Dispositivo generador de voz

Los dispositivos generadores de voz ( DGV ), también conocidos como ayudas de comunicación por voz , son sistemas electrónicos de comunicación aumentativa y alternativa (CAA) que se utilizan para complementar o reemplazar el habla o la escritura en personas con graves dificultades del habla , permitiéndoles comunicarse verbalmente. ^{[ 1 ]} Los DGV son importantes para las personas con medios limitados para interactuar verbalmente, ya que les permiten participar activamente en las interacciones comunicativas. Son particularmente útiles para pacientes con esclerosis lateral amiotrófica (ELA), pero recientemente se han utilizado en niños con deficiencias del habla previstas. ^{[ 2 ]}

Existen varios métodos de entrada y visualización para que usuarios con diferentes capacidades utilicen los dispositivos de generación de voz (DGV). Algunos DGV tienen varias páginas de símbolos para acomodar una gran cantidad de enunciados, por lo que solo una parte de los símbolos disponibles es visible en un momento dado, y el comunicador navega por las distintas páginas. Los dispositivos de generación de voz pueden producir una salida de voz electrónica mediante grabaciones digitalizadas de habla natural o mediante síntesis de voz , que puede contener menos información emocional, pero permite al usuario pronunciar mensajes novedosos. ^{[ 3 ]}

El contenido, la organización y la actualización del vocabulario en un SGD están influenciados por varios factores, como las necesidades del usuario y los contextos en los que se utilizará el dispositivo. ^{[ 4 ]} El desarrollo de técnicas para mejorar el vocabulario disponible y la velocidad de producción del habla es un área de investigación activa. Los elementos del vocabulario deben ser de gran interés para el usuario, de aplicación frecuente, tener una variedad de significados y ser pragmáticos en su funcionalidad. ^{[ 5 ]}

Existen varios métodos para acceder a los mensajes en los dispositivos: de forma directa o indirecta, o mediante dispositivos de acceso especializados; si bien el método de acceso específico dependerá de las habilidades y capacidades del usuario. ^{[ 1 ]} La salida de SGD suele ser mucho más lenta que la del habla, aunque las estrategias de mejora de la velocidad pueden aumentar la velocidad de salida del usuario, lo que resulta en una mayor eficiencia de la comunicación. ^{[ 6 ]}

El primer dispositivo de comunicación aumentativa y alternativa (SGD) conocido se prototipó a mediados de la década de 1970, y el rápido progreso en el desarrollo de hardware y software ha permitido que sus capacidades se integren ahora en dispositivos como los teléfonos inteligentes . Entre los usuarios destacados de SGD se encuentran Stephen Hawking , Roger Ebert , Tony Proudfoot y Pete Frates (fundador del reto del cubo de hielo para la ELA ).

Los sistemas de generación de voz pueden ser dispositivos dedicados desarrollados exclusivamente para CAA, o dispositivos no dedicados, como computadoras que ejecutan software adicional para permitirles funcionar como dispositivos CAA. ^{[ 7 ] [ 8 ]}

Los SGD tienen sus raíces en las primeras ayudas electrónicas de comunicación. La primera de estas ayudas fue un controlador de máquina de escribir por soplido y succión llamado mecanismo selector operado por el paciente (Naman), cuyo prototipo fue creado por Reg Maling en el Reino Unido en 1960. ^{[ 9 ] [ 10 ]} POSSUM escaneaba un conjunto de símbolos en una pantalla iluminada. ^{[ 9 ]} Investigadores de la Universidad de Delft en los Países Bajos crearon la máquina de escribir operada por punto de luz (LOT) en 1970, que utilizaba pequeños movimientos de la cabeza para dirigir un pequeño punto de luz a una matriz de caracteres, cada uno equipado con una célula fotoeléctrica. Aunque no tuvo éxito comercial, la LOT fue bien recibida por sus usuarios. ^{[ 11 ]}

En 1966, Barry Romich, un estudiante de primer año de ingeniería en la Universidad Case Western Reserve , y Ed Prentke, un ingeniero del Hospital Highland View en Cleveland, Ohio, formaron una sociedad, creando la empresa Prentke Romich. ^{[ 12 ]} En 1969, la empresa produjo su primer dispositivo de comunicación, un sistema de escritura basado en una máquina de teletipo desechada.

