NextATC Unicom

Guía de NextATCAyuda y FAQ de NextATC

Funciones de IA y LLM

Reconocimiento de voz experimental y variación de frases con Gemini

NextATC usa actualmente IA en dos áreas separadas: entrada por voz y variación opcional de diálogos. Ambas son experimentales. Sirven para que la radio suene menos repetitiva y más natural, no para reemplazar la lógica ATC normal.

La regla importante es sencilla: NextATC sigue decidiendo la autorización, la pista, la altitud, la frecuencia, la ruta, la instrucción de rodaje, el estado del tráfico y la fase del vuelo. La IA puede ayudar a reconocer lo que dices o a reformular un mensaje ATC ya preparado. No es un chatbot libre ni un controlador autónomo.

Estado experimental#

Las opciones relacionadas están marcadas como experimentales:

  • AI Push-to-Talk Recognition (Experimental) para la entrada de voz.
  • Dialog Generation and A.I. (Experimental) para el fraseo ATC generado.
  • AI - Gemini (Cloud, Experimental) para la variación de frases cloud con LLM.

Experimental significa que los resultados pueden variar según el micrófono, el acento, el ruido de cabina, la conexión a internet, la disponibilidad del modelo, los límites de API y el mensaje exacto que se genera. Si algo suena mal, es demasiado lento o no resulta fiable, desactiva la función y usa los botones del Radio Log. El vuelo continúa con la fraseología estándar integrada.

Para qué usa NextATC la IA hoy#

NextATC tiene dos funciones asistidas por IA:

  • Push-to-Talk Recognition escucha tu micrófono e intenta convertir tu readback o acción de radio en texto.
  • Dialog Generation and A.I. pide a un LLM que reescriba algunos mensajes ATC para que no suenen siempre iguales.

Estos sistemas son independientes. Puedes usar reconocimiento de voz sin Gemini, Gemini sin reconocimiento de voz, ambos a la vez o ninguno.

Reconocimiento Push-to-Talk#

El reconocimiento Push-to-Talk es speech-to-text, no una conversación con un LLM. Asignas el comando NextATC/voice_push_to_talk, lo mantienes pulsado o lo usas en modo toggle, y dices el readback o la opción de radio actual. NextATC transcribe el audio, muestra una vista previa en el Radio Log y comprueba si el contenido operativo importante coincide con lo que ATC espera.

Por ejemplo, importan el indicativo, la pista, el squawk, el rumbo, la altitud, la frecuencia y los nombres de procedimientos. No necesitas decir cada palabra exactamente como la etiqueta del botón, pero los números y nombres clave deben estar presentes y ser reconocibles.

Hay dos modos de uso:

  • Hold-to-Talk: mantén pulsada la tecla PTT mientras hablas y suéltala al terminar. Es el modo predeterminado y el más parecido a una radio real.
  • Toggle Talk: pulsa una vez para empezar a escuchar y otra vez para parar. Es útil si el botón asignado es incómodo de mantener pulsado. El auto-toggle guiado también puede iniciar y terminar la escucha en prompts compatibles.

Modelos Push-to-Talk#

La ventana Options muestra varios modelos de reconocimiento. Considera Whisper Base English como la base práctica actual.

  • Whisper Base English (unos 142 MB): modelo integrado estable y punto de partida recomendado. Está enfocado al inglés y suele ser la mejor opción para readbacks ATC estándar.
  • Whisper Small English (unos 466 MB): modelo Whisper integrado más grande, con mejor reconocimiento a cambio de más disco y transcripción más lenta.
  • Whisper Medium English (unos 1,46 GB): la opción integrada más precisa para PCs de consumo rápidos.

Para la transcripción local solo se ofrecen estos tamaños de modelos Whisper integrados. El inglés es la opción predeterminada. Modelos multilingües cambia el tamaño seleccionado a una variante Whisper multilingüe descargada por separado y permite a Whisper detectar automáticamente el idioma hablado. Úsalo para nombres propios o pronunciaciones locales que no sean en inglés, no para cambiar la interacción ATC: el texto de readback que espera NextATC sigue siendo inglés. Si un modelo más grande es demasiado lento o menos fiable, vuelve a Whisper Base English.

Generación de diálogos con Gemini#

Gemini se usa solo para generar texto. No escucha tu micrófono y no decide qué autorización o instrucción recibes. Cuando AI - Gemini está seleccionado y hay una clave API configurada, NextATC envía una breve petición de texto con el mensaje que debe reformularse y los detalles aeronáuticos necesarios para conservar los mismos hechos. El botón Modelo en Opciones te permite elegir entre Gemini Flash y Gemini Flash-Lite; NextATC usa siempre la versión más reciente del modelo elegido publicada por Google.

Gemini intenta crear una redacción distinta del mismo mensaje ATC. El objetivo es introducir variación: comienzos diferentes, una cadencia algo distinta y menos repetición en sesiones largas. La ruta, la pista, el squawk, la altitud, la frecuencia y otros elementos operativos deben seguir siendo los mismos.

La frase integrada sigue siendo la referencia. Si Gemini está desactivado, no está disponible, tarda demasiado, devuelve texto vacío o produce una frase que no supera la validación, NextATC vuelve al mensaje integrado.

El botón Gemini variation de Options recorre cuatro estilos experimentales de inferencia. Úsalo para comparar cómo Gemini reescribe el mismo tipo de mensaje ATC: más conservador, más variado, más resistente a copiar la plantilla o más guiado por ejemplos. Solo cambia el estilo de la frase; no cambia las decisiones ATC.

Modelos LLM locales#

Pueden aparecer entradas locales en Options como AI - <model> (Local paused, Experimental). En builds normales están listadas pero pausadas. No son la ruta recomendada para los usuarios actuales. Usa el modo integrado NextATC para fraseología estricta y predecible, o Gemini si quieres probar variación en la nube.

Qué esperar#

La generación de frases con IA puede hacer que la radio suene más viva, pero también puede ser conservadora, sutil o a veces incorrecta. Incluso con validación, una línea generada puede sonar extraña, perder un matiz o elegir una formulación que no te guste. Si quieres la experiencia más predecible, deja la generación de diálogos en el modo integrado NextATC.

Para reconocimiento de voz, los mejores resultados se consiguen con auriculares con micrófono, cabina silenciosa, readbacks cortos y dígitos pronunciados con claridad. Mantén siempre visible el Radio Log durante las pruebas. Los botones Readback y Say Again con el ratón siguen siendo el fallback fiable.

Ver también#