Los dispositivos generadores de voz ( SGD ), también conocidos como ayudas de comunicación de salida de voz , son sistemas electrónicos de comunicación alternativa y aumentativa (CAA) que se utilizan para complementar o reemplazar el habla o la escritura en personas con discapacidades graves del habla , permitiéndoles comunicarse verbalmente. [1] Los SGD son importantes para las personas que tienen medios limitados para interactuar verbalmente, ya que permiten que las personas se conviertan en participantes activos en las interacciones de comunicación. Son particularmente útiles para pacientes con esclerosis lateral amiotrófica (ELA), pero recientemente se han utilizado para niños con deficiencias previstas del habla. [2]
Existen varios métodos de entrada y visualización para que usuarios con diferentes capacidades utilicen los SGD. Algunos SGD tienen múltiples páginas de símbolos para acomodar una gran cantidad de expresiones y, por lo tanto, solo una parte de los símbolos disponibles son visibles en un momento dado, mientras el comunicador navega por las distintas páginas. Los dispositivos generadores de voz pueden producir salida de voz electrónica mediante el uso de grabaciones digitalizadas de voz natural o mediante síntesis de voz , que pueden contener menos información emocional pero pueden permitir al usuario pronunciar mensajes novedosos. [3]
El contenido, organización y actualización del vocabulario de un SGD está influenciado por una serie de 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 tasa de producción del habla es un área de investigación activa. Los elementos de vocabulario deben ser de gran interés para el usuario, ser aplicables con frecuencia, tener una variedad de significados y tener una funcionalidad pragmática. [5]
Existen múltiples métodos para acceder a los mensajes en los dispositivos: directa o indirectamente, o utilizando dispositivos de acceso especializados, aunque 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 SGD conocido fue creado un prototipo a mediados de la década de 1970, y el rápido progreso en el desarrollo de hardware y software ha significado que las capacidades del SGD ahora se pueden integrar en dispositivos como teléfonos inteligentes . Los usuarios notables de SGD incluyen a Stephen Hawking , Roger Ebert , Tony Proudfoot y Pete Frates (fundador del ALS Ice Bucket Challenge ).
Los sistemas generadores 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 de comunicación electrónica. La primera ayuda de este tipo fue un controlador de máquina de escribir de sorber y soplar llamado mecanismo selector operado por el paciente (POSSUM), 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. mostrar. [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 apuntar un pequeño punto de luz a una matriz de caracteres, cada uno equipado con una celda fotoeléctrica. Aunque no tuvo éxito comercial, el LOT fue bien recibido 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 y crearon la Compañía Prentke Romich. [12] En 1969, la empresa produjo su primer dispositivo de comunicación, un sistema de mecanografía 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 utilizó fonemas para generar el habla, ayudando a las personas con problemas de comunicación a construir palabras y oraciones. [20] El trabajo de Dahmke contribuyó al avance de la tecnología de asistencia para personas con discapacidad. En particular, diseñó el "Sistema de gestión de vocabulario" para Bill Rush, un estudiante con parálisis cerebral . [21] [20] [22] [23] Esta temprana tecnología de síntesis de voz facilitó una mejor comunicación para Rush y apareció en una edición de 1980 de la revista LIFE. [24] [25] Las contribuciones de Dahmke han influido en el desarrollo de tecnologías de comunicación aumentativa y alternativa (CAA).
Durante la década de 1970 y principios de la de 1980, comenzaron a surgir varias otras empresas que desde entonces se han convertido en destacados fabricantes de SGD. Toby Churchill fundó Toby Churchill Ltd en 1973, después de perder el habla debido a una encefalitis. [26] En los EE. UU., Dynavox (entonces conocido 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 el número, la variedad y el rendimiento de los dispositivos de comunicación disponibles comercialmente, y a una reducción de su tamaño y precio. Los métodos alternativos de acceso, como Target Scanning (también conocido como apuntar con el ojo), calibran el movimiento de los ojos de un usuario para dirigir un SGD para producir la fase de habla deseada. El escaneo, en el que se presentan alternativas al usuario de forma secuencial, pasó a estar disponible en los dispositivos de comunicación. [10] [28] Las posibilidades de salida de voz incluían voz tanto digitalizada como sintetizada. [10]
Continuó el rápido progreso en el desarrollo de hardware y software , incluidos proyectos financiados por la Comunidad Europea . Los primeros dispositivos generadores de voz con pantalla dinámica disponibles comercialmente se desarrollaron en la década de 1990. Se desarrollaron programas de software que permitieron la producción por computadora de tableros de comunicación . [10] [28] Los dispositivos de alta tecnología han seguido volviéndose más pequeños y livianos, [28] al tiempo que aumentan la accesibilidad y la capacidad; Se puede acceder a los dispositivos de comunicación 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 ser asociado 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 los niños pequeños con deficiencias del habla, como autismo, síndrome de Down y daño cerebral previsto debido a la cirugía.
