[et_pb_section fb_built=\u00bb1″ _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_row _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb max_width=\u00bb80%\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_column type=\u00bb4_4″ _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_blurb title=\u00bbSubproyecto 1″ image=\u00bbhttps:\/\/aholab.ehu.eus\/deeprestore\/wp-content\/uploads\/2024\/07\/DEEP-RESTORE-favicon.webp\u00bb icon_placement=\u00bbleft\u00bb content_max_width=\u00bb100%\u00bb _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb header_text_color=\u00bbgcid-primary-color\u00bb header_font_size=\u00bb20px\u00bb body_text_color=\u00bbgcid-secondary-color\u00bb body_font_size=\u00bb25px\u00bb custom_margin=\u00bb||||false|false\u00bb custom_padding=\u00bb||7px||false|false\u00bb animation=\u00bboff\u00bb border_width_bottom=\u00bb1px\u00bb border_color_bottom=\u00bbgcid-primary-color\u00bb global_colors_info=\u00bb{%22gcid-primary-color%22:%91%22border_color_bottom%22,%22header_text_color%22%93,%22gcid-secondary-color%22:%91%22body_text_color%22%93}\u00bb]Aprendizaje profundo para la restauraci\u00f3n del habla a partir de biose\u00f1ales de movimientos faciales[\/et_pb_blurb][\/et_pb_column][\/et_pb_row][et_pb_row column_structure=\u00bb3_5,2_5″ make_equal=\u00bbon\u00bb _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_column type=\u00bb3_5″ _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_text _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb global_colors_info=\u00bb{}\u00bb]<\/p>\n
DeepRESTORE tiene como objetivo investigar el uso de Interfaces de Habla Silenciosa (SSI) para restaurar la comunicaci\u00f3n en personas que han sido privadas de la capacidad de hablar. Las interfaces de habla silenciosa son dispositivos que capturan se\u00f1ales biol\u00f3gicas no ac\u00fasticas generadas durante el proceso de producci\u00f3n de voz y las utilizan para predecir el mensaje emitido. Si bien las SSI se han investigado principalmente en el contexto del reconocimiento de voz (Silent-Speech-to-Text), este proyecto tambi\u00e9n investigar\u00e1 las t\u00e9cnicas de s\u00edntesis de voz directa, generando as\u00ed directamente la forma de onda de voz correspondiente.<\/p>\n
De las dos se\u00f1ales biol\u00f3gicas que se investigar\u00e1n en el proyecto coordinado, en el subproyecto 1 se captar\u00e1n dos biose\u00f1ales producidas por los movimientos del aparato productor del habla: las se\u00f1ales el\u00e9ctricas generadas por los m\u00fasculos de la cara y el cuello implicados en la producci\u00f3n del habla (se\u00f1ales sEMG ) e im\u00e1genes de video capturadas de la cara. Usando un conjunto de sensores ubicados en la cara y la garganta, y una c\u00e1mara, y sin el uso de se\u00f1ales ac\u00fasticas, el dispositivo SSI decodificar\u00e1 esas se\u00f1ales en el mensaje de texto (EMG a texto) o ac\u00fastico (EMG a voz) correspondiente. Para ello se utilizar\u00e1n t\u00e9cnicas algor\u00edtmicas basadas en el aprendizaje profundo.<\/p>\n
Aunque las interfaces de habla silenciosa se pueden utilizar en otros contextos (como por ejemplo en el contexto de seguridad, para mantener la privacidad en un tel\u00e9fono), nuestro proyecto se centra en proporcionar voz a las personas que se han sometido a una operaci\u00f3n de laringectom\u00eda total. Tras un per\u00edodo de intenso aprendizaje estas personas suelen recuperar una voz llamada esof\u00e1gica, cuyas caracter\u00edsticas son marcadamente diferentes a las del habla sana. Dado que a\u00fan conservan el control sobre los articuladores del habla, los datos del habla silenciosa que reflejan los movimientos de los articuladores se pueden capturar y convertir en habla artificial.<\/p>\n
