A finales de la década de 1990 un grupo de la universidad de carolina del norte propuso siete principios generales de diseño universal.

El diseño permite una amplia gama de habilidades y preferencias, a través de elección de los métodos de uso y adaptabilidad al ritmo del usuario, precisión y la costumbre.

Independientemente de los usuarios (intelectual / física). Debe proporcionar ayudas y retroalimentación en la medida de lo posible.

El uso de múltiples canales sensoriales, aumenta el ancho de banda de la interacción entre humanos y computadoras, también hace que la interacción sea algo natural para el ser humano

 El sonido es un importante contribuyente a la facilidad de uso ya que esta disminuye posibles errores.  El sonido se puede transmitir información transitoria y no ocupa espacio en la pantalla, por lo que es potencialmente útil para aplicaciones móviles.  Existe el peligro de que esto sobrecarga el canal visual, exigiendo que el usuario atienda a demasiadas cosas a la vez.

Este proceso es para hacer explícitas las reglas de la que hablan, las dificultades inherentes a la comprensión del lenguaje hace que el reconocimiento y síntesis de voz por ordenador sea muy difícil.

speech recognition reconocimiento de voz

El reconocimiento del Habla permite a un ser humano comunicarse con un ordenador. Existen dos grandes campos dentro del reconocimiento del Habla: Reconocimiento Automático del Locutor (RAL) Reconocimiento Automático del Habla (RAH)

Reconocimiento Automático del Locutor Un sistema de reconocimiento automático del locutor permite al sistema comprobar si la persona que ha emitido la señal de voz, es en verdad quien dice ser. Para ello hay realizar un entrenamiento al sistema. El locutor debe introducir muestras de voz para que el sistema pueda crear una serie de patrones. Una vez que se ha hecho esto, se dice que el sistema esta entrenado y esta listo para reconocer al locutor.

Reconocimiento Automático del Habla El reconocimiento automático del habla presenta varias modalidades producto de una serie de restricciones que se le imponen a la tarea de reconocimiento con el fin de simplificarla. Los principales parámetros que se utilizan para realizar este tipo de reconocimiento son los siguientes: modalidad de habla, estilo de habla, entrenamiento, tamaño del vocabulario, modelo del lenguaje, etc.

SINTESIS DE VOZ speech synthesis La Síntesis de Voz, también conocida como Conversión de Texto a Voz (CTV), consiste en dotar al sistema de la capacidad de convertir un texto dado en voz. Esto se puede hacer mediante grabaciones realizadas anteriormente por personas.

La voz del ordenador puede generarse uniendo las grabaciones que se han hecho, ya sean de palabras enteras, o fonemas, pero siempre intentando que el sonido producido parezca lo mas natural posible e inteligible, encadenando correctamente los sonidos dentro del discurso. El sistema tiene que ser capaz, además de todo esto, de sintetizar cualquier texto aleatorio, no uno establecido por defecto. Existen dos formas de realizar esta síntesis:

Síntesis Concatenativa Síntesis de formantes

El Sonido se puede utilizar en un número de maneras en sistemas interactivos. A menudo se utiliza para proporcionar información transitoria, como las indicaciones de cambios en la red o sistema, o de errores. También se puede utilizar para proporcionar información sobre el estado de procesos en segundo plano, ya que son capaces de ignorar sonidos continuos, pero aún responden a cambios en los sonidos. El sonido también se puede utilizar para proporcionar una segunda representación de las acciones y los objetos de la interfaz para admitir el modo visual y la confirmación para el usuario.

Los Iconos auditivos utilizan sonidos naturales para representar los diferentes tipos de objetos y acciones en la interfaz. Los Sonidos naturales se utilizan porque la gente reconoce la fuente de un sonido y su comportamiento en vez de timbre y tono. En el SonicFinder, los iconos auditivos se utilizan para representar objetos de escritorio y las acciones. Así, por ejemplo, una carpeta está representada por un ruido como de papel, y tirar algo en la papelera por el sonido de romper. En estos casos un efecto de sonido se pueden crear para sugerir la acción o el objeto, pero este se aleja del ideal de la utilización de sonidos familiares cotidianas que requieren poco aprendizaje.

Earcons utiliza combinaciones de notas estructuradas, los motivos de llamada, para representar las acciones y objetos. Estos varían de acuerdo al ritmo, tono, timbre, volumen y escala. Hay dos tipos de combinación de earcon. 1.Earcons compuesto se combinan motivos diferentes para construir una acción específica, por ejemplo, la combinación de los motivos para "crear" y "file". 2.Earcons familiares representan earcons compuesto de tipo similar. Por ejemplo, errores del sistema operativo y los errores de sintaxis sería en el "error" de la familia.

Earcons proporciona un enfoque estructurado para el diseño de sonido de la interfaz, pero ¿Los usuarios pueden aprender los sonidos de manera adecuada, y qué factores influyen en su uso? La evidencia sugiere que las personas pueden aprender a reconocer earcons, y que el elemento más importante para distinguir los diferentes instrumentos y voces. También es posible crear earcons compuesto por reproducción de sonido en paralelo, así como en serie. Obviamente, esto reduce el tiempo necesario para escuchar el sonido, pero no afecta la exactitud del usuario.

El tacto es el único sentido que puede ser usado para enviar y recibir información

El uso del tacto en la interfaz que se conoce como "la interacción háptica". Háptica es un término general en relación con el tacto Percepción cutánea, que es la percepción relacionada con las sensaciones táctiles a través de la piel Percepción cinestesia que es la percepción de movimiento y posición.

Facilitan la percepción de las propiedades, tales como forma, textura, resistencia y temperatura, así como comparativa de las propiedades espaciales tales como el tamaño, altura y posición

El tacto puede proporcionar una fuente primaria de información a los usuarios con discapacidad visual y una experiencia mucho mas completa a los usuarios videntes.

Como el habla, la escritura es una forma muy natural de la comunicación. La idea de ser capaz de interpretar la entrada de la escrita es muy atractivo.

El gesto es un componente de IHC que se ha convertido en objeto de atención en sistemas multimodales. Ser capaz de controlar el ordenador con ciertos movimientos de la mano sería una ventaja en muchas situaciones donde no existe la posibilidad de escribir, o cuando los demás sentidos están ocupados en su totalidad. También podría apoyar la comunicación para las personas que tienen pérdida auditiva, si la escritura puede ser "traducido" en el habla, o viceversa.