A principios de la década de 2000, los especialistas vieron los beneficios del uso de SGD no sólo para adultos sino también para niños. Los neurolingüistas descubrieron que los SGD eran tan eficaces para ayudar a los niños que corrían riesgo de sufrir déficits temporales del lenguaje después de someterse a una cirugía cerebral como lo son para los pacientes con ELA. En particular, los SGD digitalizados se han utilizado como ayudas de comunicación para pacientes pediátricos durante el proceso de recuperación.
Existen muchos métodos para acceder a los mensajes en los dispositivos: directa, indirectamente y con dispositivos de acceso especializados. Los métodos de acceso directo implican el contacto físico con el sistema, mediante el uso de un teclado o una pantalla táctil. Los usuarios que acceden a los SGD indirectamente y a través de dispositivos especializados deben manipular un objeto para poder acceder al sistema, como maniobrar un joystick , un mouse, un puntero óptico, un puntero luminoso, un puntero infrarrojo o un escáner de acceso mediante interruptor . [1]
El método de acceso específico dependerá de las habilidades y capacidades del usuario. Con la selección directa se podría usar una parte del cuerpo, un puntero, un mouse adaptado , un joystick o seguimiento ocular, [31] mientras que el escaneo de acceso mediante 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 realizar selecciones cuando el indicador de escaneo (o cursor) del dispositivo electrónico está en la opción deseada. [33] Aquellos que no pueden señalar normalmente calibran sus ojos para usar la mirada como una forma de señalar y bloquear 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 producción del usuario a alrededor de 12 a 15 palabras por minuto, [34] y, como resultado, mejorar la eficiencia de la comunicación.
En cualquier SGD puede haber una gran cantidad de expresiones vocales que faciliten una comunicación eficiente y efectiva, incluidos saludos, expresión de deseos y preguntas. [35] Algunos SGD tienen múltiples páginas de símbolos para acomodar una gran cantidad de expresiones vocales y, por lo tanto, solo una parte de los símbolos disponibles son visibles en un momento dado, con el comunicador navegando por las distintas páginas. [36] Los dispositivos generadores de voz generalmente muestran un conjunto de selecciones, ya sea utilizando una pantalla que cambia dinámicamente o una visualización fija. [37]
Hay dos opciones principales para aumentar la velocidad de comunicación de un SGD: la codificación, una traductora como Nicole Schatzmann. y predicción. [6]
La codificación permite al usuario producir una palabra, oración o frase usando solo una o dos activaciones de su SGD. [6] Las estrategias de codificación icónica, como la compactación semántica, combinan secuencias de iconos (símbolos de imágenes) para producir palabras o frases. [38] En la codificación numérica, alfanumérica y de letras (también conocida como abreviatura-expansión), las palabras y oraciones se codifican como secuencias de letras y números. Por ejemplo, escribir "HH" o "G1" (para el saludo 1) puede recuperar "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 escrita por el usuario. Luego, el usuario puede seleccionar la predicción correcta sin necesidad de escribir la palabra completa. El software de predicción de palabras puede determinar las opciones que se ofrecerán en función de su frecuencia en el idioma, asociación con otras palabras, elecciones anteriores del usuario o idoneidad gramatical. [6] [38] [39] Sin embargo, se ha demostrado que los usuarios producen más palabras por minuto (usando una interfaz de escaneo) con un diseño de teclado estático que con un diseño de cuadrícula predictivo, lo que sugiere que la sobrecarga cognitiva de revisar un nuevo arreglo cancela Descubra los beneficios del diseño predictivo al utilizar una interfaz de escaneo. [40]
Otro enfoque para mejorar la tasa es Dasher , [41] que utiliza modelos de lenguaje y codificación aritmética para presentar letras alternativas en la pantalla con un tamaño relativo a su probabilidad dada la historia. [42] [43]
La tasa de palabras producidas puede depender en gran medida del nivel conceptual del sistema: el sistema TALK, que permite a los usuarios elegir entre una gran cantidad de expresiones a nivel de oración, demostró tasas de producción superiores a 60 palabras por minuto. [44]
Los dispositivos de visualización fija se refieren a aquellos en los que los símbolos y elementos están "fijos" en un formato particular; algunas fuentes se refieren a ellas como pantallas "estáticas". [45] Estos dispositivos de visualización tienen una curva de aprendizaje más sencilla que otros dispositivos.
