Un equipo de investigadores ha desarrollado un sistema de síntesis de voz en Quechua, la lengua indígena más hablada en América del Sur, implementado en el robot humanoide UBTech Walker Tienkung. Este avance busca cerrar la brecha lingüística que enfrentan los robots en comunidades multilingües, especialmente en aquellas donde el Quechua es predominante.
El sistema, conocido como XTTS-v2, fue ajustado utilizando 22,727 enunciados validados, lo que equivale a aproximadamente 30.5 horas de grabaciones de hablantes nativos del dialecto Cusco-Puno. La adaptación del modelo se realizó mediante un proceso de tokenización que aprovecha la superposición fonológica entre el Quechua y el español, lo que permitió una integración más efectiva en el robot. Este enfoque no solo es innovador, sino que también plantea la pregunta de si los robots pronto podrán entender las sutilezas de las conversaciones familiares en Quechua, o si seguirán siendo tan confusos como un pariente que intenta hablar en un idioma que no conoce.
La evaluación del rendimiento del sistema mostró que la latencia de inferencia en el hardware del robot fue de 5,913 ms, lo que se traduce en un Factor de Tiempo Real (RTF) de 0.961, lo que indica que el sistema puede generar voz en tiempo real sin necesidad de infraestructura computacional externa. Esto es un paso significativo, ya que muchos sistemas de TTS requieren servidores externos para funcionar, lo que limita su uso en áreas rurales con conectividad limitada.
Además, el estudio establece un nuevo estándar cuantitativo para la síntesis de voz en lenguas indígenas americanas, proporcionando un marco reproducible que podría extenderse a otros idiomas de recursos limitados. Sin embargo, la evaluación de la inteligibilidad del sistema reveló un alto porcentaje de errores, lo que sugiere que, aunque el TTS en Quechua es un avance, aún queda un largo camino por recorrer antes de que los robots puedan sostener conversaciones fluidas sin tropezar con las palabras como un niño que intenta recordar su lección de vocabulario.
Este trabajo no solo destaca la importancia de la representación lingüística en la robótica, sino que también pone de relieve la necesidad de desarrollar tecnologías que sean inclusivas y accesibles para todas las comunidades. La implementación de un sistema de TTS en Quechua en un robot humanoide es un paso hacia la creación de interfaces más equitativas que permitan a los hablantes de lenguas indígenas interactuar con la tecnología de manera efectiva. La investigación también sugiere que, a medida que se avanza en este campo, es crucial considerar las características únicas de cada lengua y cultura para evitar que la tecnología perpetúe las desigualdades existentes.
En resumen, este desarrollo representa un avance significativo en la robótica social y la interacción humano-robot, abriendo la puerta a futuras investigaciones que podrían llevar a la creación de robots que no solo hablen, sino que también comprendan y respeten la diversidad lingüística y cultural de sus usuarios. Seguiremos atentos a la evolución de su implementación.