Entre todas las opciones que nos permite realizar una IA, nos encontramos la de eliminar el ruido de fondo en tiempo real, algo muy interesante en ciertas ocasiones, pero que puede que no lleguemos a comprender cómo es capaz de hacerlo, y de una manera tan exacta.
En el día de hoy, veremos cuál es el funcionamiento, y si podrían incluso mejorar aún más en el futuro. No todas lo hacen igual de bien, y deberemos probar diferentes funciones, según nuestras necesidades, para encontrar la que se adapta a nosotros, aunque todas siguen un mismo patrón.
¿Cómo elimina el ruido una IA?
Cuando hablas en el micrófono, este no es capaz de diferenciar entre tu voz y el resto de sonidos de tu alrededor. Para él todo es parte de la misma grabación, ya sea el ventilador del ordenador, el tráfico de la calle, el teclado, el perro que ladra o alguien que habla de fondo. Aquí es donde la inteligencia artificial puede ayudarnos.
Lo primero que hace es oír esa mezcla completa de sonido y dividirla en fragmentos muy pequeños. Son tan breves que el proceso se produce miles de veces por segundo. En cada uno de esos fragmentos trata de reconocer lo que corresponde a una voz humana y lo que parece ser simplemente ruido de fondo.
¿Y cómo lo sabe? Porque ha sido entrenada con una cantidad enorme de grabaciones. En ese entrenamiento ha aprendido cómo suele sonar una voz, cómo cambia cuando hablamos más alto o más bajo e incluso cómo se comporta cuando pronunciamos determinadas letras. Con esa información es capaz de diferenciar nuestra voz del resto de sonidos bastante bien.
Una vez identificas esas dos partes, baja el volumen del ruido y deja prácticamente intacta la voz. Todo esto ocurre en tiempo real, de forma que la otra persona escucha el resultado prácticamente al mismo momento en el que estamos hablando. Por eso hoy podemos hacer videollamadas desde una cafetería o jugar una partida con gente con auriculares sin que el ruido de fondo moleste tanto.
No siempre acierta al cien por cien. La IA puede confundirse si hay un ruido muy fuerte o que suene mucho a voz. Seguramente has escuchado alguna vez que alguien suena “metálico” o que desaparecen palabras en una llamada. Suele ocurrir porque el sistema ha intentado filtrar demasiado y ha eliminado parte de la voz junto con el ruido.
Algunas aplicaciones difieren de otras. Unas apuestan por modelos de IA más avanzados, otras priorizan consumir pocos recursos y otras se aprovechan de la potencia de la tarjeta gráfica o de los chips dedicados que llevan muchos portátiles actuales. Por esto puedes ver que Discord, NVIDIA Broadcast, Microsoft Teams o cualquier otra aplicación no dan exactamente el mismo resultado.
Lo mejor es que estos sistemas siguen en evolución. Cada versión nueva aprende a diferenciar mejor la voz de los sonidos del entorno, por lo que es probable que dentro de unos años podamos hablar en lugares mucho más ruidosos sin prácticamente preocuparnos por lo que esté ocurriendo a nuestro alrededor. Del mismo modo, si estamos en una habitación silenciosa, lo mejor es desactivar esto, para evitar, como decíamos, que, a veces, se coma palabras, ya que interpreta estas como ruido.