HUD entrega menús que se despliegan hacia abajo, permitiendo acceder a características e invocar comandos combinando búsquedas y lenguaje natural. La idea es que uno escriba la acción que necesita en una caja de búsqueda, que te entregará opciones mientras vas escribiendo (al estilo Google Instant), donde si tienes suerte aparecerá lo que estás buscando.

En teoría esto servirá para lo que sea que estés haciendo: puedes buscar sitios web en el navegador, funciones de aplicaciones, cambiar tu estado en el messenger, etc. Puedes ver un video que explica esto un poco más a continuación:

Click aqui para ver el video.

La idea de HUD es limpiar la interfaz de Ubuntu, algo que ya se había intentado al integrar Unity. Cambiar la interfaz siempre es una apuesta arriesgada, puesto que normalmente confunde a una parte de los usuarios que estaban acostumbrados a usar el sistema de una manera en específico y ahora tendrán que aprender otra.

Ubuntu 12.04 permitirá por el momento mantener los menús. “Si HUD sale en 12.04 LTS, esperamos que te encuentres usando el menú cada vez menos, y que estés feliz de esconderlo cuando no lo uses. Definitivamente tendrás esa opción, junto con otros estilos de menú más tradicionales”, señaló Mark Shuttleworth, fundador de Canonical.

Shuttleworth apuesta a que el paso siguiente para este sistema son los comandos por voz, que se integrarán en el nuevo menú. “Aún sin voz, el HUD es más rápido que buscar menús con el mouse, y más fácil que usar una tecla especial, ya que sólo necesitas saber lo que quieres, no recordar una combinación específica de teclas”, señaló.

Link: Introducing the HUD. Say hello to the future of the menu(Mark Shuttleworth)

Porque según se dice, diversas compañías del rubro están preparándose para llevar el control a través de la voz a las TVs y reproductores asociados a este aparato, como por ejemplo Microsoft y su XBOX, mientras que LG, Sharp, Comcast y Samsung también están apresurando sus ideas para que éstas vean la luz durante el próximo año.

¿Por qué la prisa? Según ya les habíamos adelantado, uno de los últimos legados del ex-CEO de Apple, Steve Jobs, sería la resolución de la problemática acerca de cómo revolucionar el mundo de los televisores, lo que se realizaría básicamente también a través del control por el habla utilizando una tecnología basada en Siri, el asistente personal del iPhone 4S. Esto se estrenaría en el mercado a finales de 2012 o en 2013, por lo que las compañías competidoras esta vez quieren adelantarse a dicho movimiento y lanzar sus propias alternativas antes que Apple, como nunca.

Link: TV Industry Preparing for Voice Recognition Interfaces in 2012 (MacRumors)

Pero ahora científicos de la Universidad Carlos III de Madrid,en conjunto con la FECYT, la Universidad de Granada, la Red de Unidades de Cultura Científica (UCC) y el Ministerio de Ciencia e Innovación del Gobierno de España, han ideado un sistema que permite a una comunicación computarizada parecer algo más natural gracias al reconocimiento del estado de ánimo del ser humano, logrando que la máquina entienda algo más allá de lo que se quiere comunicar con las palabras objetivas.

Con esto, un sistema de diálogo informático ya no solo reconoce las palabras, sino que también las emociones, junto con mostrar la capacidad de anticiparse a lo que vendrá en base a lo que se ha hablado hasta el momento. Esto se logra a través de la lectura de la voz del ser humano, analizando el tono de voz, la velocidad del habla y la duración de las pausas utilizadas, entre otros factores que ayudan a revelar cómo nos sentimos mientras hablamos con la computadora.

Finalmente, las respuestas serían más consistentes según el contexto y además entregadas en forma natural, lo que podría romper una brecha incómoda entre el usuario y el dispositivo electrónico a la hora de comunicarse a través del habla con él, junto con ofrecer mejor funcionalidad a la hora de reemplazar interfaces tradicionales como el mouse y teclado, ya que el intercambio de información sería más expedito y exacto.

Click aqui para ver el video.

