Ver categorías

Google Teachable Machine - Importa modelos de IA preentrenados a Scratch

Tabla de contenido

🏫 Google Teachable Machine – Importar modelos de IA preentrenados en Scratch #

La extensión Google Teachable Machine permite importar modelos avanzados de inteligencia artificial creados en el sitio web de Google Teachable Machine directamente en Scratch.
Entrena potentes modelos de reconocimiento de imágenes, sonidos o poses en línea y luego impórtalos a tus proyectos de Scratch usando una única URL.
Flujos de trabajo profesionales de aprendizaje automático simplificados y accesibles para estudiantes, profesores y creadores. ✨

🌟 Descripción general #

  • Tres tipos de modelos: Importa modelos de clasificación de imagen, sonido o pose entrenados en Teachable Machine.
  • Etiquetas ilimitadas: Usa cualquier cantidad de clases personalizadas, sin límite de 10 etiquetas.
  • Entrenamiento en la nube: Aprovecha la infraestructura de Google para obtener modelos con alta precisión.
  • Importación sencilla: Pega la URL compartible de tu modelo en Scratch para usarlo instantáneamente.
  • Clasificación en tiempo real: Obtén predicciones en vivo mientras el modelo reconoce imágenes, sonidos o poses.
  • Controles de cámara y vídeo: Muestra, oculta o invierte la vista previa en vivo según tu configuración.

✨ Características principales #

  • Compatible con los tres tipos de modelos de Teachable Machine (Imagen, Sonido, Pose)
  • Etiquetas ilimitadas por modelo.
  • Importación mediante URL compartible o carga de archivos.
  • Puntuaciones de confianza para cada etiqueta.
  • Intervalo de clasificación y umbral de confianza ajustables.
  • Funciona completamente en el navegador después de cargar el modelo: rápido y eficiente. fast and efficient.

🚀 Cómo usar #

Paso 1 – Entrena tu modelo en Teachable Machine #

  1. Ve a: teachablemachine.withgoogle.com.
  2. Elige un tipo de proyecto: Imagen, Audio, Pose.
  3. Crea tus clases (etiquetas), por ejemplo: “Gato”, “Perro”, “Pájaro”.
  4. Añade ejemplos de entrenamiento para cada clase:
    • Imágenes: Sube fotografías o captura imágenes usando la cámara web.
    • Sonidos: Graba pequeños clips de audio.
    • Poses: Captura posiciones corporales usando tu cámara web.
  5. Haz clic en Train Model y espera a que termine el entrenamiento (1–5 minutos).
  6. Prueba tu modelo en la sección Preview para comprobar su precisión.
  7. Haz clic en: Export Model → Upload my model → Upload.
  8. Copia la URL compartible del modelo( Ejemplo: https://teachablemachine.withgoogle.com/models/abc123/).

Paso 2 – Importa tu modelo en Scratch #

  1. Abre pishi.ai/play.
  2. Selecciona la extensión: Google Teachable Machine
  3. Permite el acceso a la cámara o micrófono si se solicita (según el tipo de modelo).
  4. Usa uno de estos bloques de configuración:
    • establecer URL del modelo de imagen: [URL|text]
    • establecer URL del modelo de sonido: [URL|text]
    • establecer URL del modelo de pose: [URL|text]
  5. Espera al indicador de carga. La clasificación comienza automáticamente cuando el modelo está listo.
  6. Usa los bloques de detección para hacer que tus sprites reaccionen a las etiquetas reconocidas.

Consejos

  • Entrena cada etiqueta con 20–50 ejemplos variados para obtener resultados más fiables.
  • Mantén condiciones de iluminación y sonido similares a las usadas durante el entrenamiento.
  • Prueba completamente tu modelo en Teachable Machine antes de importarlo.
  • Ajusta los intervalos de clasificación (100–250 ms) para mejorar el rendimiento en dispositivos antiguos.

🧱 Bloques y funciones #

 

🖼️ Clasificación de imágenes #

establecer URL del modelo de imagen: [URL|text]

Carga un modelo de clasificación de imágenes desde la URL proporcionada de Teachable Machine.
URL: pega la URL de tu modelo de Teachable Machine (por ejemplo, https://teachablemachine.withgoogle.com/models/u87itobc/)

Qué hace:

  • Descarga y carga el modelo dentro de Scratch.
  • Inicia la clasificación continua de imágenes desde la cámara o el escenario.
  • El modelo permanece cargado hasta que establezcas una URL diferente o vuelvas a cargar el proyecto.

