Las voces computarizadas más naturales -ya sea Siri de Apple o Alexa de Amazon- siguen sonando algo robotizadas. Lyrebird está tratando de cambiar eso con un sistema de inteligencia artificial que aprende a imitar la voz de una persona analizando grabaciones de voz y las transcripciones de texto correspondientes. Introducido la semana pasada, la síntesis del habla de Lyrebird puede generar miles de oraciones por segundo e imitar casi cualquier voz. La habilidad de generar habla natural ha sido el desafío central para los programas informáticos que transforman el texto en palabras habladas.
El sistema de Lyrebird puede aprender las pronunciaciones de personajes, fonemas y palabras en cualquier voz escuchando horas de audio hablado. Desde allí puede generar oraciones completamente nuevas e incluso agregar diferentes entonaciones y emociones. La clave del enfoque de Lyrebird son las redes neuronales artificiales que dependen de técnicas de aprendizaje profundo para transformar bits de sonido en voz. Una red neural toma los datos y aprende los patrones fortaleciendo las conexiones entre unidades acodadas neuronales. Después de aprender a generar el habla, el sistema puede adaptarse a cualquier voz basándose sólo en una muestra de un minuto del habla de alguien.
Lyrebird mostró su sistema usando las voces de figuras políticas estadounidenses Donald Trump, Barack Obama y Hillary Clinton en una conversación sintetizada sobre el propio arranque.
La compañía planea vender el sistema a los desarrolladores para su uso en una amplia gama de aplicaciones, incluyendo asistentes personales de IA, narración de libros de audio y síntesis de voz para personas con discapacidades.
