Las interfaces gráficas de usuario y las interfaces de voz ofrecen modos de interacción eficaces para muchas tareas.
Si combinamos ambos modelos, podremos crear interacciones multimodales que permitan a la gente acceder al contenido de formas alternativas mediante el uso del teclado, ratón, la voz o la interacción táctil.
En este nuevo episodio de ‘Cuando las máquinas hablen’, conversamos sobre multimodalidad, exploramos las propuestas de Google y Amazon Alexa, y compartimos consejos sobre cómo diseñar con voces y pantallas.
Contenidos
- 0:00 Introducción
- 2:35 Qué es la multimodalidad
- 3:53 El reto de la multimodalidad para los sistemas de diálogo
- 7:04 Multimodalidad en LLMs
- 14:49 Eficiencia de la multimodalidad
- 22:08 Entender el contexto
- 23:24 El enfoque multimodal de Google Assistant y Amazon Alexa
- 30:04 ¿Serán los LLMs el siguiente dogma conversacional?
- 40:10 Capacidades humanas y expectativas de interacción y privacidad
- 42:25 Clonación de voces desde el móvil ¿servirán para interacciones multimodales?
Escucha ‘Cuando las máquinas hablen’
Podéis suscribiros en:
Y, también, puedes seguirnos, hablarnos y sugerirnos temas y personas de interés desde nuestras redes sociales en:
Si nos hacéis llegar vuestros comentarios, incluiremos las respuestas de Calíope en un programa especial.