 

etiqueta de imagen

Devuelve el nombre de la etiqueta de la clase de imagen detectada con mayor confianza.
Devuelve vacío si ninguna etiqueta alcanza el umbral mínimo de confianza.

Ejemplo: Si tu modelo detecta “Gato” con alta confianza, este bloque devuelve “Gato”.

 

cuando se detecte la etiqueta [LABEL]

Bloque sombrero que se activa cuando la etiqueta de imagen especificada es detectada por encima del umbral mínimo de confianza.
LABEL: Selecciona una etiqueta de tu modelo o elige “any” para activarse con cualquier detección.

Usa “any” para reaccionar cuando se detecte cualquier objeto con suficiente confianza.

 

imagen [LABEL] detectada

Bloque booleano que devuelve verdadero cuando la etiqueta de imagen especificada está siendo detectada actualmente.
LABEL: Selecciona una etiqueta de tu modelo o “any”.

 

confianza de imagen [LABEL]

Devuelve el nivel de confianza (0–1) para la etiqueta de imagen especificada.
Higher values = more certain detection.

Ejemplo: confidence of image “Dog” podría devolver 0.95 (95% de confianza).

 

🔊 Clasificación de sonidos #

establecer URL del modelo de sonido: [URL|text]

Carga un modelo de clasificación de sonidos desde la URL proporcionada de Teachable Machine.
URL: Pega la URL de tu modelo de audio de Teachable Machine.

Qué hace:

  • Descarga y carga el modelo de audio en Scratch.
  • Inicia la clasificación continua de sonidos desde el micrófono.
  • Escucha y clasifica el audio en tiempo real.

 

etiqueta de sonido

Devuelve el nombre de la etiqueta de la clase de sonido detectada con mayor confianza.
Devuelve vacío si ningún sonido alcanza el umbral mínimo de confianza.

Ejemplo: Si tu modelo detecta “Palmada”, este bloque devuelve “Palmada”.

Nota: El ruido de fondo se filtra automáticamente de los resultados de detección.

 

cuando se detecte el sonido [LABEL]

Bloque sombrero que se activa cuando la etiqueta de sonido especificada se detecta por encima del umbral mínimo de confianza.
LABEL: Selecciona una etiqueta de tu modelo o elige “any” para activarse con cualquier detección.

Nota: Las etiquetas correspondientes al ruido de fondo se excluyen de los activadores “any”.

 

sonido [LABEL] detectado

Bloque booleano que devuelve verdadero cuando la etiqueta de sonido especificada está siendo detectada actualmente.
LABEL: Selecciona una etiqueta de tu modelo o “any”.

 

confianza de sonido [LABEL]

Devuelve el nivel de confianza (0–1) para la etiqueta de sonido especificada.

 

🕺 Clasificación de poses #

establecer URL del modelo de pose: [URL|text]

Carga un modelo de clasificación de poses desde la URL proporcionada de Teachable Machine.
URL: Pega la URL de tu modelo de poses de Teachable Machine.

Qué hace:

  • Descarga y carga el modelo de poses en Scratch.
  • Starts continuous pose classification from the camera.
  • Detecta la postura del cuerpo y la clasifica según las poses con las que entrenaste el modelo.

 

etiqueta de pose

Devuelve el nombre de la etiqueta de la clase de pose detectada con mayor confianza.
Inicia la clasificación continua de poses desde la cámara.

Ejemplo: Si tu modelo detecta “Brazos arriba”, este bloque devuelve “Brazos arriba”.

 

cuando se detecte la pose [LABEL]

Bloque sombrero que se activa cuando la etiqueta de pose especificada se detecta por encima del umbral mínimo de confianza.
LABEL: Selecciona una etiqueta de tu modelo o elige “any” para activarse con cualquier detección.

 

sonido [LABEL] detectado

Bloque booleano que devuelve verdadero cuando la etiqueta de pose especificada está siendo detectada actualmente.
LABEL: Selecciona una etiqueta de tu modelo o “any”.

 

confidence of pose [LABEL]

Devuelve el nivel de confianza (0–1) para la etiqueta de pose especificada.

 

🎯 Confidence (shared blocks) #

Nota importante: (TYPE): Estos bloques incluyen un menú desplegable [TYPE] que te permite seleccionar la categoría de IA - image, sound, or pose. Esto determina qué modelo controla el bloque o del que obtiene los datos.

[TYPE|rect] set minimum confidence [CONFIDENCE|text]

Establece el umbral mínimo de confianza (0–1) para las detecciones de la categoría seleccionada.

