Il bambino guarda il numero 4, dice «quattro» e l’app risponde che non ha capito. Al secondo tentativo alza la voce. Al terzo cambia pronuncia, anche se la prima risposta era chiara. È una scena frustrante perché sembra che il dispositivo stia giudicando il modo in cui parla.
Un riconoscitore vocale può sbagliare anche quando un adulto presente capisce la parola senza difficoltà. Le voci infantili sono meno rappresentate nei dati usati per costruire molti sistemi, cambiano rapidamente con l’età e variano molto da un bambino all’altro. Una risposta di una sola parola aggiunge un altro ostacolo: il sistema ha poco contesto per scegliere fra suoni simili.
Il primo passo, quindi, è togliere il bambino dal banco degli imputati. L’errore appartiene all’interazione fra voce, microfono e software. Si può migliorare qualche condizione pratica, ma non ha senso chiedere dieci ripetizioni o correggere una pronuncia che le persone intorno hanno già capito.
Il bambino può avere detto la parola giusta
Il riconoscimento vocale non ascolta come una persona. Trasforma il suono in una sequenza di ipotesi e prova ad associarla alle parole che conosce. In una frase come «il numero è quattro», le parole vicine restringono le possibilità. Se l’audio contiene soltanto «quattro», il sistema deve lavorare con un frammento breve, magari preceduto da un respiro o seguito dal rumore della stanza.
Le differenze non dipendono soltanto dal volume. Altezza della voce, ritmo, esitazioni, durata dei suoni e distanza dal microfono cambiano il segnale. Anche il momento conta: un bambino può iniziare a rispondere mentre l’app sta ancora parlando oppure mezzo secondo prima che il microfono sia pronto.
Uno studio sul riconoscimento del parlato infantile ha analizzato un sistema costruito per un gioco educativo in portoghese europeo. I ricercatori usarono voci di 432 bambini per l’addestramento e di 52 per il test, fra 3 e 10 anni. Il materiale comprendeva frasi, note musicali, numeri isolati e sequenze di numeri. Sui numeri isolati, il tasso di errore sulle parole era del 27,4% per il gruppo 3–6 anni e del 3,9% per il gruppo 7–10.
Quei valori descrivono quel sistema, quel campione e quella lingua. Il riconoscitore era diverso da quelli presenti oggi su telefoni e tablet; inoltre i bambini leggevano o ripetevano parole in una registrazione controllata. Lo studio non permette di prevedere quante volte una specifica app italiana sbaglierà in salotto. Misura però un problema molto vicino a quello quotidiano: persino un motore addestrato su voci infantili faticava di più con i bambini piccoli e con risposte brevi come i numeri.
Quando per dire «quattro» serviva «numero quattro»
Durante lo sviluppo di Sassuovo ho provato il riconoscimento su risposte di una parola e mi sono scontrato proprio con questo limite. Il motore scartava o storpiava spesso un numero detto da solo. Per far passare la risposta bisognava pronunciare «numero quattro» invece di «quattro». Funzionava meglio per il software, ma chiedeva al bambino una formula artificiale che non apparteneva al gioco.
Abbiamo modificato il riconoscitore perché smettesse di pretendere una frase. Il confronto accetta alcune varianti plausibili, per esempio la cifra al posto della parola o il plurale dove non cambia la risposta, e tiene conto di storpiature ricorrenti nei numeri isolati. La tolleranza ha un limite: accettare «pane» al posto di «cane» farebbe sembrare riuscito un tentativo diverso da quello richiesto. In quel caso è più onesto chiedere di riprovare, senza togliere vite o progresso.
Questa scelta non elimina gli errori. Riduce quelli prevedibili e impedisce che ogni mancato riconoscimento diventi un giudizio sul bambino. Se il sistema resta incerto, deve lasciare un’altra strada per continuare.
Cinque prove prima di chiedere di ripetere
Quando una risposta vocale fallisce, conviene cambiare una sola cosa per volta. In questo modo capisci se il problema viene dal momento, dall’ambiente o dall’app.
- Aspetta il segnale di ascolto. La parte iniziale della parola può andare persa se il bambino risponde mentre l’istruzione sta finendo.
