Cambiar la ubicación de las cuerdas vocales falsas provocó una resonancia gutural en la voz virtual

El usuario de Hacker News (EA-3167) experimentó con la regulación de la posición de los pliegues vocales falsos (estructuras辅 de fonación accesoria situadas sobre las cuerdas vocales verdaderas) en un navegador web. Al adoptar una configuración anatómicamente adecuada, los armónicos característicos del khoomei (la tradicional técnica de voz gutural de Mongolia y Tuvá) resonaron efectivamente ¹. Aunque no fue posible implementar el registro grave kargyraa, sí se logró replicar con bastante realismo el registro agudo sygyt ¹.

Esta herramienta, que permite modificar la forma de las cuerdas vocales y del tracto vocal mediante el control táctil para producir sonido, se denomina 'Chimera Vocal Synth'. Su nombre puede llevar a la confusión de pensar que se trata de un dispositivo que captura imágenes de las cuerdas vocales reales mediante ultrasonido o resonancia magnética. Sin embargo, Chimera no es un espejo que ilumine directamente el cuello del usuario. En cambio, es una simulación física que calcula en computadora el proceso del aire a través de un tracto vocal virtual y lo muestra en una vista 3D en tiempo real. Por lo tanto, más que diagnosticar 'en qué estado se encuentra mi cuello ahora', funciona como un compañero de práctica que permite experimentar instantáneamente con 'qué sonido se produce si se adopta esta forma'.

Cálculo en lugar de captura: el sonido producido por un tracto vocal virtual

El desarrollador jamesondh, creador de Chimera, aclara el núcleo del proyecto en su repositorio de GitHub. Todos los sonidos generados no provienen de muestras pregrabadas, sino que se crean a partir del aire que atraviesa un tracto vocal virtual compuesto por pulmones, cuerdas vocales, tracto vocal segmentado, labios y nariz ². El motor está escrito en Rust, se compila a WebAssembly y opera mediante la API AudioWorklet para procesar el audio en tiempo real en el navegador ².

El punto clave es que el sonido no se reproduce, sino que se 'crea'. Si el usuario altera mínimamente la posición de la lengua, cambia la geometría del tracto vocal virtual y la ruta del flujo de aire se modifica, lo que provoca variaciones inmediatas en el tono y las resonancias. Este motor se basa en el método FDTD (Finite-Difference Time-Domain, una técnica numérica que calcula el flujo de aire dividiéndolo en una retícula de tiempo y espacio) ². La computadora calcula paso a paso qué presión se genera cuando el aire pasa por aberturas estrechas, a qué frecuencia vibran las cuerdas vocales y cómo se propagan y resonar estas ondas en la boca y la nariz ².

Por consiguiente, Chimera difiere de los sintetizadores de voz de IA convencionales que convierten texto en habla. Al ingresar palabras en inglés (basadas en el diccionario CMUdict) o transcripciones en el AFI (Alfabeto Fonético Internacional), la herramienta visualiza en pantalla los 'gestos articulatorios', es decir, los movimientos necesarios de lengua y labios para producir dicha pronunciación ². Se trata de visualizar el proceso, no solo el resultado articulatorio.

Elementos visibles en pantalla y ajustables manualmente

La interfaz ofrece controles de voz que permiten regular el tono, la presión respiratoria, la intensidad de la compresión de las cuerdas vocales (Pressed) y el vibrato ³.

Una función especialmente destacada es la reproducción del movimiento de las cuerdas vocales a velocidad 100 veces más lenta ³. Las cuerdas vocales reales vibran decenas o cientos de veces por segundo, lo que impide distinguir su morfología a simple vista; al ralentizar la visualización 100 veces, se pueden observar los sutiles movimientos de contacto y separación de las cuerdas. También se muestran simultáneamente la zona de la tráquea desde la glotis (la abertura entre las cuerdas vocales) hasta los labios, el espectro de resonancia y la región de frecuencias de resonancia F1/F2, que corresponden a las principales resonancias vocálicas ³.

