bizigiro
Ahots sintetikoa, baina norberarena
Jakes Goikoetxea
Euskal Herriko Unibertsitatearen Bilboko Ingeniaritza Eskolako katedraduna eta Aholab ikerketa taldeko ikertzaile nagusia da Hernaez. Ahotsaren prozesamendu teknologietan aditua.
Urte haietan bat egin zuten Hernaezen ahizparen minbiziak eta ahots sintesirako teknika berriek. «Teknika horiekin», azaldu du Hernaezek, «posible zen ahotsaren egokitzapena egitea». Beste era batera esanda: «Ahots sintetiko pertsonalizatua egiteko aukera bor-bor zegoen». Hau da, gailu elektronikoetan testuak ahoz gora esateko erabili ahal den ahotsa, sintetikoa bai, artifiziala bai, baina pertsonalizatua izan zitekeen. Norberarena edo norberarenaren oso antzekoa.
Hernaezen ahizpak arriskua zuen minbiziaren eta tratamenduen eraginez hitz egiteko zailtasunak izateko eta, kasurik okerrenean, ahotsa galtzeko. «Ahotsa grabatuko dizut», esan zion Hernaezek, egoera ikusita. «Hartu esaldi hauek, irakurri eta grabatu». Grabazioa hartu eta ahots sintetizadore pertsonalizatua sortu zion. Ahizparen ahotsarekin.
Ahizpak ahotsa galdu zuen, eta gaur egun sintetizadorearen bidez komunikatzen da. Esan nahi duena sakelakoan, tabletean edo ordenagailuan idazten du, eta gailuek ahoz gora esaten dute idatzitakoa. Nortasun jakinik gabeko ahots batekin esan beharrean, bere ahotsarekin, ordea. Bere sentitzen duen ahotsarekin.
Dena den, ahots sintetikoetan sekulako jauzia egin da urteotan, eta horietako askok atzean utzi dute ahots metaliko ezizena. Jada ez dira tabako makinetako, gasolindegietako eta igogailuetako ahots dardaratzaile eta robotikoak. «Ahots sintetikoa izugarri naturala da gaur egun ere, ez zara konturatuko sintetikoa dela», Hernaezen iritziz.
Aukerarik ez
«Harrigarria zen zer egin zitekeen». Ahots sintetikoak garatzeko aukerez ari da. «Baina hori ez zen helarazten, ez zitzaien iristen komunikatzeko premia zuten pertsonei, teknologia hori ezin zuten erabili». Zergatik? Ez zeukatelako horretarako produkturik. «Momentu horretan konturatu nintzen zer garrantzitsua zen, hain zuzen, eskueran geneukan teknologia erabilgarria eta eskuragarria izatea benetan eguneroko bizitzan behar dutenentzat».
Horregatik, ikerketa lerro bat abian jarri zuen Aholaben, ahots sintetiko pertsonalizatua eskaintzeko. Guztiei: bai hitz egiteko arazoak dituztenei, bai ahotsa galdu dutenei eta baita hitz egiteko arazorik ez dutenei ere.
Aplikazio bat sortu zuten Android eskuko telefonoetako sistema eragilerako. Appleren iOS sistema eragilerako ere badaukate; baina, oraingoz, Aholabekoek jartzen diete behar dutenei. iOSekoa ere erabiltzaileak egin ahal izateko sistema garatzen ari dira.
Aholabek, gainera, elkartasun ekinbide bat jarri zuen abian: ahotsen banku bat. Hitz egiteko zailtasunak dituztenei edota ahotsa galdu dutenei pertsona baten ahotsa emateko ekinbidea, haiek ere pertsona baten ahots sintetikoa izan zezaten. Ahots sintetiko neutro bat izan beharrean, haien ahotsaren antzeko bat edo, antzekoa izan gabe, gustukoa.
Ahotsen bankua ahotsak bilduz joan da urtetik urtera, pixkana-pixkana. 600 inguru zituen iazko urte bukaeran. Abenduaren 24an, ordea, sistemak gainezka egin zuen. 3.000 ahots baino gehiagora iritsi zen.
Zer gertatu zen? Aholaben ahots bankua ezagun bihurtu zela. Ahots bankua birala bihurtu zela. Alvaro Medina kazetariak hari bat idatzi zuen Twitterren, abenduaren 23an, ahotsa galtzeaz eta Aholaben proiektuaz: «Inoiz planteatu al duzu zer izango litzatekeen ahotsa galtzea? AEA alboko esklerosi amiotrofikoa duten gaixoek hitz egiteko gaitasuna galtzen dute, eta testu-audio sintetizadore baten bidez komunikatu behar dute. Eta zure ahotsa oparitu ahal izango bazenie?». Txio horrekin abiatu zuen haria. 13.000 lagun inguruk birtxiokatu zuten eta beste hainbestek adierazi zuten atsegin zutela.