En 1979, Mark Dahmke desarrolló un software para un programa de ayuda a la comunicación vocal utilizando el sintetizador de voz analógico Computalker CT-1 con una microcomputadora . ^{[ 13 ] [ 14 ] [ 15 ] [ 16 ] [ 17 ] [ 18 ] [ 19 ]} El software utilizaba fonemas para generar habla, ayudando a personas con discapacidades de comunicación a construir palabras y oraciones. ^{[ 20 ]} El trabajo de Dahmke contribuyó al avance de la tecnología de asistencia para personas con discapacidades. En particular, diseñó el "Sistema de Gestión de Vocabulario" para Bill Rush , un estudiante con parálisis cerebral . ^{[ 21 ] [ 20 ] [ 22 ] [ 23 ]} Esta tecnología temprana de síntesis de voz facilitó una mejor comunicación para Rush y fue presentada en un número de 1980 de la revista LIFE. ^{[ 24 ] [ 25 ]} Las contribuciones de Dahmke han influido en el desarrollo de las tecnologías de comunicación aumentativa y alternativa (CAA).

Durante las décadas de 1970 y principios de 1980, surgieron varias otras compañías que desde entonces se han convertido en fabricantes prominentes de SGD. Toby Churchill fundó Toby Churchill Ltd en 1973, después de perder el habla a causa de una encefalitis . ^{[ 26 ]} En los EE. UU., Dynavox (entonces conocida como Sentient Systems Technology) surgió de un proyecto estudiantil en la Universidad Carnegie-Mellon , creado en 1982 para ayudar a una joven con parálisis cerebral a comunicarse. ^{[ 27 ]} A partir de la década de 1980, las mejoras en la tecnología llevaron a un gran aumento en la cantidad, variedad y rendimiento de los dispositivos de comunicación disponibles comercialmente, y una reducción en su tamaño y precio. Métodos de acceso alternativos como el escaneo de objetivos (también conocido como apuntamiento ocular) calibran el movimiento de los ojos de un usuario para dirigir un SGD a producir el habla deseada. El escaneo, en el que las alternativas se presentan al usuario secuencialmente, estuvo disponible en los dispositivos de comunicación. ^{[ 10 ] [ 28 ]} Las posibilidades de salida de voz incluían tanto voz digitalizada como sintetizada. ^{[ 10 ]}

El rápido progreso en el desarrollo de hardware y software continuó, incluyendo proyectos financiados por la Comunidad Europea . Los primeros dispositivos de generación de voz con pantalla dinámica disponibles comercialmente se desarrollaron en la década de 1990. Se desarrolló software que permitió la producción de tableros de comunicación mediante computadora . ^{[ 10 ] [ 28 ]} Los dispositivos de alta tecnología han seguido haciéndose más pequeños y ligeros, ^{[ 28 ]} al tiempo que aumentan la accesibilidad y la capacidad; los dispositivos de comunicación pueden ser accedidos mediante sistemas de seguimiento ocular , funcionar como una computadora para procesamiento de textos y uso de Internet, y como un dispositivo de control ambiental para el acceso independiente a otros equipos como TV, radio y teléfonos. ^{[ 29 ]}

Stephen Hawking llegó a asociarse con la voz única de su particular equipo de síntesis. Hawking no podía hablar debido a una combinación de discapacidades causadas por la ELA y una traqueotomía de emergencia . ^{[ 30 ]} En los últimos 20 años, aproximadamente, los SGD han ganado popularidad entre niños pequeños con deficiencias del habla, como autismo, síndrome de Down y daño cerebral previsto debido a cirugía.

