Daniel Esgardo Rangel Barón: Ayudarán a generar voz sintética personalizada a las personas con riesgo de perderla

La Universidad de Northeastern en Boston (Estados Unidos) abrió un centro en colaboración con el proyecto “VocaliD” para que las personas que están en riesgo de perder su voz, temporal o permanentemente, puedan registrarla en un sistema basado en inteligencia artificial, que les generará una voz personalizada para que en un futuro puedan seguir comunicándose con su propia voz, aunque en versión sintetizada.

El nuevo centro denominado “Clínica de Preservación de la Voz”, ofrece a las personas con riesgo de perder la voz de manera temporal o permanente por motivos de salud, un lugar al que acudir para registrar sus voces antes de se queden sin ellas.

El centro nace en colaboración y a partir del proyecto VocaliD de la investigadora de la universidad, Rupal Patel. "A veces vienen a nosotros en el último momento. No tienen tiempo suficiente para almacenar su voz y están también tan envueltos en su enfermedad y luego en la operación es muy estresante", aseguró la institución. Hasta ahora, el sistema solo permitía que los usuarios grabaran sus voces desde sus casas.

Sin embargo, a partir de ahora, los profesionales del centro orientarán y asistirán a los usuarios a la hora de llevar a cabo todo el proceso "para asegurarnos de que tus grabaciones son de buena calidad y utilizables para la generación de voz sintética", afirmó Patel.  

El proceso se basa en un sistema de inteligencia artificial, en el uso de algoritmos de aprendizaje automático, que se inicia con la grabación por parte del usuario de su voz en el portal del “Banco de voces humanas de VocaliD” ('VocaliD Human Voicebank'), a través de la lectura de historias cortas o cualquier otro tipo de contenido de su interés, según señalan en la página oficial del centro.

El proceso de grabación requiere de una duración de "al menos 40 minutos", según la universidad, "para crear una voz de calidad razonable". De todas formas, apostillan que "por supuesto cuantos más discursos y mejor calidad de las grabaciones, mejor la calidad y la naturalidad de la voz digital".