Hablar con robots, que nos entiendan y que nos respondan como si fuesen humanos, es una de las fantasías del imaginario colectivo más recurrentes en ciencia ficción.

La tecnología actual nos permite ya replicar artificialmente muchas piezas de ese diálogo entre computadoras y personas con más o menos acierto.

Desde la creación de este podcast, hemos querido compartir y divulgar sobre lo que es tecnológicamente posible y socialmente necesario cuando se trata de construir máquinas que hablan.

En este episodio os resumimos la primera temporada de Cuando las máquinas hablen, rescatando los mejores momentos para entender los conceptos fundamentales que hacen falta para crear experiencias conversacionales por voz entre personas y máquinas.

Y ahora sí, hablamos con nuestras voces sintéticas para traeros el contenido del último episodio de la primera temporada de Cuando las máquinas hablen, un programa de Fonos Radio.

---

Programa creado con voces sintéticas por Fonos https://getfonos.com

Cuando diseñamos asistentes conversacionales, la personalidad se convierte en un factor determinante para decidir qué palabras son las más adecuadas en cada momento.

Si además estos asistentes son interfaces de voz, la personalidad es un rasgo que debe transmitirse desde el diseño de dicha voz.

Al escuchar una voz sintética, las personas percibimos mucho más de lo que somos conscientes, más aún cuando no existen otras pistas visuales para reforzar nuestros juicios de valor, de ahí la importancia de no dejar estos aspectos al azar.

En el episodio de hoy hablaremos sobre qué rasgos de las personalidad pueden transmitirse a través de la voz y cómo podemos llevar a cabo un proceso de diseño que nos permita definir estas características.

Las formas y medios de comunicación evolucionan, al igual que el mundo del arte. La Inteligencia Artificial está revolucionando la manera en la que creamos contenido: desde la generación de imágenes hasta la narración de historias.

Cada vez más empresas y profesionales empiezan a incorporar las tecnologías de audio que les ayudarán a transformar sus modelos de comunicación. Como cualquier proceso de innovación, surgen retos y oportunidades.

En este episodio hablamos de este fenómeno con Carmen Torrijos, responsable de Inteligencia Artificial y lingüista computacional de Prodigioso Volcán.

Con Carmen conversaremos sobre el proyecto pionero en el uso de la voz sintética en el mundo del arte: Relatos Sintéticos es el nombre del podcast de ficción creado entre humanos y máquinas. Una colaboración de Prodigioso Volcán y Monoceros Labs disponible en Spotify.

Además nos presentará su libro La primavera de la inteligencia artificial, donde analiza junto con José Carlos Sánchez, las formas en las que la sociedad comunica y conversa sobre la revolución de la inteligencia artificial (IA) explicando conceptos claves técnicos pero también explicando cómo los medios han contribuido a construir una cultura ciudadana común y transformadora sobre IA.

Las interfaces gráficas de usuario y las interfaces de voz ofrecen modos de interacción eficaces para muchas tareas.

Si combinamos ambos modelos, podremos crear interacciones multimodales que permitan a la gente acceder al contenido de formas alternativas mediante el uso del teclado, ratón, la voz o la interacción táctil.

En este nuevo episodio de Cuando las máquinas hablen, nos acompaña Carlos Muñoz-Romero, cofundador de Monoceros Labs. Conversamos con él sobre multimodalidad, exploramos las propuestas de Google y Amazon Alexa, y compartimos consejos sobre cómo diseñar con voces y pantallas.

En el episodio de hoy tenemos a dos grandes invitadas, con las que hemos tenido la suerte de colaborar en un proyecto pionero con voces sintéticas en medios de comunicación.

Hablamos con Olalla Novoa, Coordinadora de Proyectos de Interfaces de Voz de PRISA Radio, y con Ana Ormaechea, Directora Digital de PRISA Radio.

Ana y Olalla son dos de las personas responsables de la creación de Victoria, la voz del fútbol: la primera experiencia radiofónica con voces sintéticas preparadas para la locución de noticias y la conversación.

La voz de Victoria fue desarrollada junto con el equipo de Carrusel Deportivo y el estudio de innovación Monoceros Labs. Durante un proceso de diseño minucioso, se decidió su personalidad y los rasgos de la voz que la harían perceptible a los oyentes.

¿Cómo surge el proyecto? ¿Cómo se ha llevado a cabo? Y ¿Cómo está siendo recibida por su audiencia? son preguntas a las que responden nuestras invitadas.

Hoy, en Cuando las máquinas hablen: conversamos sobre Victoria, la voz del fútbol. La primera voz sintética para noticias deportivas en español.

Para que las máquinas hablen es necesario que sean capaces de entender, y dar respuesta a una persona en su mismo idioma, y de acuerdo a unas reglas de comunicación básicas. Lo que decimos y cómo lo decimos es fundamental para que la conversación sea relevante y efectiva.

Durante la conversación, se espera que las máquinas cooperen, entiendan cuál es el propósito de la interacción, sean amables, breves y digan siempre la verdad. Éstos son los conocidos principios de diseño conversacional.

¿Qué aspectos de la conversación se diseñan desde la voz? Tono, velocidad y energía son elementos clave para aportar naturalidad y expresividad.

Pero esto no es todo. Las nuevas interfaces conversacionales basadas en inteligencia artificial generativa suponen retos de diseño e interacción nunca vistos, tanto por la formulación de respuestas como por la variabilidad del contenido y tono comunicativo. ¿Cómo podemos diseñar voces sintéticas que se adapten a estos nuevos modos de comunicación?

Hoy, en Cuando las máquinas hablen: hablamos de la voz en experiencias conversacionales.

En este cuarto episodio enseñamos a las máquinas a hablar español.

Conversamos con Claudia Colomés, lingüista computacional, fonetista y “profesora de español para computadoras”. Claudia nos explica el proceso de creación de una voz sintética desde el punto de vista del aprendizaje de la lengua española teniendo en cuenta casos de uso, acentos y estilos.

Hablaremos de la importancia del corpus lingüístico y su adecuación para conseguir voces sintéticas que nos suenen lo más naturales posibles de acuerdo a unos objetivos de comunicación.

¿Cuánto hay de verdad y cuánto de medias verdades en todo lo que se dice sobre el uso de las voces sintéticas y su tecnología? ¿Son las voces sintéticas asistentes conversacionales? ¿Pueden ser las voces sintéticas tan expresivas como las de una persona? Estos y otros mitos los abordamos en el tercer episodio de Cuando las máquinas hablen.

--------

"Cuando las máquinas hablen" es el primer podcast en español locutado por personas y máquinas. Hablaremos de voces sintéticas, creación de contenido sonoro, tecnologías del habla y de personas con historias que contar en voz alta.

Es una iniciativa para la divulgación de conocimiento sobre voces sintéticas, tecnologías del habla y diseño de interacción por voz.

Pondremos a prueba la tecnología desarrollada por Monoceros Labs y el estudio de voces sintéticas Fonos para la producción de contenido sonoro destinado a la educación e información.

Puedes seguirnos, o a nuestro podcast "Cuando las máquinas hablen", hablarnos y sugerirnos temas y personas de interés (por voz incluso desde Spotify) desde nuestras redes sociales en:

• Spotify
• Web de Fonos
• RSS
• Amazon Music
• Google Podcast
• Apple Podcast

Y, también, puedes seguirnos, hablarnos y sugerirnos temas y personas de interés desde nuestras redes sociales en:

• Twitter
• LinkedIn
• Youtube

Si nos hacéis llegar vuestros comentarios, incluiremos las respuestas de Calíope en un programa especial.