A principios de la década de 2000, los especialistas reconocieron los beneficios de usar dispositivos de comunicación aumentativa y alternativa (DCA) no solo para adultos, sino también para niños. Los neurolingüistas descubrieron que los DCA eran igual de efectivos para ayudar a los niños con riesgo de sufrir déficits temporales del lenguaje tras una cirugía cerebral que para los pacientes con ELA. En particular, los DCA digitalizados se han utilizado como herramientas de comunicación para pacientes pediátricos durante el proceso de recuperación.

Existen diversos métodos para acceder a los mensajes en los dispositivos: de forma directa, indirecta y mediante dispositivos de acceso especializados. Los métodos de acceso directo implican el contacto físico con el sistema, mediante un teclado o una pantalla táctil. Los usuarios que acceden a los SGD de forma indirecta y a través de dispositivos especializados deben manipular un objeto para acceder al sistema, como un joystick , un ratón de cabeza, un puntero óptico de cabeza, un puntero de luz, un puntero infrarrojo o un escáner de acceso por interruptor . ^{[ 1 ]}

El método de acceso específico dependerá de las habilidades y capacidades del usuario. Con la selección directa se puede usar una parte del cuerpo, un puntero, un ratón adaptado , un joystick o el seguimiento ocular, ^{[ 31 ]} mientras que el escaneo de acceso por interruptor se usa a menudo para la selección indirecta. ^{[ 8 ] [ 32 ]} A diferencia de la selección directa (por ejemplo, escribir en un teclado, tocar una pantalla), los usuarios de Target Scanning solo pueden hacer selecciones cuando el indicador de escaneo (o cursor) del dispositivo electrónico está en la opción deseada. ^{[ 33 ]} Quienes no pueden señalar suelen calibrar sus ojos para usar la mirada como una forma de señalar y el bloqueo como una forma de seleccionar las palabras y frases deseadas. La velocidad y el patrón de escaneo, así como la forma en que se seleccionan los elementos, se individualizan según las capacidades físicas, visuales y cognitivas del usuario. ^{[ 33 ]}

La comunicación aumentativa y alternativa suele ser mucho más lenta que el habla, ^{[ 6 ]} y los usuarios generalmente producen de 8 a 10 palabras por minuto . ^{[ 34 ]} Las estrategias de mejora de la velocidad pueden aumentar la velocidad de salida del usuario a alrededor de 12 a 15 palabras por minuto, ^{[ 34 ]} y como resultado mejoran la eficiencia de la comunicación.

En cualquier dispositivo de generación de voz (SGD) puede haber una gran cantidad de expresiones vocales que facilitan una comunicación eficiente y efectiva, incluyendo saludos, expresión de deseos y preguntas. ^{[ 35 ]} Algunos SGD tienen varias páginas de símbolos para acomodar una gran cantidad de expresiones vocales, por lo que solo una parte de los símbolos disponibles es visible en un momento dado, y el comunicador navega por las distintas páginas. ^{[ 36 ]} Los dispositivos de generación de voz generalmente muestran un conjunto de selecciones mediante una pantalla que cambia dinámicamente o una pantalla fija. ^{[ 37 ]}

Hay dos opciones principales para aumentar la tasa de comunicación para un SGD: codificación y predicción. ^{[ 6 ]}

La codificación permite al usuario producir una palabra, oración o frase utilizando solo una o dos activaciones de su SGD. ^{[ 6 ]} Las estrategias de codificación icónica, como la compactación semántica, combinan secuencias de iconos (símbolos pictóricos) para producir palabras o frases. ^{[ 38 ]} En la codificación numérica, alfanumérica y de letras (también conocida como expansión de abreviaturas), las palabras y oraciones se codifican como secuencias de letras y números. Por ejemplo, al escribir "HH" o "G1" (para Saludo 1) se puede obtener "Hola, ¿cómo estás?". ^{[ 38 ]}