  • TYPE: Selecciona el detector de IA al que se aplicará el nivel de confianza. Elige una de estas opciones en el menú desplegable: image, sound, or pose.
  • CONFIDENCE: Establece un valor entre 0 y 1.

Utiliza este bloque para controlar el nivel de certeza que debe tener la IA antes de informar una detección.

  • Predeterminado: 0.5 — equilibrio entre precisión y sensibilidad.
  • Auméntalo a 0.6–0.8: para obtener una detección más estricta y precisa (menos falsos positivos).
  • Redúcelo a 0.3–0.4: para una mayor sensibilidad (puede aumentar la cantidad de falsos positivos).
[TYPE|rect] minimum confidence

Devuelve el valor actual del umbral de confianza para el detector seleccionado (image, sound, or pose).

⚙️ Controles de clasificación (bloques compartidos) #

Nota importante: (TYPE): Estos bloques incluyen un menú desplegable [TYPE] que te permite seleccionar la categoría de IA - image, sound, or pose. Esto determina qué modelo controla el bloque o del que obtiene los datos.

  • clasificar [INTERVAL] - Elige con qué frecuencia se ejecuta la detección:
    • cada vez que se ejecuta este bloque
    • continuo, sin retraso
    • continuo, cada 50–2500 ms
  • activar clasificación [on_off] - Inicia o detiene la detección continua.
  • classification interval - Devuelve el intervalo actual en milisegundos.
  • clasificación continua - Indica si la detección continua está “on” u “off”.
  • seleccionar imagen de entrada [camera/stage] - Elige cámara o escenario (stage).
  • imagen de entrada - Devuelve la fuente de entrada activa.

🎥 Controles de vídeo (bloques compartidos) #

Nota importante: (TYPE): Estos bloques incluyen un menú desplegable [TYPE] que te permite seleccionar la categoría de IA - image, sound, or pose. Esto determina qué modelo controla el bloque o del que obtiene los datos.

  • activar vídeo [off/on/on-flipped]
    • encendido: muestra la vista previa de la cámara en modo espejo (como una webcam típica).
    • encendido-invertido: muestra la vista previa sin espejo — las direcciones aparecen como en el mundo real.
    • apagado: apaga la vista previa de la cámara. En modo stage, la detección continúa funcionando.
  • fijar transparencia de vídeo a [TRANSPARENCY|text] — Ajusta qué tan visible es la vista previa
    • 0: completamente visible
    • 100: completamente transparente (invisible pero activa)
    Usa un valor de 0–100 para ajustar la opacidad y ayudar a que los sprites se vean claramente sobre la cámara.
  • seleccionar cámara [CAMERA] — permite elegir entre las cámaras disponibles en tu dispositivo. El menú desplegable muestra todas las cámaras detectadas y la extensión cambia automáticamente a la que selecciones.

🎓 Usos educativos #

  • Aprende flujos de trabajo profesionales de aprendizaje automático: experimenta todo el proceso: recopilar datos, entrenar, probar e implementar modelos.
  • Enseña conceptos de aprendizaje profundo y aprendizaje por transferencia utilizando las herramientas de Google.
  • Explora la evaluación de modelos: precisión, nivel de confianza y falsos positivos/negativos.
  • Crea proyectos colaborativos en clase utilizando las URL compartibles de los modelos.
  • Introduce a los estudiantes en herramientas de IA utilizadas en el mundo profesional.

🎮 Proyectos de ejemplo #

  • Identificador de animales: reconoce animales y crea un juego educativo de preguntas.
  • Detector de música: identifica sonidos de piano, guitarra o batería.
  • Entrenador de yoga: utiliza modelos de postura para posiciones de yoga con retroalimentación en tiempo real.
  • Asistente de lengua de signos: reconoce signos de ASL para actividades de accesibilidad.
  • Clasificador de emociones: detecta expresiones faciales como felicidad o sorpresa.
  • Juego por comandos de voz: utiliza órdenes como «Saltar», «Agacharse», «Izquierda» y «Derecha» para jugar sin usar las manos.
  • Clasificador de reciclaje: clasifica materiales como plástico, papel, metal y vidrio.

🧩Pruébalo tú mismo: pishi.ai/play

🔧 Consejos y solución de problemas (bloques compartidos) #

Nota importante: (TYPE): Estos bloques incluyen un menú desplegable [TYPE] que te permite seleccionar la categoría de IA - image, sound, or pose. Esto determina qué modelo controla el bloque o del que obtiene los datos.