Link: Desarrollan un sistema informático que permite a una máquina reconocer el estado de ánimo de una persona (Universidad Carlos III de Madrid)

La iniciativa, que forma parte de la tecnología de activación de voz de la automotriz estadounidense llamada Sync, apunta a reducir el envío de mensajes de texto mientras se está al volante ya fue implementada en los modelos 2012 (salvo la camioneta Ranger). Se sincroniza con los dispositivos móviles y alerta al conductor cuando recibe un mensaje, se lo lee y le da la opción de responder con textos estándar escritos previamente (como “estoy manejando, te respondo luego”), para que así no haga falta quitar las manos del volante ni distraerse más de la cuenta con el teléfono.

Desde hoy estará disponible la actualización del software para modelos del 2010 y posteriores. Los más antiguos tendrán que esperar un poco más, pero también la tendrán.

Es una característica bastante útil y necesaria, considerando los riesgos de accidente que produce el hecho de escribir en un teléfono al tiempo que se debe estar pendiente de la conducción. Ojalá esta medida pronto llegue a ser una norma estandarizada y considerada por las normas del tránsito. Lamentablemente por ahora a pesar de que la mayoría de las automotrices están incorporando características Bluetooth en sus vehículos, no todos los equipos móviles tienen el sistema de conversión de texto a voz. Las BlackBerry son las más compatibles con esta tecnología, Android también la tiene en algunos equipos, pero los iPhone no aún. Pero así como surgió el manos libres vía Bluetooth, ojalá esto también se masifique.

Link: Ford Vehicles Will Now Read You Text Messages While You Drive (Mashable)

Los términos del acuerdo (y la cantidad por la que será comprado el servicio) no han sido revelados. GroupMe permite crear grupos de números de teléfonos, y enviar mensajes colectivos y hacer llamadas grupales gratis. El CEO de Skype, Tony Bates, señaló que comenzaron conversaciones con la empresa alrededor de la época en que estaban en negociaciones con Microsoft.

Bates indicó que el plan es que GroupMe seguirá desarrollándose de forma separada y que se buscarán puntos de integración en el tiempo.

Link: Skype to acquire year-old group messaging service GroupMe (TechCrunch)

Google finalmente liberó una versión previa para desarrolladores de su estándar WebRTC, un nuevo proyecto abierto que dota a los desarrolladores de sitios web de una herramienta para que puedan implementar una interfaz de comunicación con audio y video en tiempo real sobre un navegador compatible.

En concreto WebRTC se basa en HTML5 y APIs de Javascript para que los desarrolladores puedan crear aplicaciones de comunicación en tiempo real (RTC) sin que sea necesario la instalación de un plugins de un tercero o algún cliente.

Toda la arquitectura en la que se basa WebRTC y sus códecs son libres (de hecho utiliza el códec de voz iSAC y VP8 para el video), al igual que su código fuente que ha sido publicado bajo licencia BSD.

En su desarrollo Google trabajó en conjunto con Mozilla y algunas organizaciones como la IETF y la W3C, incorporándose ahora último Opera Software.

Link: WebRTC (Vía The Next Web)



Un grupo de extremadamente habilosos científicos surcoreanos desarrolló un nuevo tipo de batería para dispositivos móviles que se van cargando con el sonido de la voz humana. Es decir, los mismos garabatos que le estabas gritando al teléfono servirán para que reviva y tus conversaciones harán que su pila dure más y más.

Su mecanismo no es para nada complejo, según explica el doctor Sang-Woo Kim, que encabeza el proyecto del instituto de nanotecnología de la Universidad Sungkyunkwan. Opera cuando sus pequeños filamentos de óxido de zinc son presionados en medio de dos electrodos, estimulados por las ondas de sonido. Este movimiento genera las corrientes eléctricas que se van almacenando en la batería.

Según el científico, la tecnología también podría ser capaz de reaccionar al ruido ambiente y la música. Un prototipo de la tecnología fue capaz de convertir alrededor de 100 decibeles para producir 50 millivoltios de electricidad.

Reconocen que por el momento no es suficiente para cargar bien un teléfono (sí para dispositivos de mínimo consumo), pero tienen contemplado alterar el material de los cables para una cargar más energía con menos sonido.

Lo otro que aún está lejos de clarificarse es el costo de su implementación, pero como proyecto suena bastante alentador poder descargar la rabia gritándole a tu propio móvil y saber que además con ello lo estás cargando…

Link: Mobile phones could be charged by the power of speech (Telegraph)

Google lanzó hoy Voice Search en castellano latino, lo que representa un gran avance en el sistema de reconocimiento de voz para un idioma que, como sabemos, tiene muchísimas variaciones.

