¿Es posible hablar sin emitir un solo sonido? Un equipo de investigadores de la Universidad de Ciencia y Tecnología de Pohang (POSTECH), en Corea del Sur, ha desarrollado un innovador sensor de cuello que utiliza inteligencia artificial para leer los movimientos microscópicos de los músculos y la piel. Este dispositivo, presentado recientemente, es capaz de transformar el habla silenciosa en una voz audible con una precisión del 85%, incluso en entornos con niveles de ruido de hasta 90 decibelios.
A diferencia de las tecnologías anteriores, que dependían de señales biológicas complejas y equipos incómodos, este sistema emplea un sensor óptico de mapeo de deformación multiaxial integrado en una banda de silicona suave. El avance no solo promete devolver la voz a pacientes que han sufrido enfermedades en las cuerdas vocales o cirugías de laringe, sino que también ofrece aplicaciones prácticas en entornos industriales ruidosos o situaciones donde se requiere una comunicación totalmente silenciosa. Al entrenar el sistema con apenas diez minutos de grabaciones previas, la tecnología puede recrear las características vocales únicas del usuario, permitiendo una recuperación de la identidad sonora personal en la comunicación digital.
Un sensor óptico que dibuja el mapa del movimiento
El núcleo de esta tecnología es el denominado sensor óptico de deformación multiaxial (CVOS), un dispositivo que se integra en una banda de silicona flexible similar a un collar. Este sistema no se limita a captar vibraciones sonoras, sino que utiliza una cámara en miniatura, lentes e iluminación LED para rastrear con precisión la magnitud y dirección de los movimientos de los músculos de la garganta. Al hablar, aunque no se emita sonido, los músculos y la piel generan un mapa de movimiento invisible que el sensor traduce en datos digitales.
A diferencia de los sensores convencionales que solo detectan movimiento en un eje, este dispositivo captura mapas de deformación en dos dimensiones. Esto permite una representación mucho más completa de la compleja dinámica muscular involucrada en el habla. El uso de un sustrato de silicona suave con micro-marcadores de alto contraste facilita que la cámara detecte incluso las deformaciones más pequeñas de la piel, enviando esta información a un sistema de inteligencia artificial para su interpretación.
El proceso de decodificación se realiza mediante una serie de algoritmos diseñados para reconocer tanto los movimientos musculares localizados como los patrones generales del habla. Una de las ventajas técnicas del sistema es su capacidad para corregir automáticamente los errores de posición cuando el usuario se vuelve a colocar el dispositivo, lo que garantiza un funcionamiento estable en situaciones cotidianas fuera del laboratorio.
¿Qué cambia y por qué es importante esta tecnología?
Hasta ahora, las interfaces de habla silenciosa dependían de métodos como la electromiografía (EMG), que mide la actividad eléctrica de los músculos, o la electroencefalografía (EEG), que registra la actividad cerebral. Sin embargo, estos enfoques suelen requerir equipos voluminosos y electrodos adheridos a la piel que resultan incómodos para un uso prolongado. El nuevo sensor de POSTECH soluciona estos problemas con un diseño ligero y no invasivo que mantiene su eficacia incluso en entornos con niveles extremos de ruido acústico.
Las implicaciones reales de este avance abarcan diversos sectores:
- Salud y rehabilitación: Permite que personas que han perdido la voz por cirugías de laringe o enfermedades en las cuerdas vocales puedan volver a comunicarse utilizando su propia identidad vocal.
- Entornos industriales y militares: En lugares donde el ruido de la maquinaria o las operaciones supera los 90 decibelios, este sistema permite enviar mensajes claros sin necesidad de micrófonos que captarían el estruendo ambiental.
- Privacidad y sigilo: Facilita la comunicación en lugares donde el silencio es obligatorio, como bibliotecas, salas de conferencias o durante misiones de seguridad donde no se debe revelar la posición mediante el sonido.
Un aspecto destacable es que el sistema requiere muy pocos datos de entrenamiento. Con solo 10 minutos de grabaciones de voz previas, la inteligencia artificial puede aprender las características únicas del habla del usuario para sintetizar una voz que suene natural y propia, en lugar de una voz robótica genérica.
El equipo detrás del proyecto y los datos técnicos
El estudio ha sido liderado por el profesor Sung-Min Park, de los departamentos de Ingeniería de TI, Mecánica y Eléctrica, junto con el doctor Sunguk Hong. Los resultados detallados se han publicado en la revista científica Cyborg and Bionic Systems, donde se destaca que el sensor ha demostrado una estabilidad notable durante más de 10.000 ciclos de uso.
En las pruebas de laboratorio, el sistema ha logrado una precisión del 85% trabajando con el alfabeto fonético de la OTAN, un conjunto de 26 palabras estandarizadas para reducir la ambigüedad en comunicaciones críticas. Los investigadores también han experimentado con la integración de estos sensores en estructuras más complejas, similares a los trabajos realizados en el campo de la robótica blanda con materiales compuestos de nanotubos de carbono y ácido poliláctico (PLA-CNT), lo que permite una mayor personalización de los dispositivos según la anatomía del usuario.
Este proyecto ha contado con el apoyo de diversos programas gubernamentales de Corea del Sur, incluyendo el Ministerio de Educación y el Ministerio de Ciencia y TIC. Según explican en el sitio web oficial de POSTECH, el objetivo es acelerar la transición de este prototipo a un producto comercial que sea estéticamente refinado y fácil de llevar en el día a día.
¿Qué significa esto para el futuro de la comunicación?
A medida que la tecnología avance, el objetivo será ampliar el vocabulario reconocido por el sistema más allá de las palabras estandarizadas y mejorar su resistencia a las interferencias causadas por el movimiento corporal general. Aunque todavía se encuentra en fase de desarrollo, la posibilidad de separar el acto de hablar de la necesidad de emitir sonido abre un abanico de posibilidades en la interacción humano-máquina.
En el futuro, podríamos ver cómo estos collares se integran de forma casi invisible en la vestimenta diaria. Esto no solo ayudaría a eliminar las barreras de comunicación para quienes tienen discapacidades vocales, sino que también podría transformar la manera en que interactuamos con asistentes virtuales en público, permitiéndonos dar órdenes o dictar mensajes sin que nadie a nuestro alrededor escuche una sola palabra. Es un paso hacia una tecnología más íntima y discreta, donde la voz se convierte en una señal puramente digital e inclusiva.