Eta garrantzitsuena: 3.000 lagunek grabatu zituzten beren ahotsak Aholaben webgunean, ahots bankurako, gehienak gaztelaniaz. Baina sistemak gainezka egin zuen, eta buelta eman ezinik dabil oraindik ere. Aholabeko arduradunek espero dute urtarrilaren amaierarako izango dutela berriro prest. Martxoan eskaini nahi dute webgune berritua.
Aita-semeek ahots bera
Egun batzuk geroago, Medinak erreportaje bat kaleratu zuen eldiario.es-en, bere aita Luisen kasua azalduz. Aitak AEA Alboko esklerosi amitorofikoa dauka, eta hitz egiteko zailtasunak ditu. Ahots sintetizadoreak erabiltzen ditu komunikatzeko. Hasieran, gailuek eskaintzen zuten sintetizadorea baliatzen zuen; gero, ordea, semeak Aholaben bidez emandako ahotsa. Ahots bera dute, beraz, biek: aitak semearena, sintetizatua; semeak berezkoa.
AEA duten pertsonak dira ahots bankuaren erabiltzaileetako batzuk. Baita laringea kendu dietenak ere. Ahots bankuko ahotsen bat nahi izanez gero, webgunean bertan aukera dezakete, katalogoan; baina gero Aholabeko ordezkariekin jarri behar dute harremanetan, eskuratzeko.
Ahotsa eman. Ahots bankuan ahotsa eman egiten baita. Nahi duenak bere ahotsa graba dezake, beretzat edo besteentzat. Ordenagailu bat eta mikrofono bat behar dira. Mikrofono on batekin egitea gomendatu du Hernaezek. Ez da komeni sakelako telefonotik egitea. Aholabek grabazio gela bat ere badauka bere egoitzan, eta hara joan izan dira ahotsa galtzeko arriskua duten gaixoak, grabazioaren kalitate ona ziurtatu ahal izateko.
Hasteko, proiektuaren webgunean sartu behar da (http://eaholab.ehu.eus/ahomytts), eta izena eman. Webgunea orain ez dago zabalik. Gero, hizkuntza aukeratuta, webguneko ehun esaldi irakurri behar dira. Esaldiak grabatu, botoi bat sakatu eta gero, ahotsa prest dagoenean, mezu bat jasotzen da, Interneteko lotura batekin. Loturan klikatu, eta aplikazioa eskuratzen da. Sakelakoaren ezarpenetan ahots sintesiari dagokion atalera joan, eta Aholaben aplikazioa aukeratu behar da. Aplikazioa euskaraz eta gaztelaniaz eskaintzen dute. Gabonetako ahots oldearen ondoren, katalanekoa asko eskatu diete.
Batez besteko ahotsa
Prozesu sinple horren atzean, baina, hainbat prozesu konplexu daude. Ehun esaldiak, esaterako, ez dira edozein esaldi: «Soinu guztiak beren testuinguru guztietan agertzeko aukeratu ditugu».
Aholaben ahots sintetikoa pertsonalizatu egiten dute, ez dute pertsona bakoitzarentzat ahots sintetiko bat sortzen, hutsetik. «Hizkuntza bateko grabazio ezberdin guztiekin batez besteko ereduak sortzen ditugu, batez besteko ahots bat, inorena ez den ahots bat», Hernaezek azaldu duenez. Ahots hori izango da pertsonalizazioaren oinarria. «Gure kasuan, ehun esaldi horien bidez pertsona horren ahotsaren parametro berriak jasotzen ditugu, eta batez besteko ahotsaren eredu estatistikoak egokitu egiten dira parametro berrietara». Euskarazko batez besteko ahotsaren kalitatea nabarmendu du Hernaezek.
Parametroak. Ahotsaren seinalea parametro ezberdinetan sailkatzen da: doinua, soinuaren sormena... «Soinuen ereduak dira», zehaztu du Hernaezek. Eta parametro horiekin sortzen dituzte eredu estatistikoak. «Eredu estatistiko bat soinu bakoitzeko, bere testuinguruan», ondoan izan ohi dituzten fonemekin. Parametroetan aldaketaren bat eginez gero, ahotsaren ezaugarriak ere aldatzen dira. Hori egiten da ahots sintetiko pertsonalizatuetan. Batez besteko ahotsak jada baditu hizkuntza jakin bateko ahotsaren ezaugarri orokorrak, eta aldaketa batzuk baino ez dizkiote egiten pertsona bakoitzari egokitzeko.
Izan daiteke ahots sintetikoa adierazkorra? «Hori batez besteko ahotsaren araberakoa da», azaldu du Hernaezek. «Hasierako ahotsa espresibitate handiarekin grabatu bada, hori agertuko da. Ahots sintetikoa adierazkorra izatea nahi baduzu, grabatzean adierazkorra izan behar duzu».
Ahots sintetizadore berri batean ari dira lanean Aholaben, sare neuronaletan oinarrituta. Parametrizaziorik gabe, hizkuntz azterketarik gabe, transkripzio fonetikorik gabe... «Ez dago ezer. Garun bat da, adimen artifiziala». Oraindik ez dago prest.