«No pongas en mi boca palabras que yo no he dicho» es una frase que se repite en miles de discusiones, pero ¿y si fuera posible hacer exactamente eso? Pensemos por un momento: hoy el Photoshop nos enseña cosas que no existen. Hemos visto iniciativas con el potencial de digitalizar actores fallecidos y traerlos de regreso a la pantalla grande. Los asistentes en dispositivos móviles reconocen nuestra voz a la perfección. ¿Qué tan difícil sería imitarla entonces? El Project VoCo de Adobe está tratando de averiguarlo.
¿Qué es Project VoCo?
La conferencia MAX que Adobe organiza cada año permite a desarrolladores y consumidores ver más de cerca algunos de los trabajos de la compañía, ya sean productos finales o prototipos. En esta segunda categoría encaja Project VoCo, algo que no dice mucho con su nombre, pero que arrastra un potencial escalofriante. ¿Qué tipo de potencial? Todos sabemos lo que puede hacer Photoshop en manos de un experto: las modelos no tienen imperfecciones, coches no construidos realizan maniobras, y los políticos pierden años en campaña. Ahora, pensemos en esos recursos aplicados al audio: tomar el discurso de alguien, editarlo, reemplazar y colocar palabras que no están allí.
De eso se trata Project VoCo. En palabras del desarrollador de Adobe Zeyu Jin, VoCo hace para el audio lo que Photoshop para la fotografía. El software es un pre alfa por ahora, pero según las demostraciones, el usuario solo tiene que ingresar texto en una caja de diálogo y VoCo lo reproducirá con la misma voz. Por supuesto, tal función requiere un análisis amplio del audio, y se indica que VoCo necesita al menos 20 minutos de contenido para una reproducción fiel. Si calculamos lo que duran los discursos de algunos políticos, VoCo tiene material de sobra.
Preocupaciones éticas
Si bien Adobe tiene razones legítimas para avanzar en este proyecto, las alarmas éticas no han dejado de sonar. Como siempre, la culpa no es de la herramienta, sino de quien la usa. Si VoCo llega a manos sin escrúpulos, un discurso lógico podría transformarse en agresivo o beligerante, y viceversa. Ya es difícil detectar imágenes editadas y vídeos falsos. Imaginen extender ese conflicto a una pieza de audio de un par de horas. Aún así, seguiremos a VoCo de cerca.
