The Brief
Salud y medicina 6 min de lectura

La IA le devolvió la voz a este hombre. Así es como lo hizo.

NAVION

Compartir

Una voz no es solo sonido. Lleva identidad, memoria, personalidad, la forma particular en que alguien se ríe o duda antes de una palabra. Para las personas que viven con afecciones como la ELA, esclerosis lateral amiotrófica, la pérdida gradual del habla no es solo una limitación física. Es la erosión del ser. Lo que la inteligencia artificial está haciendo posible ahora en este espacio merece ser entendido con atención, porque va mucho más allá de una actualización técnica de los dispositivos de asistencia.

El método anterior era mejor que nada, y poca cosa más

Durante décadas, las personas que se enfrentaban a la pérdida de voz tenían dos opciones principales. La primera era el almacenamiento de mensajes: grabar frases comunes mientras la voz aún era posible, creando una biblioteca de respuestas prestablecidas. La segunda era el almacenamiento de voz, un proceso más sistemático que requería que una persona grabara alrededor de 1.600 frases específicas. Esas grabaciones se introducían luego en un programa informático capaz de unir sonidos para producir cualquier palabra bajo demanda.

Richard Cave, un terapeuta del habla en el University College London que trabaja con pacientes de ELA, ayudó a desarrollar la iniciativa de almacenamiento de voz en el Reino Unido a partir de 2017. Según sus propias palabras, tras hacer pasar a unas 100 personas por el proceso, los resultados fueron honestos pero limitados. Las voces no eran horribles, pero tampoco eran buenas. Capturaban algo de la persona, pero no a la persona. Esa era simplemente la mejor tecnología disponible en ese momento.

El físico Stephen Hawking usó una voz sintetizada durante décadas y, según su propia descripción, la encontró aceptable, incluso aunque reconoció que sonaba un poco metálica. No todo el mundo comparte esa tolerancia. Jules Rodriguez, diagnosticado con ELA, describió su voz almacenada en una rutina de monólogos cómicos diciendo que sonaba como Daft Punk reproducido a un cuarto de velocidad. La brecha entre lo que producía el almacenamiento de voz y lo que realmente suena una voz humana era lo suficientemente amplia como para importar profundamente.

Treinta minutos de audio, un clon de voz

El cambio llegó con la clonación de voz impulsada por IA. El cambio fundamental es importante: en lugar de requerir que una persona grabe cientos de frases específicas en un entorno controlado, los sistemas modernos pueden trabajar a partir de audio existente. Viejos buzones de voz, un discurso grabado, una aparición en un podcast, cualquier cosa que capture la voz natural de una persona puede servir como entrada.

Jules Rodriguez usó grabaciones de su propia voz para crear un clon de voz generado por IA en junio de 2024, a través de la empresa ElevenLabs. El resultado fue tan sorprendente que cuando su esposa lo escuchó por primera vez, lloró. Después de meses de adaptarse gradualmente a escuchar su voz cada vez menos, el clon representaba algo que parecía permanentemente perdido.

La tecnología funciona extrayendo características específicas del audio de origen: tono, timbre, prosodia, patrones de respiración. Estos elementos se utilizan para construir un modelo de la voz, que luego puede generar habla a partir de cualquier texto escrito. El resultado incluye los pequeños detalles humanos que el almacenamiento de voz tradicional pasaba por alto por completo, respiraciones entre palabras, entonaciones naturales, e incluso tartamudeces. La patóloga del habla Kate Nilson, que ha probado la tecnología ella misma, describe jugar a un juego con colegas intentando distinguir su voz real de la clon. La dificultad de diferenciarlas es, según ella, genuinamente desconcertante.

Laura Sanders, la periodista que informó sobre esta historia, creó su propio clon de voz utilizando la opción profesional de ElevenLabs, que requería 30 minutos de entrada de audio. El clon resultante podía ajustar la velocidad, el tono y el registro emocional, e incluso podía producir habla en otros idiomas. La demostración es instructiva no porque sea una novedad, sino porque muestra lo accesible que se ha vuelto la tecnología.

Un detalle que la patóloga del habla Nilson destaca es particularmente importante: la capacidad de usar grabaciones antiguas abre la puerta a personas cuyo discurso ya se ha deteriorado para cuando buscan ayuda. Bajo el modelo antiguo, si la voz de una persona ya había cambiado significativamente, a menudo era demasiado tarde para almacenarla de manera efectiva. La clonación por IA cambia ese cálculo.

Lo que esto significa más allá del caso médico

La historia de Jules Rodriguez y Patrick Darling, un músico que usa su clon de voz para cantar e interpretar, apunta hacia algo más amplio que la tecnología de asistencia. Plantea una pregunta sobre qué es realmente una voz y qué significa preservar una.

El almacenamiento de voz tradicional trataba la voz como una herramienta funcional: un medio para producir un discurso inteligible. La clonación por IA la trata como algo más cercano a un artefacto de identidad, algo que vale la pena capturar en toda su textura, incluidas sus imperfecciones. La distinción importa porque cambia lo que la tecnología está intentando hacer. No se trata solo de restaurar la comunicación. Se trata de restaurar la presencia.

Este enfoque tiene implicaciones sobre cómo se evalúa el desarrollo de la IA en la atención médica. La medida del éxito no es solo la precisión o la inteligibilidad. Es si la persona al otro lado de la tecnología siente que es ella misma. Ese es un objetivo más difícil de alcanzar, y el hecho de que los sistemas actuales se estén acercando a él sugiere que la brecha entre la voz humana y la sintética se está reduciendo más rápido de lo que la mayoría de la gente fuera del campo se da cuenta.

Para cualquier persona que piense en el papel de la IA en la medicina, este es un caso útil al que aferrarse. La tecnología aquí no reemplaza al terapeuta del habla, al equipo de atención ni a las relaciones humanas alrededor de un paciente. Les da a esas relaciones algo con lo que trabajar que no existía antes.

En resumen

La clonación de voz por IA funciona extrayendo las características acústicas de la voz de una persona a partir de grabaciones existentes y construyendo un modelo que puede generar un nuevo discurso con esa voz. A diferencia de los métodos de almacenamiento de voz más antiguos, que requerían cientos de grabaciones controladas y producían resultados que sonaban mecánicos, los sistemas actuales pueden usar audio informal y reproducir los ritmos naturales, las respiraciones y las entonaciones de una voz real. Para las personas que viven con afecciones como la ELA, esto representa un cambio significativo: no es solo una ayuda para la comunicación, sino una forma de preservar algo que se siente como la identidad. La tecnología ya está en uso, y la brecha entre la voz sintética y la humana se está cerrando.

Basado en información de Science News.

Escrito por

NAVION