La voz se está convirtiendo en la forma de contacto principal entre humanos y máquinas. Si bien es cierto que el tacto todavía es imprescindible en el dispositivo estrella, el móvil, no lo es menos que la utilización de la voz está ganando mucho terreno en términos de usabilidad en los dispositivos tecnológicos más actuales.

Siri, Cortana o el futuro Bixby de Samsung son aplicaciones que permiten que usuarios y dispositivos puedan interactuar a través de la voz. A través del procesamiento de lenguajes naturales, el campo que estudia la relación entre computadoras y lenguaje humano, estas aplicaciones son capaces de aprender nuevos conceptos y, por ende, mejorar la comunicación entre humanos y máquinas.

El timbre, la entonación y la intensidad de la voz de las aplicaciones mencionadas provienen, en varios casos, de personas reales. Con el paso del tiempo sin embargo, la generación de voz a través de inteligencia artificial y lenguaje SSML es lo que se está imponiendo.

Siri es el asistente personal electrónico que marcó un antes y un después en este sector. La artista de narración Susan Bennett fue la primera en ponerle voz a la famosa aplicación de los de Cupertino. La estadounidense lleva años recorriendo los platós del país de las barras y estrellas contando cómo los sonidos producidos por la vibración de sus cuerdas vocales acabaron en los bolsillos de decenas de millones de personas, sin embargo la empresa de la manzana jamás se ha pronunciado sobre si realmente es ella la voz que utiliza el complejo programa.

Posteriormente Siri fue evolucionando y se hizo con las voces de otros artistas para adaptarse a distintos mercados. “Todas las voces originales de Siri alrededor del mundo provienen de un banco de voces digitales que se grabaron en 2005. Por aquél entonces grabé cuatro horas al día, cinco días a la semana, durante un mes. El proceso se llama concatenación. La razón por la que el Siri original fue tan icónico es porque tuvo la primera voz concatenada que sonaba realmente humana”, le contaba Bennet a The Guardian en verano del 2015.

Las grabaciones de las que habla la artista no fueron realizadas por Apple directamente, sino por una compañía independiente especializada en mensajes de voz. Bennet no fue consciente de que su voz era la misma que la de Siri hasta que un amigo le aviso por correo sobre ello en 2011.

La voz de la actriz Jen Taylor es la que utilizó originalmente el asistente de Microsoft, Cortana. Taylor es precisamente la misma persona que puso voz al personaje de la serie de videojuegos Halo que da nombre a la aplicación de la empresa de Bill Gates.

Google no ha contado si utilizó actores durante la creación del asistente Google Now, pero si ha declarado que la voz de la Majel Barrett tiene muchos enteros en el software del conglomerado estadounidense. Barrett le puso voz a varias computadoras en series y películas (Star Trek…), de ahí que Google la tuviera en mente a la hora de dar a luz a la aplicación.

La tendencia en la actualidad es trabajar con inteligencia artificial y lenguaje SSML. Este último es un lenguaje de marcado, con base XML, enfocado a las aplicaciones de asistencia por voz. El lenguaje SSML permite controlar variaciones como el tono, la calidez o la rapidez, sin necesidad de contar con una voz humana previa. El mejor ejemplo de esta combinación, inteligencia artificial y SSML, la encontramos en Alexa, la voz del asistente para el hogar de Amazon, Echo.

La Vanguardia
18/04/2017