Ingenieros enseñaron a la IA a coquetear y declarar su amor

Las personas somos increíblemente complejas por naturaleza, y la voz desempeña un papel decisivo al ayudarnos a comunicarnos con el mundo que nos rodea. De media, una persona tiene más de 6200 pensamientos al día y más de 27 categorías de emociones para entender lo que sentimos. Precisamente eso hace que el habla sea tan profundamente dinámica.

¿Cuáles son las primeras palabras que se nos vienen a la mente al pensar en la inteligencia artificial? ¿Quizás lógica, frialdad e insensibilidad? Contra todo pronóstico, los sistemas de IA podrían convertirse en los nuevos Romeo o Julieta.

El equipo de desarrolladores que trabaja en Sonantic, una empresa tecnológica innovadora en plataformas de voz con IA, ha mejorado el juego de coqueteo de la IA dotándola de la capacidad de respirar, suspirar y reír. Estos sonidos, parecidos a los humanos, pueden añadir justo un poco de la conexión emocional que requiere cualquier romance próspero.

«En Sonantic nos esforzamos por imitar la voz humana. Nuestros modelos de voz creados con inteligencia artificial pueden expresar una amplia gama de emociones intensas. Y, sin embargo, gran parte de la comunicación verbal se compone de matices. Las mejores interpretaciones muestran una verdadera complejidad, vulnerabilidad y autenticidad, y la sutileza es un componente esencial de la comunicación hábil. Como dice el viejo refrán, “no importa lo que dices, sino cómo lo dices”. Nadie entiende este concepto mejor que los narradores y los actores. Nuestros últimos avances —las emociones sutiles y los sonidos no verbales— crean un potencial ilimitado para nuestros clientes, como nunca antes», declaró la compañía. 

Aunque estos sonidos naturales añadidos son novedades, Sonantic ya sabe hablar de forma juguetona y provocadora, algo importante para cualquier Romeo o Julieta en ciernes.

Para conocer más de cerca este impresionante desarrollo, conviene ver el anuncio de Sonantic en YouTube. Es el día de San Valentín. La voz de la chica suena completamente natural y muy tranquilizadora, especialmente con los suspiros y las risas que se integran tan bellamente en su discurso.

Por eso sorprende tanto cuando la chica de pronto hace su confesión: «No soy real. Nunca nací. Y nunca moriré. Porque no existo».

Sonantic también mostró la interfaz del programa utilizado para generar la voz. En ella, el usuario puede cambiar el ritmo del habla, ajustar la entonación, el estilo y la velocidad, y añadir diversos sonidos entre las palabras.

Perfeccionar las emociones sutiles es más difícil desde el punto de vista tecnológico. Los modelos de voz con IA suelen hacer que las emociones suenen apagadas. Cuanto más sutiles son, más probabilidades hay de que se amortigüen y suenen robotizadas. Los ingenieros investigaron métodos para garantizar que sus modelos de voz contrarresten este efecto de atenuación, manteniendo intacta la sutileza de las emociones. La compañía presentó a sus clientes nuevos estilos, como «coqueto», «tímido» y «provocador».

Pensándolo bien, la comunicación es mucho más que palabras. Hay pausas, inspiraciones profundas, gemidos y exclamaciones que aportan una idea adicional de lo que pensamos y sentimos en cada momento. Son precisamente estos sonidos no verbales los que dan vida a nuestras conversaciones. Incluso algo tan simple como la respiración, que nos parece normal, influye en cómo suena la voz humana natural. Sin estos pequeños detalles, nuestras conversaciones sonarían mecánicas y monótonas.

En Sonantic informaron de que sus modelos de voz con IA ahora pueden respirar, reír e incluso burlarse. La compañía siempre ha trabajado con los actores de doblaje más talentosos para entrenar su motor de voz, y esta última evolución no fue diferente. Pero las emociones sutiles pueden resultar difíciles incluso para los intérpretes más experimentados, y a menudo se necesitan varias tomas para transmitirlas correctamente. 

Los ingenieros reescribieron los guiones, dedicaron más tiempo a la preparación, grabaron más tomas y dieron a los actores total libertad creativa. Al final, esto aportó material dinámico, versátil y con múltiples capas para trabajar.

Captar los sonidos no verbales fue una tarea complicada, y los investigadores tuvieron que experimentar con nuevos algoritmos hasta lograr el resultado deseado. En los primeros intentos, todo sonaba distorsionado y robotizado. Pero gracias a un excelente trabajo conjunto y a la colaboración entre los equipos de investigación, información e ingeniería, desarrollaron nuevos algoritmos patentados que permitieron captar estos matices.

Para mostrar sus avances innovadores, los ingenieros rodaron un vídeo titulado «¿Cuál es su secreto?». Es la demostración de producto más realista que Sonantic ha creado jamás.

«Cuando concebimos el vídeo, decidimos centrarnos en el tema del amor, porque es entonces cuando nos sentimos más vulnerables. La voz tranquila y reconfortante de la chica vacila ligeramente cuando pregunta: “¿Qué se necesita para que te enamores de mí?”. Mientras escuchas el monólogo, fíjate en cuándo ríe, respira o suspira en los momentos justos. El vídeo sorprende a los espectadores cuando se descubre que la mujer en pantalla es una persona real, y que el protagonista que habla es una inteligencia artificial», declaró la compañía. 

Estos avances en síntesis de voz hacen que la plataforma de Sonantic sea más completa. La compañía se complace en ofrecer nuevas posibilidades a sus clientes. Los ingenieros afirmaron que están creando herramientas realmente potentes para actores de doblaje y estudios de entretenimiento, con el fin de seguir desarrollando innovaciones de voz en el futuro.

La síntesis de voz de la empresa ya se utiliza en la producción de películas de Hollywood y videojuegos. Pueden expresar alegría y tristeza, y ahora también coqueteo. En agosto de 2021, Sonantic aplicó sus desarrollos para recrear la voz del actor Val Kilmer, que perdió la capacidad de hablar a causa del tratamiento de un cáncer de laringe.