Rupal Patel: Synthetic voices, as unique as fingerprints

Rupal Patel: Voces sintéticas, tan únicas como las huellas digitales

Traductor: mariana vergnano Revisor: Emma Gon

I'd like to talk today

Quisiera hablarles hoy

about a powerful and fundamental aspect

acerca de un aspecto poderoso y fundamental

of who we are: our voice.

sobre quienes somos: nuestra voz.

Each one of us has a unique voiceprint

Cada uno de nosotros tenemos una impresión de voz única

that reflects our age, our size,

que refleja nuestra edad, tamaño,

even our lifestyle and personality.

incluso nuestro estilo de vida y personalidad.

In the words of the poet Longfellow,

En palabras del poeta Longfellow,

"the human voice is the organ of the soul."

"La voz humana es el órgano del alma".

As a speech scientist, I'm fascinated

Como científica de la voz, me fascina

by how the voice is produced,

cómo se produce la voz

and I have an idea for how it can be engineered.

y tengo una idea de cómo puede ser diseñada.

That's what I'd like to share with you.

Eso es lo que me gustaría compartir con ustedes.

I'm going to start by playing you a sample

Comenzaré reproduciéndoles un ejemplo

of a voice that you may recognize.

de voz que tal vez reconozcan.

(Recording) Stephen Hawking: "I would have thought

(Audio) Stephen Hawking: "Yo hubiera pensado que

it was fairly obvious what I meant."

era bastante obvio lo que quise decir ".

Rupal Patel: That was the voice

Rupal Patel: Esa es la voz

of Professor Stephen Hawking.

del Profesor Stephen Hawking.

What you may not know is that same voice

Lo que pueden no saber es que la misma voz

may also be used by this little girl

también puede ser utilizada por esta niña

who is unable to speak

que es incapaz de hablar

because of a neurological condition.

debido a una condición neurológica.

In fact, all of these individuals

De hecho, todos estos individuos

may be using the same voice,

podrían utilizar la misma voz,

and that's because there's only a few options available.

y eso es porque sólo hay unas pocas opciones disponibles.

In the U.S. alone, there are 2.5 million Americans

Sólo en los EE.UU., hay 2.5 millones de estadounidenses

who are unable to speak,

que no pueden hablar,

and many of whom use computerized devices

y muchos de ellos utilizan dispositivos computarizados

to communicate.

para comunicarse.

Now that's millions of people worldwide

Ahora esos millones de personas alrededor del mundo

who are using generic voices,

están usando voces genéricas,

including Professor Hawking,

incluyendo al Profesor Hawking,

who uses an American-accented voice.

quien usa una voz con acento americano.

This lack of individuation of the synthetic voice

Esta falta de individualización de la voz sintética

really hit home

realmente me impactó

when I was at an assistive technology conference

cuando estaba en una conferencia de tecnología de asistencia

a few years ago,

hace algunos años,

and I recall walking into an exhibit hall

y recuerdo entrar en una sala de exposiciones

and seeing a little girl and a grown man

y ver a una niña y un hombre adulto

having a conversation using their devices,

teniendo una conversación usando sus dispositivos,

different devices, but the same voice.

diferentes dispositivos, pero la misma voz.

And I looked around and I saw this happening

Y miré alrededor y vi que esto sucedía

all around me, literally hundreds of individuals

a todo mi alrededor, literalmente cientos de individuos

using a handful of voices,

utilizando un puñado de voces,

voices that didn't fit their bodies

voces que no encajaban con sus cuerpos

or their personalities.

o sus personalidades.

We wouldn't dream of fitting a little girl

No se nos ocurriría encajar una niña

with the prosthetic limb of a grown man.

con la prótesis de un hombre adulto.

So why then the same prosthetic voice?

Entonces ¿por qué la misma voz protésica?

It really struck me,

Realmente me llamó la atención,

and I wanted to do something about this.

y yo quería hacer algo sobre esto.

I'm going to play you now a sample

Les reproduciré un ejemplo

of someone who has, two people actually,

de alguien que tiene, más bien dos personas,

who have severe speech disorders.

que tienen trastornos graves del habla.

I want you to take a listen to how they sound.

Quiero que escuchen cómo suenan.

They're saying the same utterance.

Están diciendo el mismo enunciado.

(First voice)

(Primera voz)

(Second voice)

(Segunda voz)

You probably didn't understand what they said,

Probablemente no entendieron que decían,

but I hope that you heard

pero espero que ustedes hayan oido

their unique vocal identities.

sus identidades vocales únicas.

