Dispositivo portátil asistido por IA permite hablar sin cuerdas vocales

Personas con trastornos de la voz, incluidas aquellas con afecciones patológicas de las cuerdas vocales o que se están recuperando de cirugías de cáncer de laringe, a menudo pueden encontrar difícil o imposible hablar.

El nuevo sistema bioeléctrico

Un equipo de ingenieros de la UCLA ha inventado un dispositivo suave, delgado y elástico que mide poco más de 1 pulgada cuadrada y que puede colocarse en la piel fuera de la garganta para ayudar a las personas con cuerdas vocales disfuncionales a recuperar su función vocal.

El avance ha sido desarrollado por Jun Chen, profesor asistente de bioingeniería en la Escuela de Ingeniería Samueli de la UCLA, y es el último de los esfuerzos de Chen para ayudar a aquellos con discapacidades.

Su equipo desarrolló anteriormente un guante portátil capaz de traducir el lenguaje de señas estadounidense al habla en inglés en tiempo real para ayudar a los usuarios de lenguaje de señas a comunicarse.

Una opción no invasiva y con excelentes resultados

El nuevo dispositivo en forma de parche está compuesto por dos componentes. El primero es un sensor autónomo, que detecta y convierte las señales generadas por los movimientos musculares en señales eléctricas de alta fidelidad y analizables; estas señales eléctricas luego se traducen en señales de voz utilizando un algoritmo de aprendizaje automático. El otro, es un componente de actuación, que convierte las señales de voz en la expresión de voz deseada.

Los detalles de este nuevo avance

En sus experimentos, los investigadores probaron la tecnología ponible en ocho adultos sanos. Recopilaron datos sobre el movimiento muscular laríngeo y utilizaron un algoritmo de aprendizaje automático para correlacionar las señales resultantes con ciertas palabras. Luego seleccionaron una señal de voz de salida correspondiente a través del componente de actuación del dispositivo.

El equipo de investigación demostró la precisión del sistema al hacer que los participantes pronunciaran cinco frases, tanto en voz alta como en silencio, incluyendo “¡Hola, Rachel, ¿cómo estás hoy?” y “¡Te quiero!”

La precisión general de predicción del modelo fue del 94.68 %, con la señal de voz de los participantes amplificada por el componente de actuación, lo que demostró que el mecanismo de detección reconoció la señal de movimiento laríngeo y coincidió con la frase que los participantes deseaban decir.

En el futuro, el equipo de investigación planea seguir ampliando el vocabulario del dispositivo a través del aprendizaje automático y probarlo en personas con trastornos del habla.