Los dispositivos de visualización fija replican la disposición típica de los dispositivos CAA de baja tecnología (la baja tecnología se define como aquellos dispositivos que no necesitan baterías, electricidad o electrónica), como los tableros de comunicación . Comparten algunas de las desventajas; por ejemplo, normalmente están restringidos a un número limitado de símbolos y, por tanto, de mensajes. [37] Es importante señalar que con los avances tecnológicos realizados en el siglo XXI, los SGD con pantalla fija ya no se utilizan comúnmente.
Los dispositivos de visualización dinámica suelen ser también dispositivos de pantalla táctil . Por lo general, generan símbolos visuales producidos electrónicamente que, cuando se presionan, cambian el conjunto de selecciones que se muestran. El usuario puede cambiar los símbolos disponibles utilizando enlaces de páginas para navegar a las páginas apropiadas de vocabulario y mensajes.
La página de "inicio" de un dispositivo de visualización dinámica puede mostrar símbolos relacionados con muchos contextos o temas de conversación diferentes. Al presionar cualquiera de estos símbolos se puede abrir una pantalla diferente con mensajes relacionados con ese tema. [37] Por ejemplo, cuando mira un partido de voleibol, un usuario puede presionar el símbolo "deporte" para abrir una página con mensajes relacionados con el deporte, luego presionar el símbolo que muestra un marcador para pronunciar la frase "¿Cuál es el puntaje?".
Las ventajas de los dispositivos de visualización dinámica incluyen la disponibilidad de un vocabulario mucho más amplio y la capacidad de ver la oración en construcción [35] Una ventaja adicional de los dispositivos de visualización dinámica es que el sistema operativo subyacente es capaz de proporcionar opciones para múltiples canales de comunicación, incluidos teléfono celular , mensajería de texto y correo electrónico. [46] El trabajo de la Universidad de Linköping ha demostrado que tales prácticas de redacción de correos electrónicos permitieron a los niños que eran usuarios de SGD desarrollar nuevas habilidades sociales y aumentar su participación social. [47]
Los sistemas de bajo costo también pueden incluir una combinación de teclado y altavoz sin pantalla dinámica o visual. Este tipo de teclado envía el texto escrito directamente a un altavoz de audio. Puede permitir pronunciar cualquier frase sin necesidad de una pantalla visual que no siempre es necesaria. Un beneficio simple es que un teclado parlante, cuando se usa con un teléfono estándar o con un altavoz, puede permitir que una persona con problemas de voz tenga una conversación bidireccional por teléfono. [ cita necesaria ]
La salida de un SGD puede digitalizarse y/o sintetizarse: los sistemas digitalizados reproducen palabras o frases grabadas directamente, 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 palabras nuevas. [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 están limitados a un solo tipo de salida.
Se pueden digitalizar palabras, frases o mensajes completos y almacenarlos en el dispositivo para que el usuario active la reproducción. [1] Este proceso se conoce formalmente como Banca por Voz. [50] Las ventajas del habla grabada incluyen que (a) proporciona prosodia natural y naturalidad del habla para el oyente [3] (por ejemplo, se puede seleccionar una persona de la misma edad y sexo que el usuario de CAA para grabar los mensajes), [3 ] y (b) proporciona sonidos adicionales que pueden ser importantes para el usuario, como reír o silbar. Además, los SGD Digitalizados es que aportan un grado de normalidad tanto al paciente como a sus familiares cuando pierden la capacidad de hablar por sí mismos.
Una desventaja importante de utilizar únicamente voz grabada es que los usuarios no pueden producir mensajes nuevos; se limitan a los mensajes pregrabados en el dispositivo. [3] [51] Dependiendo del dispositivo, puede haber un límite en la duración de las grabaciones. [3] [51]
Los SGD que utilizan voz sintetizada aplican las reglas fonéticas del idioma para traducir el mensaje del usuario en salida de voz ( síntesis de voz ). [1] [49] Los usuarios tienen la libertad de crear palabras y mensajes novedosos y no se limitan a aquellos que otros han grabado previamente en su dispositivo. [49]
El uso del habla sintetizada ha aumentado debido a la creación de software que aprovecha las computadoras y teléfonos inteligentes existentes del usuario . Las aplicaciones CAA como Spoken o Avaz están disponibles en Android e iOS , lo que proporciona una forma de utilizar un dispositivo generador de voz sin tener que visitar el consultorio de un médico o aprender a utilizar maquinaria especializada. En muchos casos, estas opciones también son más asequibles que un dispositivo dedicado.