So what I wanted to do next is,

Así que lo que quisé hacer a continuación,

I wanted to find out how we could harness

fue averiguar cómo podíamos aprovechar

these residual vocal abilities

estas habilidades vocales residuales

and build a technology

y construir una tecnología

that could be customized for them,

que pudiera personalizarse,

voices that could be customized for them.

voces que pudieran ser personalizadas para ellos.

So I reached out to my collaborator, Tim Bunnell.

Así que me acerqué a mi colaborador, Tim Bunnell.

Dr. Bunnell is an expert in speech synthesis,

El Dr. Bunnell es un experto en la síntesis de voz,

and what he'd been doing is building

y lo que él ha estado haciendo es la construcción de

personalized voices for people

voces personalizadas para las personas

by putting together

juntando

pre-recorded samples of their voice

muestras pre-grabadas de su voz

and reconstructing a voice for them.

y reconstruyendo una voz para ellos.

These are people who had lost their voice

Se trata de personas que habían perdido su voz

later in life.

más tarde en la vida.

We didn't have the luxury

No teníamos el lujo

of pre-recorded samples of speech

de muestras pregrabadas del habla

for those born with speech disorder.

para los nacidos con un trastorno del habla.

But I thought, there had to be a way

Pero pensé que tenía que haber una manera

to reverse engineer a voice

de hacer ingeniería inversa de una voz

from whatever little is left over.

de lo poco que quedaba.

So we decided to do exactly that.

Así que decidimos hacer exactamente eso.

We set out with a little bit of funding from the National Science Foundation,

Nos pusimos en marcha con financiación de la Fundación Nacional de Ciencias,

to create custom-crafted voices that captured

para crear voces diseñadas a medida que capturaran

their unique vocal identities.

sus identidades vocales únicas.

We call this project VocaliD, or vocal I.D.,

Llamamos a este proyecto VocaliD o I.D. vocal,

for vocal identity.

por identidad vocal.

Now before I get into the details of how

Ahora, antes de entrar en los detalles de cómo

the voice is made and let you listen to it,

la voz se crea y les permite que la escuchen,

I need to give you a real quick speech science lesson. Okay?

necesito darles una muy rápida lección de ciencias del habla ¿de acuerdo?

So first, we know that the voice is changing

Así que en primer lugar, sabemos que la voz está cambiando

dramatically over the course of development.

drásticamente durante el curso del desarrollo.

Children sound different from teens

Los niños suenan diferente a los adolescentes

who sound different from adults.

quienes suenan diferente de los adultos.

We've all experienced this.

Todos hemos experimentado esto.

Fact number two is that speech

El hecho número dos es que el habla

is a combination of the source,

es una combinación de la fuente,

which is the vibrations generated by your voice box,

que son las vibraciones generadas por la caja de la voz,

which are then pushed through

que luego son empujadas a través

the rest of the vocal tract.

del resto del tracto vocal.

These are the chambers of your head and neck

Estas son las cámaras de su cabeza y cuello

that vibrate,

que vibran,

and they actually filter that source sound

y que filtran el sonido de la fuente

to produce consonants and vowels.

para producir consonantes y vocales.

So the combination of source and filter

Entonces, de la combinación de la fuente y el filtro

is how we produce speech.

es cómo se produce el habla.

And that happens in one individual.

Y eso sucede en cada individuo.

Now I told you earlier that I'd spent

Ahora, les dije antes que yo he pasado

a good part of my career

una buena parte de mi carrera

understanding and studying

tratando de entender y estudiando

the source characteristics of people

las características de la fuente de las personas

with severe speech disorder,

con severos trastornos del habla,

and what I've found

y lo que encontré

is that even though their filters were impaired,

es que a pesar de que sus filtros fueron perjudicados,

they were able to modulate their source:

eran capaces de modular su fuente:

the pitch, the loudness, the tempo of their voice.

el tono, la intensidad, el ritmo de su voz.

These are called prosody, and I've been documenting for years

Estos se llaman prosodia, y he estado documentando desde hace años

that the prosodic abilities of these individuals

que las habilidades prosódicas de estos individuos

are preserved.

se conservan.

So when I realized that those same cues

Así que cuando me di cuenta de que esas mismas señales

are also important for speaker identity,

son tan importantes para la identidad del interlocutor,

I had this idea.

tuve esta idea.

Why don't we take the source

¿Por qué no tomamos la fuente

from the person we want the voice to sound like,

de la persona de la que queremos que la voz suene igual,

because it's preserved,

porque se ha conservado,

and borrow the filter

y pedimos prestado el filtro

from someone about the same age and size,

a alguien de la misma edad y tamaño,

because they can articulate speech,

porque ellos pueden articular el habla,

and then mix them?

y luego, las mezclamos?