Aunque en cada país se habla distinto, Google no hizo 25 sistemas de reconocimiento diferentes, sino que sólo tres: español de México, Argentina, y “resto de Latinoamérica” (donde estamos todos los demás).

Para México, logró reconocer palabras como “Popocatepetl” o “Chapultepec“, de modo que en ese sentido está bastante bien. En las pruebas que nos dejaron hacer en Google, no hubo problemas con términos generales.Probamos con términos chilenos como “bacán” y “sopaipilla” y los encontró, así que a primera vista funciona. Según Google, tiene una tasa de aciertos de entre 70% y 80%.

Pedro Moreno, ingeniero de búsquedas por voz de Google, indicó que ya tienen más de 1 millón de palabras registradas para reconocer, y que el sistema evalúa según país qué palabras serán más probables de aparecer.

El sistema, asimismo, aprende de los usuarios, de modo que mientras más se use más mejorará. “Nos interesa que se use pronto, eso nos permite aprender y mejorar el producto”, señaló Moreno.

El sistema cuenta con un API oficial para Android, como también uno para web, que permitirá a desarrolladores usar el sistema de reconocimiento de voz para sus propios fines.

A diferencia del sistema en inglés de Estados Unidos, la búsqueda por voz en español no aprende de forma personalizada según la pronunciación de cada usuario, sino que aprende en general. De todas maneras, Moreno señaló que se espera agregar esta característica más adelante.

El ingeniero señaló también que hay personas que tienen voces más reconocibles que otras, de manera que a algunos les funcionará mejor que a otros.

Link: Pasa la Voz: Búsqueda por voz llega a toda América en español (Blog de Google)

En medio del lanzamiento de Firefox 4 pasó casi desapercibido la liberación del primer beta de Google Chrome 11, el que incorpora una serie de nuevas características bastante interesantes.

De partida con Google Chrome 11 debuta el nuevo logo que fue presentado sólo hace algunos días, el que aún no termina por convencer a muchos pero que destaca por su diseño minimalista.

Pero enfocándonos en los temas que a nosotros nos interesan, Chrome 11 beta incorpora el soporte para la API de reconocimiento de voz de HTML5 (ahora podremos hablarle al navegador), una característica bastante útil para los desarrolladores de aplicaciones basadas en la web ya que podrán aprovechar las capacidades de transcripción desde voz a texto que ofrece esta tecnología (si quieren probar esta característica lo pueden hacer desde este enlace).

Sumado a lo anterior Chrome 11 beta suma el soporte para la aceleración de gráficos en 3D para CSS, lo que abre un abanico de posibilidades en materia de gráficos a los desarrolladores de juegos y aplicaciones y que busquen sacar ventajas en el uso de efectos en tres dimensiones.

Google Chrome 11 beta se encuentra disponible para descarga desde el canal beta oficial, siendo posible instalarlo en máquinas Linux, Windows (desde XP) y Mac.

Link: Talking to your computer (with HTML!) (Google Chrome Blog)

Así, Blaving ya se encuentra activa en Brasil, Argentina, Chile y Paraguay, y está disponible en portugués, inglés y español, ya que su intención es conquistar el mercado estadounidense y europeo.

Esta nueva red social inspirada en Twitter sustituye el texto de los 140 caracteres por mensajes cortos de voz (de máximo dos minutos de duración), dando origen a lo que sería el “micropodcasting”.

Desde la plataforma de Blaving el usuario podrá compartir estos contenidos de audio en otras redes sociales, como Facebook, Twitter, Orkut (una red social muy extendida en Latinoamérica), MySpace entre otras…

Si bien suena interesante no se si estoy dispuesta a estar escuchando audios de otros mientras navego. Aunque bien puede resultar interesante escuchar el tono con que se dicen ciertas cosas, para evitar que sean malinterpretadas… ¿Cuál crees que será la aceptación de Blaving?

Link: Lanzan “Blaving” la nueva red social de voz (EuropaPress)

(cc) Xenia

Es viernes por la noche, día de pago, y quedaste con tu nueva conquista para ir al cine y a cenar. Pero, el ser en cuestión no aparece ni da señales de vida… El domingo decide llamarte para “explicarte” porqué te dejó vestido y alborotado. ¿Le crees o no?