  • ¿No hay cámara?
    • Asegúrate de que tu cámara esté conectada y que el navegador tenga permiso para usarla.
    • Si la cámara está bloqueada, actívala en la configuración de permisos del sitio del navegador y vuelve a cargar la página.
    • Durante la carga de la extensión, si no se detectan cámaras, la entrada cambiará automáticamente a la imagen del escenario para que puedas seguir probando las funciones de Malla Facial.
  • ¿No hay detección?
    • clasificación continua: Usa este bloque informador para comprobar si la clasificación está activa.
    • Si está activa, mejora la iluminación y mira directamente a la cámara.
    • activar clasificación [encendido]: Usa este bloque si la clasificación no está activa. Después vuelve a comprobar el estado de clasificación con el reportero anterior.
    • En el modo de entrada de cámara, cuando la cámara se apaga, la clasificación también se detiene. Debes volver a activar el vídeo o cambiar la entrada al escenario.
    • En el modo de entrada de escenario, el sistema clasifica todo lo que sea visible en el escenario: fondos, sprites o imágenes. Puedes apagar completamente el vídeo y aun así procesar imágenes del escenario.
    El modo escenario es más lento que la entrada por cámara, así que reduce tu intervalo de clasificación (por ejemplo, 100–250 ms) para obtener resultados más fluidos usando este bloque: clasificar [INTERVAL]
    • En el modo escenario, los puntos de referencia de “izquierda” y “derecha” están intercambiados porque la imagen del escenario no está reflejada. El sistema de coordenadas representa una vista real (sin espejo).
    • La clasificación también puede reiniciarse automáticamente cuando usas bloques como:
    activar vídeo [encendido] / clasificar [INTERVAL] / seleccionar cámara [CAMERA] / seleccionar imagen de entrada [camera/stage].
  • ¿Vista invertida?
    activar vídeo [encendido-invertido]: Usa esto para mostrar la cámara sin efecto espejo. “on” muestra la imagen reflejada como una selfie. “on-flipped” muestra la orientación real izquierda/derecha.
  • ¿Va lento o tiene retraso?
    Usa intervalos de clasificación entre 100–250 ms o cierra otras pestañas del navegador para reducir la carga de procesamiento.
  • ¿Advertencia de WebGL2?
    Prueba con Firefox o con un dispositivo más nuevo que sea compatible con aceleración gráfica WebGL2.
  • ¿Analizar el escenario en lugar de la cámara?
    seleccionar imagen de entrada [stage]: Usa esto para analizar la imagen del escenario de Scratch en lugar de una cámara en vivo.

 

🏫 Consejos específicos de Teachable Machine #

  • ¿El modelo no se carga? Asegúrate de haber hecho clic en «Upload my model» en Teachable Machine y de haber copiado la URL compartible completa.
  • ¿Error en el formato de la URL? El enlace debe comenzar por https://teachablemachine.withgoogle.com/models/ y terminar con una barra (/).
  • ¿Poca precisión en Scratch? Comprueba primero el rendimiento del modelo en Teachable Machine y asegúrate de que la iluminación y el sonido sean similares a los utilizados durante el entrenamiento.
  • ¿El modelo no se actualiza? Vuelve a establecer la URL del modelo o recarga la página de Scratch para actualizarlo.
  • ¿El modelo de sonido no detecta correctamente? Comprueba los permisos del micrófono y utiliza sonidos similares a los empleados durante el entrenamiento.
  • ¿El modelo de postura se confunde? Asegúrate de que toda la parte superior de tu cuerpo sea visible y de mantener condiciones similares a las del entrenamiento.
  • ¿Demasiados falsos positivos? Aumenta el umbral mínimo de confianza (0,7–0,8) o vuelve a entrenar el modelo con ejemplos más variados.
  • ¿Quieres probar varios modelos? Utiliza el bloque correspondiente «establecer URL del modelo» para cambiar entre ellos. Los cambios se aplican al instante.
  • ¿Compartir modelos? Comparte la URL de tu modelo de Teachable Machine para que otras personas puedan importarlo y utilizarlo en sus proyectos.
  • ¿El modelo es demasiado grande? Reduce la resolución de las imágenes o el número de ejemplos de entrenamiento antes de exportarlo desde Teachable Machine.