Because when we mix them,

Porque cuando las mezclamos,

we can get a voice that's as clear

podemos obtener una voz que es tan clara

as our surrogate talker --

como nuestro hablante sustituto

that's the person we borrowed the filter from—

--la persona a la que pedimos prestado el filtro--

and is similar in identity to our target talker.

y es similar en identidad a nuestro hablante objetivo.

It's that simple.

Es así de simple.

That's the science behind what we're doing.

Esa es la ciencia detrás de lo que estamos haciendo.

So once you have that in mind,

Así que una vez que tienes eso en mente,

how do you go about building this voice?

¿cómo construyes esta voz?

Well, you have to find someone

Bueno, tienes que encontrar alguien

who is willing to be a surrogate.

que esté dispuesto a ser un sustituto.

It's not such an ominous thing.

No es una cosa tan ominosa.

Being a surrogate donor

Ser un donante sustituto

only requires you to say a few hundred

sólo requiere que digas de algunos cientos

to a few thousand utterances.

a unos pocos miles de expresiones.

The process goes something like this.

El proceso es algo como esto.

(Video) Voice: Things happen in pairs.

(Video) Voz: Las cosas suceden de a pares.

I love to sleep.

Amo dormir.

The sky is blue without clouds.

El cielo es azul sin nubes.

RP: Now she's going to go on like this

RP: Ahora ella va a seguir así

for about three to four hours,

entre cerca de tres a cuatro horas,

and the idea is not for her to say everything

y la idea no es que ella dijera todo

that the target is going to want to say,

lo que el objetivo va a querer decir,

but the idea is to cover all the different combinations

pero la idea es cubrir todas las diferentes combinaciones

of the sounds that occur in the language.

de los sonidos que se producen en el lenguaje.

The more speech you have,

Cuanto más habla tienes,

the better sounding voice you're going to have.

tendrás una voz que suena mejor.

Once you have those recordings,

Una vez que tienes esas grabaciones,

what we need to do

lo que necesitamos hacer es

is we have to parse these recordings

analizar gramaticalmente estas grabaciones

into little snippets of speech,

en pequeños fragmentos del habla,

one- or two-sound combinations,

una --o dos-- combinaciones de sonido,

sometimes even whole words

a veces incluso palabras enteras

that start populating a dataset or a database.

comienzan a llenar un conjunto de datos o una base de datos.

We're going to call this database a voice bank.

Llamaremos a esta base de datos un banco de voz.

Now the power of the voice bank

El poder de este banco de voz

is that from this voice bank,

es que a partir de este banco de voz,

we can now say any new utterance,

ahora podemos decir cualquier nuevo enunciado,

like, "I love chocolate" --

del tipo, "Me encanta el chocolate",

everyone needs to be able to say that—

todos necesitamos poder decir eso,

fish through that database

pescar a través de esa base de datos

and find all the segments necessary

y encontrar todos los segmentos necesarios

to say that utterance.

para decir ese enunciado.

(Video) Voice: I love chocolate.

(Video) Voz: Me encanta el chocolate.

RP: So that's speech synthesis.

RP: Eso es la síntesis de voz.

It's called concatenative synthesis, and that's what we're using.

Se llama síntesis por concatenación, y eso es lo que estamos usando.

That's not the novel part.

Esa no es la mejor parte.

What's novel is how we make it sound

Lo novedoso es cómo hacemos que suene

like this young woman.

como esta joven mujer.

This is Samantha.

Ella es Samantha.

I met her when she was nine,

La conocí cuando ella tenía 9 años,

and since then, my team and I

y desde entonces, mi equipo y yo

have been trying to build her a personalized voice.

hemos estado tratando de construir una voz personalizada para ella.

We first had to find a surrogate donor,

Primero tuvimos que encontrar un donante sustituto,

and then we had to have Samantha

y luego tuvimos que pedirle a Samantha

produce some utterances.

que produjera algunos enunciados.

What she can produce are mostly vowel-like sounds,

Lo sonidos que más puede producir son de vocales,

but that's enough for us to extract

pero eso nos es suficiente para extraer

her source characteristics.

las características de su fuente.

What happens next is best described

Lo que sucede luego es mejor explicado

by my daughter's analogy. She's six.

con la analogía de mi hija que tiene 6 años.

She calls it mixing colors to paint voices.

Ella lo llama mezclar colores para pintar voces.

It's beautiful. It's exactly that.

Es hermoso. Es exactamente eso.

Samantha's voice is like a concentrated sample

La voz de Samantha es un ejemplo concentrado

of red food dye which we can infuse

de colorante alimentario rojo que podemos infundir

into the recordings of her surrogate

en las grabaciones de su sustituto

to get a pink voice just like this.

para conseguir una voz rosa al igual que esta.

