Hablar sin hablar ya es posible. Un equipo de investigadores del departamento de cirugía neurológica de la Universidad de California, EE. UU., ha logrado que un paciente con esclerosis lateral amiotrófica (ELA) y disartria severa pueda generar su propia voz de forma instantánea solo con su pensamiento.
Utilizando 256 microelectrodos implantados en su cerebro, esta neuroprótesis traduce la actividad neuronal en una voz sintética expresiva en tiempo real, incluyendo tono, ritmo y hasta melodía.
Un avance sin precedentes frente a los sistemas actuales de texto a voz, que abren la puerta a una comunicación humana restaurada y personalizada para personas con parálisis del habla.
Hablar desde el cerebro
La ELA es una enfermedad neurodegenerativa que acaba afectando al control muscular, incluida la capacidad de hablar. Para quienes la sufren, expresarse puede reducirse a mover los ojos sobre una pantalla.
Hasta ahora, las interfaces cerebro-computadora (BCI, por sus siglas en inglés) habían logrado convertir la actividad cerebral en texto, pero esta vía no captura los matices de la voz humana: entonación, velocidad, emociones. Tampoco permite intervenir en una conversación en tiempo real.
El nuevo estudio, publicado en Nature, da un salto cualitativo: una BCI que convierte directamente señales cerebrales en voz sintética con una latencia de solo 10 milisegundos. En otras palabras, el sistema "habla" al mismo tiempo que el paciente piensa en hablar, permitiéndole oírse de inmediato, como ocurre con el habla natural.
Cómo funciona la neuroprótesis
El protagonista del estudio es T15, un hombre de 45 años con ELA avanzada. Aunque aún puede vocalizar, su habla es ininteligible. A él se le implantaron cuatro matrices de microelectrodos —un total de 256— en el giro precentral del hemisferio izquierdo, la zona del cerebro que controla los movimientos del habla. Estos sensores registran la actividad neuronal generada al intentar hablar, incluso aunque no se emita sonido.
Para entrenar el sistema, los investigadores utilizaron frases que T15 leía en una pantalla. Como no podían grabar su voz real, usaron una voz sintética generada por texto a voz (TTS) y sincronizaron esa señal con la actividad cerebral registrada.
Con esos datos, entrenaron un modelo de aprendizaje profundo basado en una arquitectura Transformer, un tipo de inteligencia artificial capaz de identificar patrones complejos en secuencias, como el lenguaje o la actividad cerebral. Este sistema aprendió a asociar patrones neuronales con características acústicas del habla: fonemas, tono, intensidad y timbre.
Cada 10 milisegundos, el sistema convierte las señales cerebrales en un conjunto de 20 características acústicas, como tono o sonoridad, que se envían a un vocoder —un programa que transforma esos datos en sonido— para generar la voz. Todo el proceso, desde la señal neuronal hasta que se oye la palabra por el altavoz, ocurre en tiempo real.
Hablar, modular, cantar
Los resultados de la neuroprótesis son tan prometedores como asombrosos. La voz sintetizada por el paciente T15 no solo se entiende, sino que transmite expresividad. En las pruebas, los oyentes reconocieron correctamente sus frases en el 94,3 % de los casos.
El sistema permite pronunciar palabras fuera del entrenamiento, interjecciones ("¡ah!", "¡hmm!"), deletrear y hasta cantar, gracias a que capta no solo el contenido del mensaje, sino también su intención. Detecta variaciones como énfasis o entonación antes de que se pronuncien, gracias a la llamada "actividad de salida nula", una señal cerebral previa al habla.
Una voz personalizada
Uno de los logros más conmovedores fue recrear la voz original del paciente antes de la ELA. Usando grabaciones antiguas, los investigadores clonaron su timbre y entrenaron el decodificador para generar una voz que sonara como la suya. "Me hizo sentir feliz, era como mi voz real", expresó T15.
Este nivel de personalización no es solo un detalle estético: la voz es parte de nuestra identidad.
Ventajas frente a las tecnologías actuales
La diferencia clave con los sistemas actuales de BCI que traducen pensamiento en texto o voz retardada es la inmediatez. Mientras otros métodos requieren esperar a que se complete una palabra o frase para generar el sonido (sistemas acausales), esta neuroprótesis actúa de forma causal y continua. Así se consigue una conversación más fluida, una interacción más natural y una experiencia subjetiva más humana.
Además, el sistema no depende de un vocabulario cerrado. Es capaz de generalizar a palabras nuevas y sonidos inventados. Tampoco se ve afectado por ruidos externos o vocalizaciones residuales del paciente, lo que garantiza una alta precisión incluso en entornos reales.
¿Qué viene después?
Aunque los resultados son prometedores, este es solo el primer paso. El estudio se ha realizado en un solo paciente con ELA que aún podía hacer ligeros movimientos orofaciales. Queda por ver si el sistema funcionará en personas totalmente paralizadas o con otras causas de pérdida del habla.
Sin embargo, la tecnología es escalable. Los investigadores predicen que aumentando el número de electrodos y perfeccionando los modelos de inteligencia artificial, la calidad e inteligibilidad de la voz podrían mejorar aún más. También esperan que, con el uso diario, los pacientes aprendan a modular mejor su pensamiento para hablar más rápido o con más matices.
Esta neuroprótesis representa un hito en la restauración de la comunicación humana. No se trata solo de que las personas con parálisis puedan "decir" palabras, sino de que puedan volver a expresarse, a intervenir, a emocionar. A tener una voz —propia, viva, en tiempo real— donde antes solo había silencio.