WaveNet, un sistema que ayuda a que las máquinas «hablen» como un ser humano

Los avances tecnológicos en esta materia no echan el freno de mano. De cara a materializar un acercamiento de la voz artificial hacia la más natural, investigadores de DeepMind, empresa propietaria del gigante de internet, han anunciado la creación de WaveNet , un programa informático capaz de generar voz sintética basado en Inteligencia Artificial y que se comporta de una similar a la de un ser humano, un paso importante para hacer evolucionar las máquinas y los procesos automatizados. Según sus creadores, puede permitir que una manera hable exactamente igual que una persona, e

Esta plataforma, que funciona como un sistema neuronal, rompe con la tradicional naturaleza robótica de la voz programada en los aparatos electrónicos para dotarle de naturalidad y matices propios del ser humano. El equipo de ingenieros asegura que el software puede «imitar a la perfección» una voz humana. Las muestras de voz se ha impulsado en diversos programas informáticos como Google Voice desde hace bastante tiempo, pero sintetizar y acercarse a una mayor naturalidad está resultando un gran desafío. Hasta el momento, la técnica común es una lectura virtual, es decir, una concatenación de texto a voz (TTS, en sus siglas en inglés) que combina fragmentos de un discurso grabado para generar las frases, que un sistema devuelve en función de la interacción realizada.

El principal problema -dicen- es que este método no es capaz de alterar y modificar la base de datos y fragmentos existentes para crear algo desde cero, lo que provoca la situación actual: una voz «robótica» y enlatada. Mientras, en otros procesos informáticos se han basado en un método de texto a voz paramétrico que codifica la voz. El resultado, sin embargo, es incluso menos natural, dicen los investigadores. Y hacia la corrección de esta situación es adonde va WaveNet.

Para ello utiliza un «enfoque totalmente diferente», ya que en lugar de analizar, cruzar y devolver el audio almacenado en el software el sistema, basado en Inteligencia Artificial, es capaz de aprender. La idea es que se mueva sobre un contexto determinado, con sus matices lingüísticos , resolviendo incluso modos de expresión como la ironía o el sarcasmo, tal y como funcionan los sistemas neuronales. Logra este cometido al trabajar con 16.000 secuencias de palabras por segundo, con lo que el sistema puede generar sus propias muestras de audio, sin la intervención del ser humana. Utiliza una serie de estadísticas para predecir realmente qué pieza de sonido necesita en cada situación.