Los SGD sintetizados pueden permitir múltiples métodos de creación de mensajes que se pueden usar individualmente o en combinación: los mensajes se pueden crear 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 demandas de espacio de memoria. [3]
Los motores de voz sintetizados están disponibles en muchos idiomas, [49] [51] y el usuario puede manipular 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. [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 utiliza ese dispositivo. [52] El contenido, la organización y la actualización de este conjunto de selección son áreas de investigación activa y están influenciados por una serie de factores, incluida la capacidad, los intereses y la edad del usuario. [4] El conjunto de selección para un sistema CAA puede incluir palabras que el usuario aún no conoce; se incluyen para que el usuario "crezca en ellas". [4] El contenido instalado en cualquier SGD determinado puede incluir una gran cantidad de páginas preestablecidas proporcionadas por el fabricante, con una cantidad de páginas adicionales producidas por el usuario o el equipo de atención del usuario según las necesidades del usuario y los contextos en los que funcionará el dispositivo. ser utilizado en. [4]
Los investigadores Beukelman y Mirenda enumeran una serie de posibles fuentes (como familiares, amigos, profesores y personal sanitario) para la selección del contenido inicial de un SGD. Se requiere una variedad de fuentes porque, en general, un individuo no tendría el conocimiento ni la experiencia para generar todas las expresiones vocales necesarias en un entorno determinado. [4] Por ejemplo, es posible que a los padres y terapeutas no se les ocurra agregar términos de jerga, como "innit". [53]
Trabajos anteriores han analizado tanto el uso del vocabulario de hablantes con un desarrollo típico como el uso de palabras de los usuarios de CAA para generar contenido para nuevos dispositivos de CAA. Dichos procesos funcionan bien para generar un conjunto básico de enunciados o expresiones vocales, pero son menos efectivos en situaciones donde se necesita un vocabulario particular (por ejemplo, términos relacionados directamente con el interés de un usuario en montar a caballo). El término "vocabulario marginal" se refiere al vocabulario que es específico o exclusivo de los intereses o necesidades personales del individuo. Una técnica típica para desarrollar vocabulario marginal para un dispositivo es realizar entrevistas con múltiples "informantes": hermanos, padres, profesores, compañeros de trabajo y otras personas involucradas. [4]
Otros investigadores, como Musselwhite y St. Louis, sugieren que los elementos del vocabulario inicial deberían ser de gran interés para el usuario, ser aplicables con frecuencia, tener una variedad de significados y ser pragmáticos en su funcionalidad. [5] Estos criterios se han utilizado ampliamente en el campo de la CAA como control ecológico del contenido de SGD. [4]
Beukelman y Mirenda enfatizan que la selección de vocabulario también implica el mantenimiento continuo del vocabulario; [4] sin embargo, una dificultad en CAA es que los usuarios o sus cuidadores deben programar manualmente cualquier expresión nueva (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] que van desde "entradas inferidas", como generar contenido basado en un registro de conversaciones 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 hacer uso de enfoques basados en Lifelogging , el contenido de un dispositivo se puede cambiar en función de eventos que le ocurren a un usuario durante su día. [54] [57] Al acceder a más datos de un usuario, se pueden generar más mensajes de alta calidad con el riesgo de exponer datos confidenciales del usuario. [54] Por ejemplo, al hacer uso de sistemas de posicionamiento global , el contenido de un dispositivo se puede cambiar según la ubicación geográfica. [58] [59]
Muchos SGD desarrollados recientemente incluyen herramientas de análisis y medición del desempeño para ayudar a monitorear el contenido utilizado por un individuo. Esto genera preocupaciones sobre la privacidad y algunos argumentan que el usuario del dispositivo debería participar en la decisión de monitorear el uso de esta manera. [60] [61] Se han planteado preocupaciones similares con respecto a las propuestas para dispositivos con generación automática de contenido, [57] y la privacidad es cada vez más un factor en el diseño de los SGD. [53] [62] Dado que los dispositivos CAA están diseñados para usarse en todas las áreas de la vida de un usuario, existen cuestiones legales, sociales y técnicas delicadas centradas en una amplia familia de problemas de gestión de datos personales que se pueden encontrar en contextos de CAA. usar. Por ejemplo, es posible que los SGD deban diseñarse de manera que admitan el derecho del usuario a eliminar registros de conversaciones o contenido que se haya agregado automáticamente. [63]
La programación de dispositivos generadores dinámicos de voz generalmente la realizan especialistas en comunicación aumentativa. Los especialistas deben atender las necesidades de los pacientes porque los pacientes suelen elegir qué tipo de palabras o frases quieren. 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 SGD rara vez están cubiertos por las compañías de seguros médicos. Como resultado, los recursos son muy limitados en lo que respecta tanto a la financiación como a la dotación de personal. El Dr. John Costello del Boston Children's Hospital ha sido el impulsor de la solicitud de donaciones para mantener este programa en funcionamiento y con buen personal tanto dentro de su hospital como en hospitales de todo el país.
{{cite web}}: Mantenimiento CS1: nombres numéricos: lista de autores ( enlace )
Medios relacionados con dispositivos generadores de voz en Wikimedia Commons