Servicios de IA por tarea
Vienen entrenados, se usan por API sin saber ML y cobran por uso. El examen te da la tarea y te pide el servicio.
- Amazon Rekognition: analiza imágenes y video: detecta objetos, escenas, texto en una foto y contenido inapropiado, y compara rostros. Juegos Kraken lo usa para moderar las fotos de perfil.
- Amazon Comprehend: procesamiento de lenguaje natural (NLP). Detecta el sentimiento de un texto, sus entidades (personas, lugares, marcas), frases clave, idioma y datos personales.
- Amazon Textract: extrae de documentos escaneados el texto impreso y manuscrito, los campos de formularios y las tablas. Va más allá del reconocimiento óptico de caracteres (OCR) clásico: entiende qué valor va con qué campo. Es la respuesta a la pregunta 2 del inicio.
- Amazon Transcribe: convierte voz en texto, con marcas de tiempo y distinguiendo quién habla. Sirve para subtítulos y para transcribir llamadas.
- Amazon Polly: convierte texto en voz natural, con decenas de voces e idiomas. Con SSML, un lenguaje de marcas, controlas pausas y pronunciación.
- Amazon Translate: traducción automática entre decenas de idiomas, al momento o por lotes de documentos.
Se combinan como piezas. Viajes Horizonte (1) envía el audio de sus llamadas a Transcribe, (2) pasa el texto a Comprehend y (3) recibe el sentimiento de cada una. Así revisa primero las de clientes molestos.
| Servicio | Entrada y salida | Palabra clave |
|---|---|---|
| Rekognition | Imagen o video a etiquetas | “Rostros”, “moderar imágenes” |
| Comprehend | Texto a significado | “Sentimiento”, “entidades” |
| Textract | Documento a texto y tablas | “Formularios escaneados” |
| Transcribe | Audio a texto | “Subtítulos”, “transcribir” |
| Polly | Texto a audio | “Leer en voz alta” |
| Translate | Texto a otro idioma | “Traducir” |
| Lex | Voz o texto a conversación | “Chatbot” |
| SageMaker AI | Tus datos a tu modelo | “Modelo propio” |
Trampa común: Transcribe y Polly van en sentidos opuestos: Transcribe escucha (voz a texto) y Polly habla (texto a voz). Y el texto de un formulario escaneado es Textract, no Rekognition, aunque ambos “lean” imágenes.