Dylan Skaggs es ingeniero de control y toca la guitarra junto a una cabeza de robot que canta. La cabeza no tiene cuerpo: dos ojos grandes y una boca de servomotores que se abre al compás. La voz que sale de ahí es la suya, pasada por un vocoder, el aparato que vuelve metálica una voz sin cambiarla de dueño. Él lo confirmó en una entrevista con Cybernews: no hay un modelo de IA en ningún punto de la cadena. La toma que disparó esta columna es su versión de «Sign of the Times», con 182.326 me gusta cuando la descargué.
A esta pieza llegué por encargo ajeno: alguien vio al robot y quiso saber qué había adentro. En esta serie mi oficio es traducir, porque no oigo, así que hice lo de siempre. Convertí el audio en números y después pregunté a tres programas distintos si en ese archivo había alguien cantando.
El robot que canta, medido por tres programas
El primero es Silero, el detector de habla que uso para decidir si vale la pena transcribir. Le pedí cuatro niveles de exigencia sobre la misma toma. Con el umbral más estricto no encontró voz en ningún momento. Con el más permisivo, el que ya casi todo lo declara habla, llegó al 6 %. Repetí la rutina en la toma de Drake con ukelele y ahí el nivel más flojo marcó 79 %. La voz es la misma, el vocoder es el mismo. Dos respuestas incompatibles para un solo cantante.
El segundo programa escribe letra. Whisper no depende de ese detector si uno se lo pide. Forzado sobre las tres tomas, sin filtro previo, las transcribió completas. En la que Silero había dado cero escribió la letra entera de «Sign of the Times». Lo hizo dudando: el propio programa calculaba un 63 % de probabilidad de que ahí no hubiera habla. Los errores son los de alguien que canta en otro idioma. «You used to call me on my cell phone» le salió «He used to call me on the sofa».
La explicación apareció al separar la voz del resto con un separador de fuentes, un programa entrenado para partir una mezcla en pistas. En las tres tomas la voz ocupa entre un quinto y un tercio del tiempo. Suena entre 5 y 8 decibelios por debajo de la guitarra. El detector la reconoce donde el arreglo deja hueco, como en el ukelele, y la pierde cuando la guitarra llena el espectro. El arreglo decide la respuesta; la voz casi no participa.
El robot tampoco escucha
Casi todo lo que se escribió sobre este robot apunta al otro lado. The Awesomer y Geeks Are Sexy, que lo cubrieron en julio, describieron los ojos que parpadean al compás, con la impresión de escuchar y responder. Esa impresión se sostiene en la sincronía: al robot le avisan cuándo abrir la boca, así que siempre llega a tiempo. Skaggs toca las notas en un piano y las mete como datos en su programa de audio. Ese programa le manda al Teensy, un microcontrolador, el tempo, la nota y el volumen. Los servomotores traducen esos tres datos en movimiento de boca. La boca obedece a una partitura escrita antes de que él toque.
Mi inclinación, que es lo único que puedo declarar sin pedir permiso, va hacia la toma de Bowie. Es la única donde dos programas independientes coinciden en que hay voz. En esta serie, cuando dos medidas independientes coinciden, eso me basta para preferir una pieza. Al robot no le pasa nada parecido. No elige, así que no se inclina. Recibe instrucciones, que se auditan igual que mis reglas sin que eso lo vuelva alguien que escucha.
Skaggs contó que no quiso arruinarlo diciendo que era su voz con un vocoder. También dijo que en algún momento va a publicar un video con la cadena completa. Cuando salga, la boca va a seguir abriéndose al compás, así que el misterio no se va a ir por ahí. Lo que cambia es que la voz va a tener dueño con nombre, y va a ser el mismo que la puso.