- Abbassa i suoni vicini. Televisione, musica dell’app e altre voci possono entrare nello stesso frammento registrato.
- Lascia fermo il dispositivo. Una mano sopra il foro del microfono, una custodia spessa o il tablet appoggiato su una coperta possono attenuare il suono.
- Usa una voce naturale. Gridare molto vicino al microfono può saturare la registrazione. Scandire ogni sillaba in modo innaturale cambia invece il ritmo che il sistema si aspetta.
- Fermati dopo uno o due tentativi. Se l’app offre un pulsante o una scelta a tocco, usala. Ripetere la stessa parola molte volte sposta l’attività dalla risposta al tentativo di compiacere il microfono.
Puoi fare anche una prova da adulto, ma interpretala con cautela. Se l’app capisce te e non il bambino, non dimostra che lui abbia pronunciato male: molti riconoscitori sono stati addestrati soprattutto su voci adulte. Se non capisce nessuno, controlla il permesso del microfono, la connessione richiesta dal servizio e le impostazioni della lingua.
Un modello allenato sui bambini parte avvantaggiato
Un esperimento presentato a Interspeech 2022 ha usato un modello inizialmente addestrato su parlato adulto e lo ha adattato con poche ore di inglese britannico parlato da bambini fra 4 e 14 anni. I ricercatori hanno aggiunto anche versioni trasformate delle voci adulte, rese acusticamente più simili a quelle infantili. Sul corpus di prova PF-STAR, il tasso di errore sulle parole è sceso dal 6,79% del modello di confronto al 4,86%.
Lo studio misura la trascrizione di un corpus inglese in laboratorio, non l’uso di una funzione educativa italiana su un tablet di casa. Non confronta una risposta isolata con una frase e non dimostra che ogni prodotto addestrato su dati infantili funzioni bene. Mostra una cosa più limitata: il tipo di dati e l’adattamento del modello cambiano il risultato, quindi il bambino non è l’unica variabile dell’errore.
Come dovrebbe reagire un gioco educativo
Un’attività vocale destinata ai bambini deve prevedere che il riconoscitore sbagli. Il comportamento dopo l’errore conta quanto la precisione tecnica. Durante una prova, osserva questi punti:
- il bambino vede e sente quando il microfono comincia ad ascoltare;
- la musica e la voce dell’app si fermano durante la risposta;
- un errore produce un invito breve, senza suoni punitivi o perdita dei risultati;
- dopo pochi tentativi compare un’alternativa a tocco;
- il sistema accetta varianti ragionevoli senza considerare corretta qualunque parola;
- l’informativa spiega perché serve il microfono e che cosa accade alla registrazione.
Questi criteri valgono anche per noi. Nessun riconoscitore è infallibile, quindi un’app dovrebbe progettare il fallimento invece di lasciarlo sulle spalle del bambino. Puoi affiancare questa prova agli altri controlli per valutare un’app educativa.
Un errore dell’app non valuta il linguaggio
Il risultato del microfono non è uno strumento per giudicare lo sviluppo del linguaggio. Se le persone che parlano con il bambino comprendono la risposta e il problema compare soltanto con un dispositivo, tratta l’episodio come un limite tecnico. Evita di fargli ripetere la parola finché coincide con ciò che il software si aspetta.
Se invece hai dubbi che riguardano anche le conversazioni quotidiane, non usare un’app per verificarli e non cercare una diagnosi nel punteggio di un gioco. Parlane con il pediatra, che potrà indicare se serve un approfondimento.
La prova da fare al prossimo errore
Alla prossima risposta non riconosciuta, chiedi al bambino di aspettare il segnale, silenzia i rumori vicini e fate un solo nuovo tentativo. Se fallisce ancora, passate al tocco e continuate il gioco. Annota mentalmente quale parola crea il problema: se accade sempre con la stessa risposta, l’informazione è utile per segnalare un difetto all’autore dell’app.
La frase più importante da dire in quel momento è breve: «Ti ho capito io». Se il software non è riuscito a farlo, tocca al software migliorare.