A continuaciónSiguiente guía
Anonimización de voz y privacidad de voz
IA de audio
GUÍA de IA en audio
Banca por voz con IA para la pérdida del habla
La banca por voz con IA significa grabar su voz mientras aún puede hablar para que luego una versión sintética pueda leer el texto escrito en voz alta en un teléfono, tableta o dispositivo de comunicación.
Escuche esta guíaNarrado por IA · ~3 min
En esta pagina4 minutos de lectura
Descripción general
Es más importante para las personas con ELA, algunos cánceres de cabeza y cuello y otras afecciones que les impiden hablar. Les permite seguir comunicándose con una voz que sus familiares y amigos reconocen en lugar de una voz genérica de computadora.
Buceo profundo
A menudo se confunden dos prácticas relacionadas. La banca de mensajes significa grabar frases completas con tu propia voz, como "Te amo" o tu chiste favorito, que luego se reproducen exactamente como las hablas, con toda su emoción. La banca por voz significa grabar material para poder construir una voz sintética que pueda decir cualquier cosa que escriba. Muchos médicos recomiendan hacer ambas cosas, lo que a veces se denomina doble inmersión. Los sistemas de banca de voz más antiguos unían sonidos grabados o utilizaban modelos estadísticos. A menudo necesitaban entre cientos y más de mil frases grabadas, y el resultado podía parecer robótico. La clonación de voces neuronales cambió esto drásticamente. Personal Voice de Apple, presentado con iOS 17 en 2023, originalmente creó una voz en el dispositivo a partir de aproximadamente 150 frases grabadas, y las versiones posteriores necesitan muchas menos. Los servicios comerciales de clonación pueden producir voces naturales a partir de minutos de audio limpio, y algunos ejecutan programas que dan acceso a personas con ELA y afecciones similares. Estas herramientas también hacen posible la reparación de la voz. Si el habla de alguien ya ha cambiado, a veces se puede reconstruir una voz a partir de grabaciones más antiguas, como vídeos, mensajes de voz o discursos, aunque la calidad depende de la cantidad de audio limpio que exista. El momento oportuno sigue siendo importante, porque afecciones como la ELA pueden afectar el habla rápidamente, especialmente cuando los síntomas comienzan en los músculos utilizados para hablar y tragar. Los logopedas y las organizaciones de ELA suelen ayudar a las personas a planificar con antelación. El consentimiento y el control son preocupaciones reales. La persona debe decidir quién puede utilizar el modelo de voz, si su familia puede utilizarlo después de su muerte y qué empresa lo almacena. Una voz clonada también puede usarse indebidamente, por ejemplo en llamadas fraudulentas, por lo que la seguridad de la cuenta es importante. Conceptos erróneos comunes: la banca por voz no restaura el habla natural. La persona todavía tiene que escribir o seleccionar palabras, y esa velocidad limita la conversación. La voz sintética también puede perder algunos matices de la voz real.
Implementación en el mundo real
Una persona recién diagnosticada con ELA graba las frases solicitadas para Personal Voice de Apple en su iPhone y luego las usa con Live Speech para escribir respuestas durante las llamadas telefónicas.
Antes de la cirugía de laringectomía, un paciente trabaja con un logopeda para enviar mensajes con algunas frases personales, como su saludo habitual y un apodo familiar, y también graba suficiente material para construir una voz sintética.
Una familia reúne vídeos caseros y mensajes de voz antiguos para que un servicio de clonación de voz pueda reconstruir la voz de alguien cuyo habla ya arrastra las palabras, porque nuevas grabaciones captarían la discapacidad.
El usuario de un dispositivo de comunicación visual carga su voz sintética personalizada en el software CAA, de modo que todo lo que compone se pronuncia con su propia voz.
El futuro de la banca por voz con IA para la pérdida del habla
Los investigadores están trabajando para mejorar la reparación de la voz a partir de grabaciones cortas o deterioradas, un control más expresivo como el énfasis, la emoción y la risa, y enlaces más rápidos a los dispositivos de comunicación. La investigación sobre la interfaz cerebro-computadora ha demostrado que el habla se decodifica a partir de la actividad neuronal y se habla en una versión sintética de la voz anterior de un participante, pero estos sistemas siguen siendo experimentales y no están ampliamente disponibles. Siguen abiertas cuestiones prácticas: si las aseguradoras y los sistemas de salud pagarán por la banca de voz, cómo las empresas almacenan y protegen los modelos de voz y qué políticas rigen su uso después de la muerte. Los logopedas probablemente seguirán siendo fundamentales para ayudar a las personas a realizar operaciones bancarias tempranas y a elegir herramientas.
Poniéndolo en práctica
Por qué es importante
- Acceso y alcance. Mejora la accesibilidad a través de transcripción, narración e interfaces de voz.
- Costo y presupuesto. Los equipos de medios pueden enviar audio pulido más rápido con presupuestos más pequeños.
- Velocidad y escala. Los sistemas de cara al cliente pueden procesar interacciones habladas a mayor escala.
cuidado con
- Los riesgos de uso indebido de voz y suplantación de identidad aumentan cuando falta el consentimiento.
- La precisión puede disminuir según los acentos, los dialectos o los entornos ruidosos.
- El audio sintético puede confundirse con el habla auténtica sin un etiquetado claro.
Próximos pasos
- Obtenga consentimiento explícito para la captura, clonación y reutilización de voz.
- Pruebe la calidad en diversos oradores y condiciones de fondo.
- Defina cuándo un humano debe revisar o aprobar los resultados.
- Etiquete el audio sintético y mantenga registros de procedencia para la rendición de cuentas.
Sigue explorando
Boletín gratuito
Recibe el resumen diario de IA
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Take the AI Voice Banking for Speech Loss quiz
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
Preguntas frecuentes
¿Qué es la banca por voz con IA para la pérdida del habla?
La banca por voz con IA significa grabar su voz mientras aún puede hablar para que luego una versión sintética pueda leer el texto escrito en voz alta en un teléfono, tableta o dispositivo de comunicación. Es más importante para las personas con ELA, algunos cánceres de cabeza y cuello y otras afecciones que les impiden hablar. Les permite seguir comunicándose con una voz que sus familiares y amigos reconocen en lugar de una voz genérica de computadora.
¿En qué se diferencia la banca por mensajes de la banca por voz?
La banca de mensajes mantiene grabaciones exactas con su emoción original. La banca por voz produce una voz sintética para nuevas oraciones. Mucha gente hace ambas cosas.
¿Por qué una familia podría utilizar vídeos caseros y mensajes de voz antiguos para fortalecer la voz de alguien?
La reparación de la voz utiliza grabaciones realizadas antes de que se cambiara el habla, por lo que la voz reconstruida suena como la voz sana de la persona.
Cuando Apple presentó Personal Voice con iOS 17 en 2023, ¿aproximadamente cuántas frases te pidió que grabaras?
El Personal Voice original creó una voz en el dispositivo a partir de aproximadamente 150 frases grabadas, muchas menos de las que necesitaban los sistemas más antiguos. Las versiones posteriores necesitan aún menos.
¿Por qué los médicos recomiendan realizar operaciones bancarias con anticipación para las personas con ELA?
El habla puede cambiar rápidamente y las grabaciones realizadas mientras la voz aún está sana producen una mejor voz sintética.
¿Qué práctica de grabación mejora una voz bancada?
Las grabaciones consistentes, limpias y sin fatiga le dan al modelo una muestra de voz clara y estable.
sigue aprendiendo
Guías relacionadas
Más guías seleccionadas para este tema.