Los seres humanos han prestado oficialmente su voz a las máquinas.
Un artículo de investigación publicado por Google este mes —que no ha sido revisado por pares— describe un sistema de conversión de texto a voz llamado Tacotron 2, que afirma tener una precisión casi humana al imitar el audio de una persona hablando a partir de texto.
El sistema es la segunda generación oficial de esta tecnología de Google, que consta de dos redes neuronales profundas. La primera red convierte el texto en un espectrograma (PDF), una forma visual de representar las frecuencias de audio a lo largo del tiempo. A continuación, ese espectrograma se introduce en WaveNet, un sistema del laboratorio de investigación de IA DeepMind, de Alphabet, que lee el gráfico y genera los elementos de audio correspondientes.
A continuación puedes escuchar dos muestras. Ten en cuenta que una muestra de cada frase está generada por IA y la otra corresponde a una persona contratada por Google. No sabemos con certeza cuál es cuál. (Sin embargo, si muestras el «código fuente de la página» y miras los nombres de archivo de cada una en el sitio web de investigación de Google, una aparece etiquetada como «gen», aparentemente para identificar la muestra generada.)
«George Washington fue el primer presidente de Estados Unidos».
«Esa chica hizo un vídeo sobre el pintalabios de Star Wars».
Los investigadores de Google también demuestran que Tacotron 2 puede manejar palabras y nombres difíciles de pronunciar, así como cambiar su entonación según la puntuación. Por ejemplo, enfatiza las palabras escritas en mayúsculas, como haría una persona para indicar que una palabra concreta es una parte importante de la frase.
Aquí tienes un ejemplo:
«Los autobuses no son el problema; en realidad, ofrecen una solución».
«Los autobuses no son el PROBLEMA; en realidad, ofrecen una SOLUCIÓN».
A diferencia de algunas investigaciones fundamentales sobre IA que lleva a cabo la empresa, esta tecnología resulta útil de inmediato para Google. WaveNet, presentado por primera vez en 2016, se utiliza ahora para generar la voz de Google Assistant. Una vez preparado para su producción, Tacotron 2 podría ser una incorporación aún más potente al servicio.
Sin embargo, el sistema solo está entrenado para imitar una voz femenina; para hablar como un hombre o como otra mujer, Google tendría que volver a entrenarlo.
