Nuevos cálculos matemáticos devolverán la voz a mujeres y niños mudos

La ayuda para las personas que han perdido su voz por padecer una disfunción de las cuerdas vocales o DCV (trastorno que hace que las cuerdas vocales, en lugar de abrirse cuando inhalamos y espiramos, se cierren) está en camino.

Un grupo de investigadores de la Academia Filandesa de Investigación en Ciencias Computacionales (LASTU) está desarrollando un método que contribuirá a la fabricación de prótesis de voz con mejores características, informa la LATSU en un comunicado.

Gracias a este sistema, por ejemplo, las niñas que hayan perdido su voz contarán con un dispositivo de voz artificial mejorado, capaz de producir sonidos más adecuados a su edad, en lugar de la habitual voz de un hombre adulto que producen normalmente estos sistemas.

Matemáticas para una síntesis de voz personalizada

Los avances en la producción de voz artificial han sido posibles gracias a los resultados obtenidos en un proyecto de investigación dirigido por el profesor Samuli Siltanen de la LASTU, y se calcula que, solo en Finlandia, podrían beneficiar a cerca de 30.000 personas con problemas en las cuerdas vocales.

Uno de los problemas fundamentales del análisis de las señales de un discurso es determinar el grado de excitación de las cuerdas vocales a partir de sonidos registrados digitalmente, así como definir la forma del tracto vocal al hablar, esto es, las posiciones de la boca y de la garganta.

Esta medición, denominada estimación del pulso glotal basada en filtrado inverso, requiere de una forma altamente especializada de cálculo computacional.

Con las técnicas tradicionales, el filtrado inverso es solo posible para voces masculinas de tono bajo. Las voces de mujeres y niños son un caso más complicado por su elevada tonalidad, demasiado cercana en frecuencia a la resonancia más baja del tracto vocal.

Lo que ha conseguido desarrollar Siltanen es un método de cálculo nuevo, que consigue hacer el flitrado inverso del pulso glotal en estos casos, de forma más eficiente.

Descifrando la articulación oral

El filtrado inverso es necesario para el reconocimiento automático de los discursos, que es lo que permite desarrollar una síntesis de voz óptima.

Hasta ahora, la llamada síntesis articulatoria ha sido un método de interés puramente académico, puesto que pocos han sido los modelos suficientemente avanzados o computacionalmente eficientes como para imitar voces humanas no masculinas.

En estos sistemas, un ordenador transforma un texto en discurso sonoro. La antigua forma de hacerlo era registrar palabras independientes y producirlas en sonido, una tras otra, pero esta fórmula rara vez genera un discurso cuyo sonido resulte natural o ajustado a la voz de las mujeres o de los niños que no pueden hablar.

Esta dificultad se debe a la complejidad del proceso de producción del habla, en el que participan diversos elementos.

Según explica al respecto Sitanen: “La mayoría de los sonidos de un discurso son el resultado de un proceso específico. El aire que fluye entre los pliegues vocales hace que estos vibren. Esta vibración, si pudiéramos oírla, produciría un sonido extraño, como un zumbido. Sin embargo, a medida que se mueve por el tracto vocal, el zumbido se transforma en vocales conocidas”.

Otras aplicaciones

El canto sería un ejemplo perfecto de la interacción entre la respuesta de las cuerdas vocales y del tracto vocal: “Cuando cantamos la vocal “a” en diferentes tonos, nuestro tracto vocal permanece sin cambios, pero la frecuencia de la excitación de las cuerdas vocales sí cambia. Por otro lado, también podemos cantar diferentes vocales en el mismo tono, entonces es la forma del tracto lo que cambia, mientras que la excitación de las cuerdas vocales se mantiene estable”, apunta el investigador.

Gracias a los nuevos cálculos desarrollados, las síntesis del discurso podrán realizarse más eficientemente y de manera más ajustada, y los reproductores artificiales de voz serán capaces de emular el tono original de la voz de cada hablante.

Esta mejoría podría beneficiar, además de a las personas mudas por DCV, a la calidad de los discursos sintéticos empleados en telefonía móvil y en servicios telefónicos automáticos. Asimismo, serviría para incrementar los niveles de reconocimiento del discurso en entornos ruidosos, concluye el comunicado de la LASTU.