¿Y si tuvieras un software que detecte sus emociones según el análisis de su tono de voz? Quizá así sería más fácil tomar la decisión de darle otra oportunidad o enviarlo a contarle historias a su abuelita, ¿no?

Pues más o menos eso es lo que han desarrollado en la Facultad de Informática de la Universidad Politécnica de Madrid (UPM): Una aplicación que reconoce las emociones humanas a través del estudio automatizado de la voz.

El programa es capaz de distinguir las emociones escondidas en una frase, determinando así el estado emocional de quién la pronuncia. La aplicación puede precisar, incluso si la emoción no está clara, el porcentaje de adecuación del hablante a cada emoción.

¿Cómo lo hace? Analizando las medidas sonoras de una conversación, que se obtienen con otro programa específico, y en base a las reglas descritas en la nueva aplicación, es capaz de distinguir las emociones escondidas en una frase, pudiendo determinar si la persona que la pronuncia está triste, asustada, alegre o nerviosa.

Se basa en una herramienta conocida como RFuzzy, implementada sobre el lenguaje de programación Prolog, que es capaz de representar y trabajar con la así llamada lógica difusa. Prolog se usa principalmente en aplicaciones de Inteligencia Artificial y Sistemas Expertos.

Si nos ponemos a pensar en su utilidad para la vida diaria, por ahora se me ocurre su aplicación como esos “detectores de mentiras” que salen en las películas: Más de uno tendría que asumir el rol de mimo si quisiera mentirnos entonces… Imaginemos que está disponible para ser descargada, ¿en qué utilizarías esta aplicación de detección de emociones por la voz?

Link: Una aplicación informática reconoce las emociones humanas por el análisis de una conversación (Prensa UPM)

El sistema es simple y llanamente VoIP, que te permitirá llamar a teléfonos fijos y móviles desde tu cuenta de correo. El panel de números telefónicos está integrado con el sistema de chat y contactos que ya existe en el mail.

El sistema, presentado por Google en San Francisco esta mañana, permitirá llamar a números fijos por una módica suma (entre US$0,02 y US$0,19 por minuto para llamadas internacionales, al menos desde Estados Unidos) y los créditos se venderán vía Google Checkout.

Las llamadas locales, en tanto, serán completamente gratis pero sólo en EEUU y Canadá.

El sistema también funcionará desde smartphones, y si alguien te llama vía Google Voice tu equipo Android sonará como si fuera una llamada normal.

Sin duda se trata de un lanzamiento que pondrá a prueba a la competencia en el terreno de la VoIP – habrá que ver cómo reacciona Skype y las operadoras telefónicas a este anuncio.

Click aqui para ver el video.

Links:
- Google Voice
- Call phones from Gmail (Gmail Blog)

En el evento de Google Mobile desarrollado hoy, Google ha lanzado una aplicación para Android llamada Voice Actions.

Esta aplicación nos permite ejecutar ciertas funcionalidades a través de nuestra voz. Entre las principales funciones que soporta esta aplicación están: llamar a contactos, enviar mensajes de texto o correos electrónicos, crear notas, navegar por los mapas, escuchar música y navegar por Internet.

Lamentablemente esta aplicación es sólo compatible con Android 2.2 Froyo y por el momento sólo está disponible en el Android Market de Estados Unidos.

En la conferencia de hoy, la compañía sostuvo que una de las principales razones que los llevó a ampliar las opciones de control por voz de Android es que una de cada cuatro búsquedas que se realizan a través de un teléfono con Android son mediante la voz.

Esto es una prueba más de que las intenciones de Google van por el desarrollo de las búsquedas utilizando medios alternativos al teclado, como son las búsquedas por voz o a través del procesamiento de imágenes.

En el evento además aprovecharon de lanzar de manera oficial Chrome to phone, que se compone de una aplicación para Android 2.2 Froyo y una extensión para el navegador Chrome, esto nos permite enviar números de teléfono, links y mapas desde nuestro computador hacia nuestro teléfono mediante push utilizando el framework C2DM.

Click aqui para ver el video.

