Ahots sintetiko pertsonalizatuak

Inmaculada Hernáez Rioja, Eva Navas Cordón, Ibon Saratxaga Couceiro, Jon Sánchez de la Fuente

Ahotsa ezinbestekoa da giza komunikaziorako. Ahotsa etengabe erabiltzen dugu eguneroko jardueretan, eta ahotsa galtzeak eragin handia du pertsonen bizitzan. Gainera, hitz egiteko gaitasunaren galera beste gaixotasun edo afekzio motorrekin batera edo ondorioz agertzen da askotan. Beraz, kaltetutako pertsonarentzat komunikatzeko gaitasunak are garrantzia handiagoa hartzen du.

Ahozko ezgaitasuna duten pertsonek, berriz, sostengu-lanabes baliogarria eduki dezakete teknologia berrietan. “Komunikazio alternatibo eta handigarriko sistemak” izeneko sistemen bidez (“komunikadoreak” ere deritzenak) posible da mezu bati dagokion soinu-mezua lortzea. Erabiltzaileak berak sortuko du mezu hau, eraikitzeko behar den interfaze egokiaren bidez. Interfazea desberdina izango da erabiltzailearen behar espezifikoen arabera (adibidez, joystick-ak, ukipen-pantailak edo begiradaren jarraipena egiteko sistemak erabiliz). Mezuaren testutik abiarazita seinale akustikoa osatzen duten sistemei “Testu-ahots bihurgailuak” deritze eta komunikadoreen osagai bat dira. Gehien erabiltzen diren sistema komertzialek ahots-multzo mugatua izaten dute normalean (ezagunak diren ‘Siri’ren edo ‘Google’en laguntzailearen ahotsen modukoak): gizonezkoen zein emakumezkoenak, hizkuntza desberdinetan… erabiltzaileak hautatzeko dituen aukerak mugatuak dira, eta horregatik erabiltzaile batzuek bere burua ahots horrekin identifikatzeko zailtasunak dituzte. Askotan gertatzen da, adibidez, adin txikiko umeek pertsona helduen ahotsak erabili behar izatea, sistema komertzialetan normalean ez delako agertzen haur-ahotsik. Beste ohiko egoera bat hizkuntza minorizatuen hiztunek ahots bakarra izatea da, eta, horren ondorioz, erabiltzaile guztiak ahots bera erabili behar izatea.

Testuinguru honetan sortzen da ZureTTS proiektua, norberaren ezaugarriei egokitutako ahots pertsonalizatuak emateko. Proiektuan, esaldi multzo mugatua erabiliz hiztunaren ahotsarekin antza handia duen bat sortzeko teknika bat garatu da. Horrela, ahotsa galtzeko aurreko faseetan dauden pertsonek (adibidez, AEAren diagnostikoa jasota, edo laringe-minbizia topatu delako) ahots pertsonalizatua erabili ahal izango dute geroago, ahotsa galdu baino lehen grabaketa sorta jakin bat egin bada. Jada ahotsa galdu duten pertsonei, grabaketarik ezin dutenez egin, proiektuak ahots pertsonalizatuen katalogo bat eskaintzen die, era altruistan emandako beste pertsonen grabazioekin lortu dena. 1.200 pertsonak baino gehiagok erabili dute sistema ahotsa emateko edo hau pertsonalizatua lortzeko. Artikuluan lanaren alderik azpimarragarrienak deskribatzen dira.

Erabiltzaileei egindako inkestek erakusten dute gustura daudela ahots sintetikoaren hainbat alderdirekin: gehienen ustez, ahots sintetikoa jatorrizkoaren antzekoa da, atsegina eta argia, baina robotiko samarra. Lan honek garapen jasangarrirako hainbat helburuei laguntzen die. Esaterako, herrialde bakoitzaren barneko eta herrialdeen arteko desberdintasunen murrizketari eta baita kalitatezko hezkuntza inklusiboa nahiz bidezkoa bermatzea errazten duten tresnen eskaintzari ere.

Artikuluaren fitxa:

• Aldizkaria: Ekaia
• Zenbakia: Ale berezia 2021
• Artikuluaren izena: Ahots sintetiko pertsonalizatuak: esperientzia baten deskribapena.
• Laburpena: Ahotsa ezinbestekoa da giza komunikaziorako, eta haren galerak eragin handia du pertsonak gizartean integratzeko prozesuan. Testu-ahots bihurketak ahots sintetikoa eman diezaieke ahozko desgaitasuna duten pertsonei. Irtenbide arruntenek ahots estandarra izaten dute normalean, eta, horregatik, erabiltzaile batzuek zailtasunak dituzte beren burua ahots horrekin identifikatzeko. Horregatik, ahots sintetiko pertsonalizatuak sortu behar dira, eta ahozko desgaitasuna duten pertsonei ahots-katalogo bat eskaini behar zaie, beren beharretara egokitzen den ahots bat aukeratu ahal izan dezaten. ZureTTS proiektuaren helburua ahots pertsonalizatu horiek ematea da, bai gaztelaniaz, bai euskaraz. Ahotsa galduko duten pertsonek edo ahotsik ez dutenei ahotsa eman nahi dieten pertsona altruistek 100 esaldi grabatzen dituzte, AhoMyTTS web-atariaren bidez. Esaldi horiekin, egokitze-prozesu bat egiten da, grabaketako ahotsaren antzeko ahots sintetiko bat sortzeko. Erabiltzaileari sintesi-motor bat ematen zaio ahots pertsonalizatu horrekin batera, ahozko mezuak sortzea eskaintzen duten aplikazioetan erabiltzeko. Gainera, ahots-katalogo bat ere badago, grabaketarik egin ezin duen pertsona batek ahots horien artean gustukoena aukeratu dezan. 1.200 pertsonak baino gehiagok erabili dute sistema hori ahots pertsonalizatu bat lortzeko, eta haietatik 58 hautatu ditugu katalogoan sartzeko. Erabiltzaileei egindako inkestek erakusten dute gustura daudela ahots sintetikoaren hainbat alderdirekin: gehienen ustez, ahots sintetikoa jatorrizkoaren antzekoa da, atsegina eta argia, baina robotiko samarra. Lan honek garapen jasangarrirako 10. helburuari laguntzen dio, herrialde bakoitzaren barneko eta herrialdeen arteko desberdintasunak murriztuz. Era berean, garapen jasangarrirako 4. helburuari ere laguntzen dio, guztiontzako kalitatezko hezkuntza inklusiboa nahiz bidezkoa bermatzea errazten duten tresnak eskainiz.
• Egileak: Inmaculada Hernáez Rioja, Eva Navas Cordón, Ibon Saratxaga Couceiro, Jon Sánchez de la Fuente
• Argitaletxea: UPV/EHUko argitalpen zerbitzua
• ISSN: 0214-9001
• eISSN: 2444-3255
• Orrialdeak: 173-194
• DOI: 10.1387/ekaia.22077

Egileez:

Inmaculada Hernáez Rioja, Eva Navas Cordón, Ibon Saratxaga Couceiro eta Jon Sánchez de la Fuente UPV/EHUko HiTZ zentroko eta Aholab ikerketa-taldeko ikertzaileak dira.

Ekaia aldizkariarekin lankidetzan egindako atala.