(Video) Samantha: Aaaaaah.

(Video) Samantha: Aaaaaah.

RP: So now, Samantha can say this.

RP: Así que ahora, Samantha puede decir esto.

(Video) Samantha: This voice is only for me.

(Video) Samantha: Esta voz es sólo para mí.

I can't wait to use my new voice with my friends.

No puedo esperar para usar mi nueva voz con mis amigos.

RP: Thank you. (Applause)

RP: Gracias. (Aplausos)

I'll never forget the gentle smile

Nunca olvidaré la amable sonrisa

that spread across her face

que se extendió por su cara

when she heard that voice for the first time.

cuando escuchó esa voz por primera vez.

Now there's millions of people

Hay millones de personas

around the world like Samantha, millions,

alrededor del mundo como Samantha, millones,

and we've only begun to scratch the surface.

y nosotros sólo hemos empezado a rascar la superficie.

What we've done so far is we have

Lo que hemos hecho hasta ahora es que tenemos

a few surrogate talkers from around the U.S.

unos hablantes sustitutos a lo ancho de los EE.UU.

who have donated their voices,

quienes han donado sus voces,

and we have been using those

y hemos estado usándolas

to build our first few personalized voices.

para construir nuestras primeras voces personalizadas.

But there's so much more work to be done.

Pero hay mucho más trabajo por hacer.

For Samantha, her surrogate

Para Samantha, su sustituta

came from somewhere in the Midwest, a stranger

vino de algún lugar del Medio Oeste, una extraña

who gave her the gift of voice.

que le regaló su voz.

And as a scientist, I'm so excited

Como científica, estoy tan emocionada

to take this work out of the laboratory

de llevar este trabajo fuera del laboratorio

and finally into the real world

y finalmente al mundo real

so it can have real-world impact.

para que pueda tener un impacto real en el mundo.

What I want to share with you next

Lo que a continuación quiero compartirles

is how I envision taking this work

es cómo me imagino llevando este trabajo

to that next level.

a ese siguiente nivel.

I imagine a whole world of surrogate donors

Imagino un mundo de donantes sustitutos

from all walks of life, different sizes, different ages,

de todos los ámbitos de la vida, de diferentes tamaños, diferentes edades,

coming together in this voice drive

que se unen en este disco de voz

to give people voices

para darle a las personas voces

that are as colorful as their personalities.

tan coloridas como sus personalidades.

To do that as a first step,

Para hacer eso, como primer paso,

we've put together this website, VocaliD.org,

hemos colocado este sitio, VocaliD.org,

as a way to bring together those

como una forma de reunir a aquellos

who want to join us as voice donors,

quienes quieran unírsenos como donantes de voz,

as expertise donors,

como donantes de experiencia,

in whatever way to make this vision a reality.

en lo que sea posible para hacer de esta visión una realidad.

They say that giving blood can save lives.

Dicen que la donación de sangre puede salvar vidas.

Well, giving your voice can change lives.

Bueno, dar su voz puede cambiar vidas.

All we need is a few hours of speech

Todo lo que necesitamos es un par de horas de habla

from our surrogate talker,

de nuestro hablante sustituto,

and as little as a vowel from our target talker,

y por lo menos una vocal de nuestro habladante objetivo,

to create a unique vocal identity.

para crear una identidad de voz única.

So that's the science behind what we're doing.

Así que esa es la ciencia detrás de lo que estamos haciendo.

I want to end by circling back to the human side

Quiero terminar regresando a la parte humana

that is really the inspiration for this work.

que es realmente la inspiración para este trabajo.

About five years ago, we built our very first voice

Hace unos cinco años, construímos nuestra primera voz

for a little boy named William.

para un pequeño niño llamado William.

When his mom first heard this voice,

Cuando su madre escuchó por primera vez su voz,

she said, "This is what William

ella dijo, "Así es como William

would have sounded like

habría sonado

had he been able to speak."

si hubiera sido capaz de hablar ".

And then I saw William typing a message

Y entonces vi a William escribir un mensaje

on his device.

en su dispositivo.

I wondered, what was he thinking?

Y pensé, ¿que estará pensando?

Imagine carrying around someone else's voice

Imagínense llevando con ustedes la voz de otro

for nine years

por nueve años

and finally finding your own voice.

y finalmente encontrar tu propia voz.

Imagine that.

Imaginen eso.

This is what William said:

Esto es lo que William dijo:

"Never heard me before."

"Nunca antes me había escuchado".

Thank you.

Gracias.

(Applause)

(Aplausos)