La predicción es una estrategia de mejora de la velocidad en la que el SGD intenta reducir el número de pulsaciones de teclas utilizadas prediciendo la palabra o frase que el usuario está escribiendo. El usuario puede entonces seleccionar la predicción correcta sin necesidad de escribir la palabra completa. El software de predicción de palabras puede determinar las opciones que se ofrecen en función de su frecuencia en el idioma, su asociación con otras palabras, las elecciones anteriores del usuario o su idoneidad gramatical. ^{[ 6 ] [ 38 ] [ 39 ]} Sin embargo, se ha demostrado que los usuarios producen más palabras por minuto (utilizando una interfaz de escaneo) con una distribución de teclado estática que con una distribución de cuadrícula predictiva, lo que sugiere que la sobrecarga cognitiva de revisar una nueva disposición anula los beneficios de la distribución predictiva cuando se utiliza una interfaz de escaneo. ^{[ 40 ]}

Otro enfoque para la mejora de la tasa es Dasher , ^{[ 41 ]} que utiliza modelos de lenguaje y codificación aritmética para presentar objetivos de letras alternativos en la pantalla con un tamaño relativo a su probabilidad dada la historia. ^{[ 42 ] [ 43 ]}

La velocidad de producción de palabras puede depender en gran medida del nivel conceptual del sistema: el sistema TALK, que permite a los usuarios elegir entre un gran número de enunciados a nivel de oración, demostró velocidades de producción superiores a 60 ppm. ^{[ 44 ]}

La salida de un SGD puede ser digitalizada y/o sintetizada: los sistemas digitalizados reproducen directamente palabras o frases grabadas, mientras que el habla sintetizada utiliza software de conversión de texto a voz que puede transmitir menos información emocional, pero permite al usuario pronunciar mensajes novedosos escribiendo nuevas palabras. ^{[ 48 ] [ 49 ]} Hoy en día, las personas utilizan una combinación de mensajes grabados y técnicas de conversión de texto a voz en sus SGD. ^{[ 49 ]} Sin embargo, algunos dispositivos se limitan a un solo tipo de salida.

Habla digitalizada

Palabras, frases o mensajes completos pueden digitalizarse y almacenarse en el dispositivo para que el usuario active su reproducción. ^{[ 1 ]} Este proceso se conoce formalmente como Banco de Voz. ^{[ 50 ]} Las ventajas del habla grabada incluyen que (a) proporciona una prosodia y naturalidad del habla para el oyente ^{[ 3 ]} (por ejemplo, se puede seleccionar a una persona de la misma edad y género que el usuario de CAA para grabar los mensajes), ^{[ 3 ]} y (b) proporciona sonidos adicionales que pueden ser importantes para el usuario, como risas o silbidos. Además, los SGD digitalizados proporcionan un grado de normalidad tanto para el paciente como para sus familias cuando pierden la capacidad de hablar por sí mismos.

Una desventaja importante de usar solo voz grabada es que los usuarios no pueden producir mensajes nuevos; están limitados a los mensajes pregrabados en el dispositivo. ^{[ 3 ] [ 51 ]} Dependiendo del dispositivo, puede haber un límite en la duración de las grabaciones. ^{[ 3 ] [ 51 ]}

Habla sintetizada

Los SGD que utilizan voz sintetizada aplican las reglas fonéticas del idioma para traducir el mensaje del usuario a una salida de voz ( síntesis de voz ). ^{[ 1 ] [ 49 ]} Los usuarios tienen la libertad de crear palabras y mensajes nuevos y no están limitados a los que otros han pregrabado en su dispositivo. ^{[ 49 ]}

El uso de la voz sintetizada ha aumentado gracias a la creación de software que aprovecha las capacidades de los ordenadores y smartphones del usuario . Aplicaciones de CAA como Spoken o Avaz están disponibles para Android e iOS , lo que permite utilizar un dispositivo generador de voz sin necesidad de acudir a un médico ni aprender a usar maquinaria especializada. En muchos casos, estas opciones también resultan más económicas que un dispositivo específico.