🔒 Privacidad y seguridad #

  • Los modelos se alojan en los servidores de Google cuando se suben.
  • Una vez cargados en Scratch, toda la clasificación se ejecuta localmente en tu navegador.
  • Los datos de la cámara y el micrófono se procesan localmente y nunca se envían a servidores durante su uso.
  • Los datos de entrenamiento de Teachable Machine están sujetos a la política de privacidad de Google.
  • Las URL compartibles son públicas; evita publicar enlaces a modelos que contengan información sensible.

🧪 Información técnica #

  • Origen del modelo: Google Teachable Machine (teachablemachine.withgoogle.com)
  • Framework: TensorFlow.js (última versión) – funciona completamente en el navegador usando aceleración WebGL2.
  • Tipos de modelo: Clasificación de imágenes, sonido y postura.
  • Labels: Unlimited (based on model)
  • Entradas: Micrófono (sonido), cámara o lienzo del escenario (imagen/postura).
  • Confianza predeterminada: 0,5 (ajustable entre 0 y 1).
  • Formato del modelo: TensorFlow.js Graph Model + metadatos.
  • Requiere: WebGL2 para mejor rendimiento.

🔗 Extensiones relacionadas #

  • 🖼️ Entrenador de Imágenes – entrena modelos personalizados directamente en Scratch.
  • 😎 Malla facial - detecta puntos de referencia faciales
  • 🖐️ Pose de la mano - detecta puntos de referencia de la mano.
  • 🕺 PoseNet – detecta la postura corporal completa.

🧩 Comparación: Entrenador de imágenes vs. Extensión Google Teachable Machine #

Ambas extensiones permiten utilizar modelos de IA personalizados en Scratch, pero se diferencian en el lugar y la forma en que se realiza el entrenamiento.

Característica Entrenador de Imágenes Máquina de enseñanza de Google
Lugar de entrenamiento Entrena directamente dentro de Scratch –instantáneo e integrado. Entrena en Teachable Machine, exporta el modelo y obtén un enlace compartible para tu extensión de Scratch.
Tipos de modelo Solo clasificación de imágenes. Clasificación de imagen, sonido y pose.
Facilidad de uso Todo en uno –no se necesitan herramientas externas. Requiere cambiar entre el sitio web de TM y Pishi.ai Scratch.
Etiquetas admitidas 10 etiquetas (1–10) Ilimitadas (depende de tu modelo de TM)
Velocidad de entrenamiento Instantánea después de la primera carga –agrega ejemplos con un clic. Más lenta –debes entrenar en el sitio de TM, esperar el procesamiento, exportar e importar.
Portabilidad del modelo Descarga/carga archivos JSON para guardar y compartir modelos. Importa modelos preentrenados de TM mediante URL.
Ideal para Entrenamiento rápido e iterativo durante proyectos en vivo –ideal para aulas y principiantes. Proyectos avanzados que requieren modelos más complejos o muchas etiquetas.
Privacidad 100% local –todo el entrenamiento permanece en tu navegador. Entrenamiento en el sitio web de TM (Google) –los archivos del modelo se descargan y procesan localmente.
Enfoque educativo Introducción práctica al aprendizaje automático –ve el entrenamiento suceder en tiempo real. Aprende flujos de trabajo profesionales de aprendizaje automático –entrenamiento, exportación, implementación.

↔ Desliza hacia la izquierda o hacia la derecha para ver la tabla completa en dispositivos móviles.

 

💡 ¿Por qué elegir Teachable Machine? #

Teachable Machine es ideal para proyectos de IA avanzados y fáciles de compartir.

  • Entrena modelos de imagen, sonido y pose: tres tipos en una sola plataforma.
  • Etiquetas ilimitadas con un potente entrenamiento en la nube.
  • Comparte modelos fácilmente mediante URL públicas.
  • Perfecto para cursos avanzados y proyectos colaborativos.
  • Introduce flujos de trabajo y herramientas de aprendizaje automático utilizados en el mundo real.

💡 ¿Por qué elegir Entrenador de Imágenes? #

Entrenador de Imágenes es perfecto para experimentar rápidamente dentro de Scratch.

  • Retroalimentación instantánea, sin necesidad de sitios web externos ni cuentas.
  • Totalmente sin conexión y privado: todos los datos permanecen en tu dispositivo.
  • Ideal para aulas, talleres y proyectos de aprendizaje automático para principiantes.

En resumen:
Teachable Machine = flujo de trabajo profesional para modelos complejos y fáciles de compartir (imagen, sonido y pose).
Entrenador de Imágenes = aprendizaje automático integrado, inmediato y fácil de usar para principiantes dentro de Scratch (solo imágenes).

📚 Más información #

¿Cuáles son tus sentimientos?
Scroll al inicio