Cómo lograr que una red neuronal en inglés lea en ruso

Un autor de Habr ha publicado un texto sobre cómo conseguir que las redes neuronales de síntesis de voz en inglés (TTS, text-to-speech) suenen en ruso. El artículo arranca reconociendo que la tecnología TTS va desplazando poco a poco parte del trabajo de locutores y actores de doblaje profesionales, y ofrece un repaso de modelos gratuitos que no exigen créditos, ni suscripciones, ni vincular una tarjeta bancaria. Con una advertencia: ni mucho menos todos admiten el ruso y, en los que sí lo hacen, suele notarse un acento marcado.

Qué probó exactamente el autor

El centro del texto es una comparación práctica: el autor genera la locución de un mismo texto en inglés y en ruso con varios modelos neuronales gratuitos de síntesis de voz, para evaluar cuánto difieren la calidad del sonido y la pronunciación entre ambos idiomas. Este enfoque responde a una pregunta que rara vez abordan los materiales de marketing de los desarrolladores: cómo se desenvuelve un modelo entrenado sobre todo con un corpus en inglés ante la fonética y la entonación de un idioma para el que no fue diseñado.

El ruso es objetivamente más difícil de sintetizar que la mayoría de las lenguas de Europa occidental. Su acento libre puede recaer en sílabas distintas en palabras emparentadas, su rico sistema de desinencias de caso afecta a la pronunciación y la abundancia de sibilantes y consonantes suaves exige un modelo fonético mucho más fino que, por ejemplo, el inglés, con su entonación relativamente predecible. La mayoría de los modelos TTS abiertos se entrenan primero con conjuntos de datos en inglés, simplemente porque es de lo que más datos hay en acceso abierto, y el soporte de ruso suele añadirse después, con menos cuidado.

Qué problemas tienen los modelos en inglés con el ruso

El hallazgo clave es el acento. El autor compara el sonido de algunos modelos con la pronunciación de Arnold Schwarzenegger en la película Danko: Calor rojo, donde el actor interpreta a un policía soviético con un ruso reconocible pero claramente no nativo. La comparación refleja un problema típico de los modelos TTS entrenados sobre todo con habla inglesa: incluso cuando el modelo es capaz, en teoría, de pronunciar palabras rusas, los acentos, las curvas de entonación y la suavidad de las consonantes se transmiten a menudo de forma incorrecta. El resultado suena reconocible pero poco natural, como un extranjero y no como un hablante nativo.

Datos clave:

• El texto compara modelos TTS gratuitos en inglés y en ruso
• Criterio de selección: sin créditos, sin suscripciones y sin vincular tarjeta
• No todos los modelos probados admiten ruso
• Algunos de los modelos que sí lo admiten tienen un acento notable, comparable al del personaje de Schwarzenegger en Danko: Calor rojo

¿Conviene usar estos modelos para locución en ruso?

La conclusión práctica del artículo se refiere a la aplicabilidad. Aunque un modelo sea gratuito y, en general, impresione por la calidad de su voz en inglés, un proyecto en ruso, ya sea la locución de un vídeo, un pódcast o una interfaz de voz, requiere comprobar por separado cómo maneja la fonética rusa, en lugar de fiarse de la impresión general de las demos en inglés. En esencia, el texto ofrece al lector una lista de verificación para evaluar por su cuenta: probar el modelo con un texto en su idioma, comparar la pronunciación con el habla rusa real y solo entonces decidir si se puede pasar por alto las limitaciones del idioma a cambio de coste cero, o si la tarea exige un modelo de pago con soporte explícito de ruso.

Para los autores que crean contenido en ruso por su cuenta, como blogueros, docentes o desarrolladores de videojuegos indie, este tipo de análisis comparativos son especialmente valiosos, porque ahorran el tiempo de probar a mano una decena de modelos y permiten ir directamente a los pocos que suenan aceptables en ruso, sin gastar recursos en modelos que no fueron pensados para ello. Para muchos usos no profesionales, como locuciones de borrador, versiones de prueba de un producto o proyectos personales, los modelos gratuitos en inglés pueden resultar un compromiso perfectamente válido. Pero para contenido dirigido a una audiencia rusohablante amplia, el acento que describe el autor probablemente resulte inaceptable.