Reconocimiento de voz

De qué trata esta página

Control por voz para tu transmisión: dices en voz alta lo que quieres y el asistente de IA lo hace. Iniciar predicciones por voz, lanzar una encuesta, cambiar la escena de OBS, cambiar el título y la categoría, guardar un clip, escribir en el chat, encender o apagar un enchufe inteligente — todo eso sin soltar el mouse a mitad de la partida.

Se configura en dos pantallas, y cada una responde a una pregunta distinta:

• Voz → Reconocimiento de voz — cómo te oye la app: micrófono, idioma, cuándo escuchar, cómo llamas al bot.
• Bot de Chat → Control por voz — qué se le permite hacer al bot cuando te oyó.

El reconocimiento funciona en tu propia máquina, así que el sonido nunca sale de la computadora. A la IA solo va la petición en sí, y solo después de que la app decida que hablabas con el bot — y esa petición es la parte por la que pagas.

Cómo configurarlo

1. Elige un modelo de reconocimiento

Voz → Reconocimiento de voz, bloque Modelo de reconocimiento. Elige uno y presiona Descargar — es una descarga única, después de la cual el reconocimiento funciona sin internet. La fila de cada modelo dice cuánta memoria ocupa y a qué velocidad va en tu tarjeta gráfica y en tu procesador: elige aquel cuyos números te convengan, no el más grande.

Hasta que un modelo esté descargado no se oye nada, y la ficha dice El reconocimiento no está listo — no es silencio, es un modelo que falta.

2. Micrófono e idioma

Bloque Micrófono e idioma. Buscar micrófonos muestra sus nombres reales; sin eso se usa el predeterminado del sistema.

Ajusta Idioma que hablas. Dejarlo en Detectar automáticamente hace que cada frase pase por una segunda pasada, así que el reconocimiento va aproximadamente el doble de lento.

3. Elige cuándo escuchar

Bloque Cuándo escuchar, y esta es la elección que más importa.

• Mantener una tecla — el micrófono se abre mientras mantienes la tecla y se cierra cuando la sueltas. Asigna la tecla con Asignar; no se les quita a otros programas, así que sigue funcionando dentro del juego. Todo lo que digas mientras la mantienes va al bot, y no hace falta nombre: la propia tecla dice que hablas con él.
• Siempre — el micrófono queda abierto toda la transmisión. Ahora la app tiene que distinguir tu habla normal de una petición, y para eso está el nombre del bot.

4. Ponle nombre al bot, si el micrófono queda abierto

Bloque Cómo llamas al bot. Di el nombre y el resto de la frase va al bot: «Nova, inicia una encuesta».

Deja el nombre vacío y cada frase que digas irá al bot — y cada una cuesta créditos. La pantalla lo dice en rojo mientras el micrófono está abierto y falta el nombre. Con Mantener una tecla un nombre vacío está bien: la tecla es el disparador.

5. Palabra que detiene la voz

Dila mientras el bot habla y se callará al instante. Aquí no hace falta el nombre — para cuando lo hayas dicho, el bot ya habrá terminado.

Deja el campo vacío y se usa la palabra del idioma que hablas: *stop*, *стоп*, *alto*, *pare*, *stopp*.

6. Permite las acciones que quieras

Bot de Chat → Control por voz. Cada acción es una tarjeta con su precio en créditos y un interruptor. Todo lo que no se puede deshacer viene apagado.

No hay lista de frases mágicas. El bot deduce qué querías decir, así que «corta un clip», «guarda eso» y «guarda este momento» llegan a la misma acción. Los nombres que puede usar — escenas de OBS, botones del panel de control, enchufes inteligentes, resultados de predicciones — salen de lo que está realmente conectado, así que no puede inventarse una escena que no tienes.

Qué sabe hacer

Doce, y esa es la lista entera. Los clips, el título, las encuestas y las predicciones pasan por Twitch; en YouTube y Kick el asistente escribe en el chat, cambia escenas y presiona botones del panel. Una frase es una acción: «cierra las apuestas y cambia la escena» hace solo la primera de las dos.

Todo lo que no es una acción es una respuesta normal: pregunta cómo está el clima, cuánto lleva la transmisión, a qué jugaste la semana pasada, cuáles son tus comandos de chat, qué preguntaste hace un minuto.