Los SGD sintetizados pueden permitir múltiples métodos de creación de mensajes que pueden usarse individualmente o en combinación: los mensajes pueden crearse a partir de letras, palabras, frases, oraciones, imágenes o símbolos. ^{[ 1 ] [ 51 ]} Con el habla sintetizada existe una capacidad de almacenamiento prácticamente ilimitada para mensajes con pocas exigencias de espacio de memoria. ^{[ 3 ]}

Los motores de síntesis de voz están disponibles en muchos idiomas, ^{[ 49 ] [ 51 ]} y los parámetros del motor, como la velocidad del habla, el rango de tono, el género, los patrones de acentuación, las pausas y las excepciones de pronunciación, pueden ser manipulados por el usuario. ^{[ 51 ]}

El conjunto de selección de un SGD es el conjunto de todos los mensajes, símbolos y códigos que están disponibles para una persona que usa ese dispositivo. ^{[ 52 ]} El contenido, la organización y la actualización de este conjunto de selección son áreas de investigación activa y están influenciados por varios factores, incluyendo la capacidad, los intereses y la edad del usuario. ^{[ 4 ]} El conjunto de selección para un sistema AAC puede incluir palabras que el usuario aún no conoce; se incluyen para que el usuario las vaya incorporando. ^{[ 4 ]} El contenido instalado en cualquier SGD puede incluir una gran cantidad de páginas preestablecidas proporcionadas por el fabricante, con varias páginas adicionales producidas por el usuario o el equipo de atención del usuario según las necesidades del usuario y los contextos en los que se utilizará el dispositivo. ^{[ 4 ]}

Mantenimiento automático del contenido

Beukelman y Mirenda enfatizan que la selección de vocabulario también implica un mantenimiento continuo del vocabulario; ^{[ 4 ]} sin embargo, una dificultad en la CAA es que los usuarios o sus cuidadores deben programar manualmente cualquier nueva expresión (por ejemplo, nombres de nuevos amigos o historias personales) y no existen soluciones comerciales para agregar contenido automáticamente. ^{[ 34 ]} Varios enfoques de investigación han intentado superar esta dificultad; ^{[ 54 ]} estos van desde la "entrada inferida", como generar contenido basado en un registro de conversación con los amigos y familiares de un usuario, ^{[ 55 ]} hasta datos extraídos de Internet para encontrar materiales lingüísticos, como el Proyecto Webcrawler. ^{[ 56 ]} Además, al utilizar enfoques basados ​​en el registro de la vida , el contenido de un dispositivo puede cambiarse en función de los eventos que le ocurren a un usuario durante su día. ^{[ 54 ] [ 57 ]} Al acceder a más datos de un usuario, se pueden generar mensajes de mayor calidad, pero con el riesgo de exponer datos sensibles del usuario. ^{[ 54 ]} Por ejemplo, al utilizar sistemas de posicionamiento global , el contenido de un dispositivo puede cambiarse en función de la ubicación geográfica. ^{[ 58 ] [ 59 ]}

La programación de dispositivos de generación de voz dinámica suele estar a cargo de especialistas en comunicación aumentativa. Estos especialistas deben adaptarse a las necesidades de los pacientes, ya que estos suelen elegir las palabras y frases que desean escuchar. Por ejemplo, los pacientes utilizan diferentes frases según su edad, discapacidad, intereses, etc. Por lo tanto, la organización del contenido requiere mucho tiempo. Además, los dispositivos de generación de voz rara vez están cubiertos por los seguros médicos. En consecuencia, los recursos son muy limitados, tanto en financiación como en personal. El Dr. John Costello, del Hospital Infantil de Boston, ha sido la fuerza impulsora en la captación de donaciones para mantener estos programas en funcionamiento y con personal suficiente, tanto en su hospital como en otros hospitales del país.

• Electrolaringe : dispositivo portátil para producir un habla más clara. 
• Orca (tecnología de asistencia) – Software de accesibilidad 

• Contenido multimedia relacionado con dispositivos generadores de voz en Wikimedia Commons.