Técnicas para el modelado y la generación de audio en transtornos del habla: evaluación comparativa de tecnologías de generación de voz para la síntesis de habla con disartria.
Year: 2026
Type: dissertation
Abstract: En la actualidad, el crecimiento acelerado de la inteligencia artificial ha abierto nuevos caminos para el procesamiento y generación de audios que imitan la voz. Sin embargo, para la disartria, estos nuevos horizontes enfrentan un imponente desafío: la escasez de datos para el entrenamiento y evaluación de modelos de vanguardia. Las personas con disartria presentan alteraciones motoras del habla, lo que puede afectar la inteligibilidad, la prosodia y la calidad acústica de la voz; esto provoca una limitación al desarrollar tecnologías orientadas a esta patología. Bajo este enfoque, se propone la evaluación comparativa de tecnologías de generación y conversión de voz para la creación de datos sintéticos del habla disártrica. En el capítulo 1 se presenta el problema, los objetivos, el alcance y el marco teórico relacionado con disartria, tecnologías generativas, conversión de voz y métricas objetivas. En el Capítulo 2 se describe la metodología, incluyendo el uso del dataset TORGO, los procesos de limpieza, normalización, extracción de representaciones acústicas y ejecución de los modelos seleccionados. En el Capítulo 3 se presentan los resultados de la comparación entre enfoques basados en redes generativas, modelos secuenciales y modelos de difusión, evaluados mediante métricas objetivas de inteligibilidad, calidad acústica y similitud espectral. Finalmente, se exponen las conclusiones y recomendaciones orientadas a identificar qué tecnologías presentan mejores condiciones técnicas para futuras estrategias de aumento de datos sintéticos en datasets disártricos.
Institution: National Polytechnic School
Language: Spanish
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7220761975