Preguntar antes de lo que no se puede deshacer

Activado por defecto. El bot nombra el resultado — «Resolviendo la predicción: "Ganamos"» — y espera un «sí». Nombra el resultado y no la acción a propósito: lo que confirmas es aquello que no puedes retirar.

Desactívalo y el bot simplemente lo hace. Más rápido, y sin vuelta atrás.

Dónde ves qué pasó

La ficha Stream: Voz del panel de control lleva el registro: tus frases y las respuestas del bot, por orden. El color de la franja de la izquierda dice cómo terminó cada una — azul para una respuesta, verde para algo hecho, ámbar para cuando el bot repregunta, rojo para un rechazo con el motivo al lado.

Por defecto el bot dice en voz alta la versión corta — «Encuesta iniciada» — y los detalles van a ese registro. Si no tienes una segunda pantalla donde leerlos, activa Leer todo el resultado en voz alta en la pantalla de Control por voz.

Tres botones en la cabecera de la ficha:

• micrófono — alterna entre *mantener una tecla* y *siempre*, el mismo ajuste que en la pantalla de reconocimiento;
• altavoz — leer las respuestas en voz alta o dejarlas como texto en el registro;
• apagado — el más externo: el bot se calla, el reconocimiento se detiene y el modelo sale de la memoria. Los escenarios lanzados por donaciones y puntos del canal no se ven afectados — nunca necesitaron el micrófono. Solo se detienen los escenarios que lanza una frase hablada.

Cuánto cuesta

El control por voz es una función de pago. La mitad que escucha funciona en tu propia máquina y no añade nada a la factura; la mitad que te entiende y actúa es la IA, y esa es la mitad que pagas.

• Un comando de voz son dos peticiones a la IA, no una: un paso barato de análisis que corrige lo que se oyó y decide si hace falta internet, y la respuesta en sí. La tarjeta de cada acción muestra el precio que se te cobrará realmente.
• El reconocimiento en sí no se cobra. Funciona en tu máquina, así que un micrófono abierto no cuesta nada hasta que te diriges al bot.
• Una búsqueda web son diez créditos. Solo ocurre cuando la pregunta necesita datos de internet, y solo si Permitir búsquedas web está activado.

Cuando no funciona

No se oye nada en absoluto. Comprueba que el modelo esté descargado y usa Probar el micrófono — di una frase en cuatro segundos y la app mostrará lo que oyó. Si no muestra nada, sube la Ganancia de entrada o baja el Umbral de voz.

El bot responde a cada frase. El micrófono está en Siempre y el nombre está vacío. Ponle un nombre, o cambia a Mantener una tecla.

El bot te oye pero no hace nada. La acción está apagada en la pantalla de Control por voz, o la plataforma que necesita no está conectada — la tarjeta dice cuál.

Dice «No entendí a qué escena te referías». El nombre que oyó no coincide con nada conectado. Los nombres de escena salen de OBS, los de los botones del panel de control; di el nombre tal y como está escrito allí.

Responde sobre otra cosa, aunque te oyó bien. Antes de responder, la aplicación repara lo que oyó comparándolo con los nombres que conoce — escenas, dispositivos, botones — y una palabra rara tuya puede terminar cambiada por uno de ellos. Añádela en Voz → Reconocimiento de voz, en la pestaña Nombres que debe entender bien: ese paso también lee esa lista, y una palabra que esté ahí nunca se sustituye.

En la lista aparece «Micrófono elegido anteriormente (no encontrado)». El dispositivo ya no está en el sistema — lo desconectaste, lo renombraron o lo tomó otro programa. El reconocimiento no se queda mudo: pasa al micrófono predeterminado del sistema. Presiona Buscar micrófonos, elige el que necesitas y guarda.

Dice «El reconocimiento no se inició». El motor no pudo cargarse, y el micrófono no tiene nada que ver — la línea de abajo dice lo que respondió el sistema. Primero actualiza la aplicación: las versiones anteriores a la 0.14.2 salían sin una de las bibliotecas de Windows, y en un sistema limpio el reconocimiento no arrancaba en absoluto. Si el mensaje sigue después de actualizar, envía los registros a soporte junto con esa línea.