Europa financia o desenvolvemento do primeiro simulador de voz real

A fala diferénzanos dos outros mamíferos, é a nosa principal conexión co mundo e ten unha función fundamental na sociedade moderna; non obstante, os procesos físicos involucrados na produción de voz humana son moi complexos. O proxecto EUNISON, financiado pola Unión Europea, céntrase en simular por primeira vez de forma unificada todo o órgano de xeración de voz, recorrendo á supercomputación e estudos experimentais. Os investigadores do proxecto tratan de simular de forma unificada o órgano de xeración da voz: dende a activación neuromuscular básica ata as ondas acústicas emitidas polos labios cando se pronuncia, por exemplo, unha sílaba.

EUNISON permitirá 'visualizar' a voz e terá aplicacións en campos tan diversos como a síntese do fala, a medicina, a logopedia, a biomecánica, a robótica ou, mesmo, no establecemento de novas formas de expresión cultural, entre outros ámbitos, sinalan os participantes, entre os que se encontran o Centro Internacional de Métodos Numéricos en Enxeñaría (CIMNE) e o grupo de investigación en Tecnoloxías Media (GTM) de La salle R&D.

Para os médicos, que necesitan coñecer como se orixinan os problemas coa voz e como deben ser diagnosticados e tratados, unha visualización precisa e dinámica da biomecánica conduciríaos a un progreso significativo. Por outra parte, as simulacións animadas do que realmente sucede no interior do corpo humano durante o fala e o canto serían de grande axuda para os estudantes de idiomas e de artes vocais, polo que se fai necesaria unha simulación detallada da voz humana, tanto para a ciencia coma para numerosas e diversas aplicacións.

Os segredos da voz

Tras décadas de investigación, os expertos da fala aínda están buscando como facer que as voces artificiais, como as que facilitan a relación persoa-máquina, soen do xeito máis natural posible. 

Os principios da física clásica son a base para lograr unha simulación computacional da produción da voz humana. A maioría das estratexias de modelado actuais buscan, principalmente, xerar só o sinal acústico da voz e adoptar numerosas aproximacións e simplificacións para lograr este obxectivo.

Por exemplo, as sínteses de voz que se comercializan non se basean nos principios físicos, senón que recorren a elaborar concatenacións de segmentos de audio previamente gravados. EUNISON trata de simular de forma máis directa a física pola que o corpo produce o sinal de voz.

Neste sentido, a achega do equipo do CIMNE neste proxecto, encabezada polo profesor Ramón Codina, céntrase concretamente na simulación numérica, mediante grandes supercomputadores, do fluxo de aire que resulta na xeración de son e da voz no interior do corpo humano, concretamente no tracto bucal.

O proxecto, que arrancou en marzo de 2013, obterá resultados dentro dun ano, aproximadamente, e permitirá 'visualizar' a voz, así como dar pistas para saber como funciona e a forma en que esta falla. A longo prazo, prevese un modelo computacional detallado da voz humana que poida ser controlado cos sinais de entrada a diferentes niveis de representación: topolóxico, neuromotórico ou fonético.

Aplicacións

Como motor de simulación, terá aplicacións en campos tan diversos como a medicina, a otorrinolaringoloxía, a logopedia, a síntese do fala, a comunicación home-máquina, a robótica, a biomecánica, así como a influencia no establecemento de novas formas de expresión cultural.

O método desta investigación é conseguir un dominio computacional unificado, no que a dinámica de sólidos, fluídos/gases e as ondas acústicas se moldean simultáneamente, trátase dun potencial grande avance. O reto computacional central é estender a metodoloxía actual de maneira que poida facer fronte á mecánica de sólidos, colisións elásticas, interaccións de estruturas fluídas, a aerodinámica e a acústica a este tempo. 

O desafío loxístico é combinar o coñecemento de diversos campos, co fin de formular e simular o conxunto detallado das estruturas e os sinais de control que o modelo require para que se comporten de forma realista. O desafío experimental é realizar experimentos de laboratorio con réplicas físicas para ir refinando continuamente a comprensión da física dos procesos de fonación e articulatorios, mentres se confrontan e validan as simulacións numéricas.

EUNISON, financiado no marco do proxecto Future Emerging Technologies (FET)-OPEN da Unión Europea, está liderado polo Royal Institute of Technology (KTH) de Estocolmo e, ademais da UPC, tamén conta coa participación de La salle Campus Barcelona-URL, a Friedrich Alexander Universität Erlangen Nürnberg (FAU) de Nuremberg e o Centre National de la Recherche Scientifique (CNRS) de Grenoble.