Voz universal: la misma escucha en la app, en la web y en la extensión, con susurro
Por Weslley Harakawa
Hablar con un empleado de IA tiene que ser tan natural como hablar por teléfono. Para eso, ORYKSA usa un único motor de voz en todos los productos: la app, el chat de la web, el panel y las extensiones del navegador. Las reglas son las mismas en todas partes y por eso la experiencia es la misma.
Cómo sabe que estás hablando
El motor escucha el micrófono de forma continua y mide dos cosas en cada fracción de segundo: el nivel por encima del ruido de la sala y la periodicidad del sonido en la banda de la voz humana, entre 70 y 350 Hz. Una voz es periódica; una tecla, una puerta o el tráfico no lo son. La frase se abre con el primer sonido por encima del suelo y se cierra tras 700 milisegundos de silencio. Solo se envía si tiene al menos 500 milisegundos de habla, para que una tos nunca llegue al servidor, y dura como máximo 15 segundos. Un segundo de pregrabación garantiza que la primera sílaba nunca se pierde.
Cortar al empleado
Mientras el empleado habla, solo una voz humana lo interrumpe: 130 milisegundos de sonido periódico por encima de un suelo fijo, por encima del eco de su propia voz. Cuando eso ocurre se detiene en la palabra, lo que ya dijo se queda en el chat y la grabación de la persona empieza con el primer segundo ya guardado.
Susurro entra, susurro sale
Si la persona susurra, el motor lo nota por el nivel bajo y por la ausencia de periodicidad, y la respuesta vuelve susurrada, con la misma voz. Las respuestas habladas son cortas, hasta dos frases, y el texto completo se queda siempre en el chat.
Silenciar sin quedarse sordo
Silenciar detiene el sonido y la escucha y limpia todos los contadores; reanudar deja el motor listo al primer toque. El suelo de ruido se adapta a la sala, con límites para no quedarse sordo en una cafetería ni dispararse con el viento.
Los números son los de la app aprobada por el dueño, y cualquier cambio futuro pasa primero por ella.
