dictar una orden y que funcione a la primera no debería requerir fe ciega.