Mientras algunas figuras ceden sus voces para que sean recreadas en forma digital, los referentes del doblaje chino advierten sobre los riesgos de la clonación no autorizada. La tecnología deja al descubierto la sutil diferencia entre la precisión de un algoritmo y la imperfección orgánica de la voz humana.
Una versión generada por IA de una voz familiar ha estado apareciendo en las redes sociales chinas, promocionando productos, narrando videos cortos y prestando su voz a contenido que va desde anuncios de comida hasta clips de entretenimiento.
Para los oyentes del podcast de crímenes reales Black Cat Detective Agency, la voz puede sonar familiar. Pertenece a Mizai, la presentadora del programa, cuyo estilo distintivo se ha vuelto ampliamente reconocible. Pero escuchar una réplica de IA de su voz promocionando una sartén o un vestido en Douyin, la versión china de TikTok, puede ser una experiencia extraña para algunos seguidores de larga data.
A la propia Mizai no le preocupa demasiado. Ha cedido voluntariamente los derechos de su voz para aplicaciones de IA, considerando la versión sintética como una extensión digital de sí misma, una que puede realizar trabajos en otros lugares mientras ella continúa presentando su propio programa.
«Lo veo como un clon de mi voz haciendo su propio trabajo en otro lugar, mientras yo sigo haciendo el mío en mi propio programa. Los dos no interfieren entre sí», declaró al Global Times.
Su experiencia también refleja las opciones y los desafíos que enfrentan los creadores de contenido de voz a medida que el habla generada por IA se vuelve más accesible. Para explorar este tema con mayor profundidad, el Global Times habló con varios profesionales de la industria sobre sus experiencias con la tecnología de voz de IA, desde oportunidades de licencias hasta preocupaciones sobre la propiedad y el futuro del desempeño humano en la era de la IA.
Una vida propia
La participación de Mizai con la IA comenzó cuando fue invitada a proporcionar muestras de voz para una función de podcast de IA en Doubao, una aplicación de IA desarrollada por ByteDance. Su voz de IA luego estuvo disponible en otros productos de ByteDance, incluyendo Jianying, una popular aplicación de edición de video.
Desde entonces, muchos usuarios han podido seleccionar su voz generada por IA para narrar sus videos en varias plataformas, usándola para todo, desde promociones de productos hasta otros contenidos de formato corto.
La respuesta de su audiencia ha sido mixta. Algunos oyentes de larga data se quejan de que escuchar una voz familiar en videos comerciales no relacionados con su podcast interrumpe su experiencia auditiva. Algunos incluso dejaron de seguir el programa, mientras que otros la instaron a tomar medidas contra lo que asumían que era un uso no autorizado.
Mizai dijo que entiende por qué algunos oyentes se sienten incómodos, aunque ve el acuerdo como una forma práctica de usar su voz.
Su decisión se debió en parte a que ya existían grabaciones de su voz disponibles públicamente en internet. En lugar de arriesgarse a que alguien la clonara sin permiso, prefirió autorizar su uso a través de una plataforma importante mediante un contrato con términos definidos.
Para el narrador de audiolibros Man Chao, licenciar su voz también representa una oportunidad, aunque sus razones son bastante diferentes.
Con más de una década de experiencia en la radiodifusión y más de 200 audiolibros en su haber, aceptó proporcionar alrededor de 100 horas de grabaciones para el proyecto de desarrollo de voz con IA de ByteDance.
La perspectiva de dejar un legado influyó enormemente en su decisión. Imagina un futuro en el que la IA pueda preservar la voz y la forma de hablar de una persona mucho después de su muerte. «Espero que cuando mi hija sea mayor, pueda comunicarse con una versión digital de mí en mi mejor momento», declaró al Global Times. ¿
Quién es dueño de una voz?
No todos los creadores de contenido de voz están dispuestos a participar en este tipo de acuerdos.
La actriz de doblaje china Ji Guanlin, conocida por su trabajo en cine, televisión y animación, incluyendo «Emperatriz en el Palacio» y la versión doblada al chino de «Titanic» estrenada en China continental, ha adoptado un enfoque más cauteloso.
Ha recibido varias invitaciones de empresas y plataformas de IA para licenciar su voz, pero aún no ha formalizado ninguna colaboración. Su reticencia no se debe a una oposición a la tecnología en sí, sino al deseo de contar con salvaguardias más claras en cuanto a la protección legal, la supervisión de las plataformas, el uso comercial y los intereses de los artistas.
Ji y muchos de sus colegas se han encontrado con casos en los que sus voces se utilizaron en vídeos y contenido de audio sin permiso. Algunos artistas se han pronunciado públicamente, mientras que otros han emprendido acciones legales.
«Nunca me he opuesto a la IA. La IA es una tecnología nueva y neutral. A lo que me opongo es al mal uso y la apropiación no autorizada de las voces de las personas», declaró al Global Times.
Espera ver regulaciones más claras y una aplicación más rigurosa, junto con acuerdos comerciales y de licencias más transparentes.
Expresión irremplazable
Más allá de las cuestiones de propiedad, la tecnología de voz de la IA también está transformando la creación de contenido y el trabajo de los creadores de contenido de voz.
Mizai ve un gran potencial en esta tecnología, sobre todo para reducir las barreras de acceso a la creación de contenido de audio y vídeo. Tareas que antes requerían un equipo de producción completo podrían ser realizadas por una sola persona con herramientas de IA, lo que brindaría a más personas la oportunidad de contar sus historias.
También ve potencial en aplicaciones de accesibilidad, desde ayudar a personas con discapacidad visual a escuchar audiolibros hasta restaurar la voz de quienes han perdido la capacidad de hablar.
Para Man Chao, el impacto de la IA plantea interrogantes sobre la competencia profesional. Afirmó que podría llegar a reemplazar a algunos profesionales menos capacitados, mientras que los narradores experimentados podrían mantener una ventaja gracias a la profundidad y variedad de sus interpretaciones.
Sin embargo, los tres entrevistados coincidieron en que los intérpretes humanos seguirán siendo insustituibles a medida que las voces generadas por IA se vuelvan cada vez más sofisticadas. Mizai señaló que, si bien la IA puede reproducir características vocales, no puede capturar por completo los cambios naturales de emoción y expresión de una interpretación humana.
Man Chao comparte esta opinión. Aunque proporcionó alrededor de 100 horas de grabaciones para el desarrollo de la voz de la IA, observó que la voz sintética resultante aún no alcanza la suya. Las grabaciones pueden ayudar a la IA a imitar su voz y dicción, pero no pueden reproducir la gama completa y los matices de su interpretación.
Ji también percibe una distinción en las sutiles variaciones que surgen de forma natural durante la actuación. Un actor puede recitar la misma frase varias veces, y cada toma presenta ligeras diferencias de emoción, ritmo y expresión que a menudo surgen de una respuesta inmediata. «El arte se basa en la expresión natural de la emoción, mientras que la producción industrial se basa en un cálculo preciso», afirmó.