En la pantalla de configuración inicial, se observan valores como tono a 110 Hz (nota A2), presión respiratoria de 8,0 cmH₂O (unidad que representa la presión de aire mediante la altura de una columna de agua), Pressed al 50 % y vibrato de 0 centavos ³. Al ajustar estos parámetros, la curva de resonancia y el gráfico del flujo de aire en pantalla se modifican en tiempo real ³. También es posible aplicar una mezcla continua de características físicas masculinas, femeninas e infantiles ².

Aprender la fonación verificando visualmente la configuración bucal

El valor sustancial de esta herramienta radica en su retroalimentación visual. El usuario transgénero de Hacker News, goodmythical, evaluó que 'una demostración visual puede guiar con mucha mayor concreción que instrucciones verbales como "intenta acercarte más al sonido 'a' de la palabra 'aunt'"' ¹. Añadió que podría ser útil para el entrenamiento vocal acorde con la identidad de género, el canto y el aprendizaje de idiomas ¹.

Tradicionalmente, la pedagogía de la fonación ha dependido en gran medida de lenguaje abstracto como 'abre más la boca' o 'saca el sonido de la garganta'. Chimera traduce estas instrucciones a configuraciones anatómicas visuales. Incluso para una misma vocal, las curvas de resonancia F1/F2 se desplazan en tiempo real según la posición de la lengua o el grado de apertura de la mandíbula, permitiendo al usuario verificar y ajustar visualmente la correspondencia 'esta forma produce este sonido'.

Los casos de uso general también respaldan esta dirección. El usuario hankbond escribió que aprendió canto gutural (una técnica que produce armónicos mediante la resonancia de la garganta) para dormir a su bebé, y que le resultaba interesante identificar qué formas debían adoptar cada parte de su boca y cuello para replicar con precisión en el sintetizador el sonido que él mismo producía ¹. El usuario nxobject compartió su intención de mover la lengua en distintas posiciones para aprender la vocal 'o' del inglés australiano, mientras que muglug explicó que utilizó una IA (Claude) para leer partituras en PDF y luego ajustó manualmente el sonido sintetizado durante horas para que coincidiera con el audio real ¹.

Limitaciones de la simulación y esfuerzos de validación

Las observaciones de los usuarios también confirman que la simulación no reproduce perfectamente todas las condiciones. El usuario odo1242 reportó que, al ajustar la lengua completamente hacia abajo y a la izquierda, cerrar los labios y retraerlos al máximo, elevar la laringe al punto más alto y descender el velo del paladar hasta el extremo inferior, se generaba un sonido de chillido inhumano y físicamente inexacto ¹. Según su hipótesis, pequeños errores de configuración imperceptibles en el funcionamiento normal se manifiestan como distorsiones en condiciones extremas ¹.

El desarrollador jamesondh está documentando procedimientos para verificar estas discrepancias. La CLI de chimera (herramienta de línea de comandos) permite realizar renderizado y mediciones fuera de línea, comparar y puntuar los resultados con voces reales de cantantes del dataset 'Children's Song Dataset' y contrastar los datos fonema por fonema con 23 hablantes reales de la base de datos de voz TSP ². Asimismo, ofrece funciones de diagnóstico que analizan la fuga nasal, los formantes (componentes de frecuencia resonante), el ancho de banda y el tono fundamental ².

¿Varía el sonido al cambiar la posición de los pliegues vocales falsos? En el modelo físico del tracto vocal virtual, la respuesta es afirmativa. La generación de armónicos sygyt por parte de EA-3167 y la experiencia de odo1242 con sonidos no naturales en configuraciones extremas ilustran ambas caras de este fenómeno. Chimera no es un dispositivo médico para diagnosticar la propia voz, sino un laboratorio que permite explorar visualmente 'qué configuración bucal produce qué sonido'.