The Brief
Salute e medicina 5 min di lettura

L'IA ha restituito la voce a quest'uomo. Ecco come.

NAVION

Condividi

Una voce non è solo suono. Porta con sé identità, memoria, personalità, il modo particolare in cui qualcuno ride o esita prima di una parola. Per le persone che convivono con condizioni come la SLA, la sclerosi laterale amiotrofica, la graduale perdita della parola non è solo una limitazione fisica. È l’erosione del sé. Ciò che l’intelligenza artificiale sta rendendo possibile in questo ambito merita di essere compreso con attenzione, perché va ben oltre un aggiornamento tecnico dei dispositivi di assistenza.

Il vecchio metodo era meglio di niente, e poco altro

Per decenni, le persone che affrontavano la perdita della voce hanno avuto due opzioni principali. La prima era il message banking: registrare frasi comuni mentre la parola era ancora possibile, creando una libreria di risposte preimpostate. La seconda era il voice banking, un processo più sistematico che richiedeva a una persona di registrare circa 1.600 frasi specifiche. Quelle registrazioni venivano poi inserite in un software in grado di unire i suoni per produrre qualsiasi parola su richiesta.

Richard Cave, un logopedista dello University College London che lavora con i pazienti affetti da SLA, ha contribuito a sviluppare l’iniziativa di voice banking del Regno Unito a partire dal 2017. A suo dire, dopo aver fatto passare circa 100 persone attraverso il processo, i risultati erano onesti ma limitati. Le voci non erano terribili, ma non erano nemmeno buone. Catturavano qualcosa della persona, ma non la persona. Era semplicemente la migliore tecnologia disponibile all’epoca.

Il fisico Stephen Hawking ha usato una voce sintetizzata per decenni e, a detta sua, l’ha trovata accettabile, anche se ha ammesso che suonava un po’ metallica. Non tutti condividono questa tolleranza. Jules Rodriguez, a cui è stata diagnosticata la SLA, ha descritto la sua voce salvata in uno spettacolo di cabaret come simile ai Daft Punk riprodotti a un quarto della velocità. Il divario tra ciò che produceva il voice banking e il suono effettivo di una voce umana era abbastanza ampio da fare una grande differenza.

Trenta minuti di audio, un clone vocale

Il cambiamento è arrivato con la clonazione vocale basata sull’IA. Il cambiamento fondamentale è significativo: invece di richiedere a una persona di registrare centinaia di frasi specifiche in un ambiente controllato, i sistemi moderni possono lavorare partendo da audio esistenti. Vecchi messaggi vocali, un discorso registrato, un’apparizione in un podcast, qualsiasi cosa catturi la voce naturale di una persona può servire come input.

Jules Rodriguez ha usato le registrazioni della sua voce per creare un clone vocale generato dall’IA nel giugno del 2024, tramite l’azienda ElevenLabs. Il risultato è stato così sorprendente che, quando sua moglie lo ha ascoltato per la prima volta, ha pianto. Dopo mesi passati ad abituarsi gradualmente ad ascoltare la sua voce sempre meno, il clone rappresentava qualcosa che sembrava permanentemente perduto.

La tecnologia funziona estraendo caratteristiche specifiche dall’audio di origine: tono, timbro, prosodia, modelli di respirazione. Questi elementi vengono usati per costruire un modello della voce, che può quindi generare un discorso da qualsiasi testo digitato. L’output include i piccoli dettagli umani che il tradizionale voice banking tralasciava completamente, i respiri tra le parole, le intonazioni naturali, persino le balbuzie. La patologa del linguaggio Kate Nilson, che ha testato personalmente la tecnologia, descrive di aver fatto un gioco con i colleghi cercando di distinguere la sua vera voce dal clone. La difficoltà nel distinguerle è, a suo dire, genuinamente inquietante.

Laura Sanders, la giornalista che ha raccontato questa storia, ha creato il proprio clone vocale usando l’opzione professionale di ElevenLabs, che richiedeva 30 minuti di input audio. Il clone risultante poteva regolare velocità, tono e registro emotivo, e poteva persino produrre discorsi in altre lingue. La dimostrazione è istruttiva non perché sia una novità, ma perché mostra quanto sia diventata accessibile la tecnologia.

Un dettaglio che la logopedista Nilson sottolinea è particolarmente importante: la capacità di usare vecchie registrazioni apre la porta a persone la cui parlata si è già deteriorata nel momento in cui cercano aiuto. Con il vecchio modello, se la voce di una persona era già cambiata in modo significativo, spesso era troppo tardi per salvarla efficacemente. La clonazione tramite IA cambia i termini della questione.

Cosa significa questo oltre il caso medico

La storia di Jules Rodriguez e Patrick Darling, un musicista che usa il suo clone vocale per cantare ed esibirsi, punta verso qualcosa di più ampio rispetto alla tecnologia assistiva. Solleva una domanda su cosa sia effettivamente una voce e su cosa significhi preservarne una.

Il tradizionale voice banking trattava la voce come uno strumento funzionale: un mezzo per produrre un discorso intelligibile. La clonazione tramite IA la tratta come qualcosa di più simile a un reperto di identità, qualcosa che vale la pena catturare nella sua interezza, comprese le sue imperfezioni. La distinzione è importante perché cambia ciò che la tecnologia sta cercando di fare. Non sta solo ripristinando la comunicazione. Sta ripristinando la presenza.

Questo inquadramento ha implicazioni su come viene valutato lo sviluppo dell’IA nella sanità. La misura del successo non è solo la precisione o l’intelligibilità. È se la persona dall’altra parte della tecnologia si sente se stessa. È un obiettivo più difficile da raggiungere, e il fatto che i sistemi attuali si stiano avvicinando suggerisce che il divario tra voce umana e sintetica si stia riducendo più velocemente di quanto la maggior parte delle persone al di fuori del settore realizzi.

Per chiunque rifletta sul ruolo dell’IA nella medicina, questo è un caso utile da tenere a mente. La tecnologia qui non sostituisce il logopedista, il team di cura o le relazioni umane attorno a un paziente. Dà a quelle relazioni qualcosa con cui lavorare che prima non esisteva.

In breve

La clonazione vocale tramite IA funziona estraendo le caratteristiche acustiche della voce di una persona da registrazioni esistenti e costruendo un modello in grado di generare nuovi discorsi con quella voce. A differenza dei vecchi metodi di voice banking, che richiedevano centinaia di registrazioni controllate e producevano risultati dal suono meccanico, i sistemi attuali possono usare audio informali e riprodurre i ritmi naturali, i respiri e le intonazioni di una voce reale. Per le persone che convivono con condizioni come la SLA, questo rappresenta un cambiamento significativo: non solo un ausilio alla comunicazione, ma un modo per preservare qualcosa che assomiglia all’identità. La tecnologia è già in uso, e il divario tra voce sintetica e umana si sta riducendo.

Basato su un articolo di Science News.

Scritto da

NAVION