Links:
- Google demuestra Chrome to Phone para Android (Wayerless)
- Google agrega funciones de voz a Android (Wayerless)

Antena de comunicación flexible en ropa

En la serie de ciencia-ficción Star Trek, la tripulación del Starship Enterprise portaba un pequeño dispositivo en el pecho mediante el cual podían comunicarse con sus colegas (aparte de los dispositivo de mano). Este concepto está a un paso de volverse realidad, gracias a la compañía finlandesa Patria Aviation Oy que recientemente ha mostrado ropa de alta tecnología que puede enviar y recibir mensajes a través de satélite.

La antena de demostración parece un simple parche flexible de tela de vestir, pero es capaz de operar en los satélites de comunicación “Iridium” y banda de frecuencias GPS. Los satélites Iridium permiten dos vías de comunicación de voz y datos, mientras que proporciona datos de posición GPS para el usuario.

Claro que esto no funcionará a velocidad warp o atravesando agujeros de gusano, pero siendo realistas resulta mucho mejor que un reloj pulsera Lok8u, así no hay pretexto para el clásico de mamá: “¡No olvides llevarte tu suéter!”.

Prototipo de antena y modelo de simulación EM

Link: Fabric Iridium antenna project promises Star Trek communicator clothes (Slashgear)

(cc) Ana Susero - Flickr

Cuando tuvimos la oportunidad de probar Spinvox lo consideramos un servicio maravilloso: te evitaba la molesta necesidad de rescatar mensajes de tu buzón de voz y a cambio los reenviaba convertidos en SMS. Claramente no fuimos los únicos que se llevaron tan buena impresión, y Spinvox fue expandiendo su presencia y cerrando trato con importantes operadores del planeta, al punto que el año pasado incluso llegó a Chile a través de Movistar.

Lo que más maravillaba a los usuarios y entendidos en el tema era la capacidad del software de entender la voz humana y traspasarla a texto, algo tan sofisticado que inclusive captaba el tono de una pregunta y la transcribía entre signos de interrogación. Sin embargo, Spinvox perdió mucho prestigio cuando -gracias a una investigación de la BBC- se supo que el software era como el Jugador de Ajedrez de Maelzel: eran personas de carne y hueso, en callcenters remotos, las que escuchaban los mensajes y los digitaban como MMS.

Aunque no es pecado usar personas para esta tarea -es un trabajo honesto al fin y al cabo- de seguro el sistema pierde todo su mérito técnico y tres cuartas partes de su atractivo: Es sumamente incómodo pensar que un desconocido escuchará el mensaje privado que le dejaste a tu novia.

Asi las cosas, los inversionistas de Invesco Perpetual  han decidido vender la empresa. La firma, que levantó aportes de capital por unos 870.000 euros, ahora se vende por la décima parte.

Link: Spinvox, en venta (IT Espresso)

A partir de hoy, Skype ya no dormirá solo en su nube monopólica: Google acaba de lanzar este plugin que transformará tu aburrida y silenciosa cuenta Gmail en un comunicador audiovisual.

Desarrollado durante más de 18 meses por Google en Suecia, esta nueva apuesta de Google promete dar el puntapié inicial en lo que es su gran y anhelado proyecto: Conquistar el mundo

Link: Talk face to face right from within Gmail (Google official blog)

Las redes sociales nos han ayudado a llevar nuestras relaciones de tipo social a la red, pero al mismo tiempo han provocado que se pierda la interacción que se produce cuando tenemos a una persona al frente.

Por lo anterior resulta interesante la idea detrás de Internet Shout, una nueva red social basada en la comunicación verbal.

Su creador es Chris Ridgeon, graduado de la Universidad de Coventry, quien señala:

La voz estaba apagada, sólo se había explotado en determinados chats en directo y es mucho más útil usarla para entablar conversaciones a lo largo del tiempo, con muchos participantes de distintos orígenes y lugares.

El sitio se ve muy similar a un foro en línea, con la salvedad que las comunicaciones son verbales. Al igual que otras redes sociales cuenta con mensajería privada que también funciona con la voz.

Ridgeon espera que su idea comience a tener éxito comercial, sobre todo entre las personas ciegas o con problemas visuales que deseen mejorar su experiencia en Internet.

Link: Vocal social networking talked up (The Inquirer)