Nuestro proyecto trata sobre los sistemas Text To Speech, y nuestra intención es ofrecer una visión clara de cómo ha progresado esta tecnología a lo largo del tiempo, destacando los avances más novedosos relacionados con la síntesis neuronal, los distintos enfoques técnicos que han surgido, y las características que los diferencian entre sí. Además, nuestro objetivo no es solo ofreceros una explicación teórica, sino también facilitar una experiencia interactiva. Para ello, hemos diseñado una página web en la que podáis experimentar de forma práctica con diferentes ejemplos y herramientas que os proporcionamos. Así, podréis comprobar por vuestra propia mano cómo se transforma un texto en voz y cómo varían los resultados según el tipo de sistema utilizado.
Los primeros sistemas Text To Speech funcionaban mediante la concatenación de fragmentos de audio grabados por una persona real. En este enfoque, se creaba una base de datos con pequeños fragmentos de sonido que correspondian a palabras, sílabas o fonemas y cuando el sistema debía leer un texto, buscaba y unía estos fragmentos para formar las palabras y frases, como si fuera un puzzle.
Aunque este método permite crear voces sintéticas, presentaba limitaciones que se notaban en la falta de fluidez y naturalidad de las transiciones entre los sonidos y tiene problemas para generar frases no previamente definidas. A medida que la tecnología avanzaba, surgieron nuevos métodos como la síntesis paramétrica y, la novedad actual, la síntesis neural, que han permitido desarrollar sistemas Text To Speech mucho más naturales, capaces de imitar la voz humana
Los sistemas paramétricos representaron un avance significativo frente a la concatenación tradicional. En lugar de unir fragmentos pregrabados, estos modelos generan el audio mediante algoritmos matemáticos que simulan el tracto vocal humano. Utilizan parámetros acústicos como:
El enfoque más común fue el vocoder paramétrico, que analizaba grabaciones reales para extraer estos parámetros y luego los usaba para sintetizar nuevas frases. Aunque superaba los problemas de discontinuidad de la concatenación, introducía sus propias limitaciones en calidad y naturalidad.
La gran revolución vino con las redes neuronales. Usando inteligencia artificial, se entrenan modelos que aprenden cómo suena el habla humana de verdad. Ya no se pegan sonidos ni se simulan con fórmulas; ahora se genera la voz desde cero, una muestra de audio a la vez. Estos modelos de aprendizaje profundo, como WaveNet o Tacotron, analizan grandes cantidades de datos de audio y aprenden las complejidades del habla, incluyendo la entonación, el ritmo y las emociones, lo que permite crear voces mucho más naturales y realistas. Gracias a esta tecnología, la síntesis de voz ha alcanzado un nivel de calidad que se acerca mucho más al habla humana auténtica, transformando la manera en que interactuamos con asistentes virtuales, audiolibros y otros sistemas TTS.