O que é a Interface de Usuário por Voz?

Exemplos de interface de voz

No âmbito das aplicações móveis, as interfaces até o momento se basearam na interação com as telas com nossas mãos ou, no máximo, com gestos. Mas com a melhoria das tecnologias de Speech To Text e do Processamento de Linguagem Natural (PLN) tornaram possível que as interfaces conversacionais sejam já uma realidade.

Seu uso se estende cada vez mais entre os consumidores com dispositivos como é possível desenvolver tarefas simples em nossas casas, com gadgets como Alexa, Cortana ou o assistente do Google, que são capazes de desenvolver operações mais ou menos simples.

Segundo os dados do Smart Audio Report, os usuários utilizaram essa tecnologia para tarefas muito diversas. 90% dos usuários a utilizam para ouvir música, 87% para fazer perguntas sobre informações gerais e 77% para se divertir com diferentes gadgets. Outras tarefas são controlar o áudio, colocar alarmes ou controlar dispositivos domésticos, entre outras.

Mas essa tecnologia não é útil apenas em nossa vida pessoal, as empresas também podem se beneficiar de suas vantagens. Dessa forma, é possível criar uma VUI para que os funcionários de uma empresa possam realizar processos específicos relacionados às suas tarefas. Por exemplo, preencher um formulário apenas com a voz, sem necessidade de tocar na tela.

IA, reconhecimento de voz e outros termos básicos a conhecer

VUI: A conhecida como VUI (Voice User Interface ou interface de usuário de voz) é uma tecnologia de reconhecimento de voz. Com ela, os usuários podem interagir com um dispositivo utilizando a voz como meio. Uma VUI aceita a entrada do usuário através da voz, a processa e então fornece uma saída baseada na voz, que pode ser acompanhada de texto, gráficos ou vídeo na tela.

Uma das grandes vantagens da tecnologia VUI é que permite aos usuários um controle completo da tecnologia mãos livres. Para torná-lo possível, utiliza-se uma combinação de tecnologias de Inteligência Artificial (IA), incluindo o reconhecimento de voz automático, o reconhecimento de entidade de nome e a síntese de voz, entre outros.

Por sua própria natureza, as VUI podem estar contidas em dispositivos ou dentro de aplicações. A infraestrutura de back-end, incluindo as tecnologias de inteligência artificial utilizadas para criar os componentes de voz da VUI, muitas vezes é armazenada em uma nuvem pública ou privada onde a voz do usuário é processada. Na nuvem, os componentes de IA determinam a intenção do usuário e retornam uma resposta determinada ao dispositivo ou aplicação onde o usuário está interagindo com a VUI.

PLN: Estas siglas fazem referência ao Processamento de Linguagem Natural (PLN), a denominação que recebe um subcampo da informática e da inteligência artificial relacionada com as interações entre os computadores e as linguagens humanas. É utilizado para aplicar algoritmos de aprendizado de máquina ao texto e à fala. Entre outras aplicações, podem ser criados sistemas como reconhecimento de voz, resumo de documentos, tradução automática, detecção de spam, reconhecimento de entidades com nome, resposta a perguntas, autocompletar, escrita preditiva, entre outros.

Speech To Text: é o processo pelo qual as palavras faladas são convertidas em textos escritos. Este processo também é frequentemente chamado de reconhecimento de voz. Embora esses termos sejam quase sinônimos, o reconhecimento de voz às vezes é usado para descrever o processo mais amplo de extração de significado da fala, ou seja, a compreensão da fala.

Algumas aplicações tecnológicas do PLN

Os dados demonstram que a tecnologia baseada no PLN está em ascensão e que conta com ótimas expectativas de crescimento, com uma especial relevância no âmbito empresarial. Nesse sentido, o relatório Principais Tendências no Ciclo Hype da Gartner para a inteligência artificial, aponta que “os chatbots e os assistentes virtuais atingiram o máximo interesse nas empresas como os usos mais comuns para a IA. Mas para melhorar a experiência do cliente e reduzir os custos, os líderes de aplicações devem escolher a plataforma de conversação adequada como a tecnologia habilitadora para desenvolver chatbots e VA”.

Além disso, segundo Markets and Markets, o tamanho do mercado global de IA conversacional aumentará de 4,2 bilhões de dólares em 2019 para 15,7 bilhões de dólares em 2024, o que representa uma taxa de crescimento anual composta de 30,2%.

Relacionado: Melhores chatbots com inteligência artificial para conversar

Nesse contexto, existem alguns projetos que são interessantes. Como exemplo, podemos citar dois deles: Dialogflow e Wit.ai

Dialogflow é um produto impulsionado pelo Google. Seu uso permite aos desenvolvedores criar interfaces de conversação de voz e baseadas em texto para responder às consultas dos clientes em diferentes idiomas. Trata-se de uma plataforma de processamento de linguagem natural que possui uma ampla variedade de aplicações e com a qual podem ser criadas interessantes experiências de conversação para os clientes de uma empresa.

Wit.ai, uma estrutura de chatbot de código aberto que começou como uma startup do Y Combinator, é totalmente capaz de analisar expressões de usuário matizadas e devolver respostas valiosas, coerentes e bem informadas. O Facebook adquiriu a empresa em 2015, mas, apesar de tudo, o Wit.ai continua sendo um projeto de código aberto, para que a comunidade possa se beneficiar das aplicações abertas. Dessa forma, os desenvolvedores podem bifurcar qualquer aplicação e não precisam começar do zero ao construir seu bot.

Interfaces de voz VUI: uma aposta de futuro

Em conclusão, parece claro que esse tipo de tecnologias estão destinadas a cumprir um papel de máxima importância, por isso as empresas devem estar preparadas para assumir o desafio que, sem dúvida, vai representar. Colocar as mãos na massa o quanto antes pode, em última análise, fazer a diferença em um futuro não muito distante.