Creemos que los dispositivos SSI basados en sEMG pueden mejorar significativamente la calidad de vida de estas personas. Durante el proyecto se completar\u00e1n las bases de datos existentes en espa\u00f1ol con m\u00e1s datos en otros idiomas (ingl\u00e9s) que estar\u00e1n a disposici\u00f3n de la comunidad investigadora. Adem\u00e1s, se profundizar\u00e1 en el uso de SoA Deep Neural Networks, contribuyendo a nuevas arquitecturas de aprendizaje. El proyecto se llevar\u00e1 a cabo con la colaboraci\u00f3n de expertos internacionales en el campo del habla muda, y colaborar\u00e1 con la Asociaci\u00f3n de Laringectomizados de Bizkaia no solo para la recogida de datos, sino tambi\u00e9n y m\u00e1s importante para la evaluaci\u00f3n y validaci\u00f3n de las t\u00e9cnicas desarrolladas.<\/p>\n
[\/et_pb_text][et_pb_blurb title=\u00bbObjetivos\u00bb image=\u00bbhttps:\/\/aholab.ehu.eus\/deeprestore\/wp-content\/uploads\/2024\/07\/DEEP-RESTORE-favicon.webp\u00bb icon_placement=\u00bbleft\u00bb content_max_width=\u00bb100%\u00bb _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb header_font_size=\u00bb23px\u00bb animation=\u00bboff\u00bb hover_enabled=\u00bb0″ border_width_bottom=\u00bb1px\u00bb border_color_bottom=\u00bbgcid-primary-color\u00bb global_colors_info=\u00bb{%22gcid-primary-color%22:%91%22border_color_bottom%22%93}\u00bb sticky_enabled=\u00bb0″][\/et_pb_blurb][et_pb_blurb title=\u00bbDesarrollar una base de datos multi-lenguaje para estudios en varios idiomas de EMG y SSI basados en video para ingl\u00e9s y espa\u00f1ol\u00bb use_icon=\u00bbon\u00bb font_icon=\u00bb||fa||900″ icon_placement=\u00bbleft\u00bb image_icon_width=\u00bb25px\u00bb content_max_width=\u00bb100%\u00bb _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb header_font_size=\u00bb17px\u00bb header_line_height=\u00bb1.2em\u00bb width=\u00bb100%\u00bb custom_margin=\u00bb||4px||false|false\u00bb custom_css_blurb_title=\u00bbmargin-left: -20px;\u00bb global_colors_info=\u00bb{}\u00bb][\/et_pb_blurb][et_pb_blurb title=\u00bbDesarrollar un sistema multimodal EMG+video a texto para espa\u00f1ol\u00bb use_icon=\u00bbon\u00bb font_icon=\u00bb||fa||900″ icon_placement=\u00bbleft\u00bb image_icon_width=\u00bb25px\u00bb content_max_width=\u00bb100%\u00bb _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb header_font_size=\u00bb17px\u00bb header_line_height=\u00bb1.2em\u00bb width=\u00bb100%\u00bb custom_margin=\u00bb||4px||false|false\u00bb custom_css_blurb_title=\u00bbmargin-left: -20px;\u00bb global_colors_info=\u00bb{}\u00bb][\/et_pb_blurb][et_pb_blurb title=\u00bbDesarrollar un sistema de generaci\u00f3n de voz multimodal basado en video+EMG para espa\u00f1ol\u00bb use_icon=\u00bbon\u00bb font_icon=\u00bb||fa||900″ icon_placement=\u00bbleft\u00bb image_icon_width=\u00bb25px\u00bb content_max_width=\u00bb100%\u00bb _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb header_font_size=\u00bb17px\u00bb header_line_height=\u00bb1.2em\u00bb width=\u00bb100%\u00bb custom_margin=\u00bb||4px||false|false\u00bb custom_css_blurb_title=\u00bbmargin-left: -20px;\u00bb global_colors_info=\u00bb{}\u00bb][\/et_pb_blurb][et_pb_blurb title=\u00bbDesarrollar t\u00e9cnicas novedosas para la adaptaci\u00f3n entre idiomas y la transferencia de aprendizaje en sistemas de generaci\u00f3n de voz basados en EMG+video.\u00bb use_icon=\u00bbon\u00bb font_icon=\u00bb||fa||900″ icon_placement=\u00bbleft\u00bb image_icon_width=\u00bb25px\u00bb content_max_width=\u00bb100%\u00bb _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb header_font_size=\u00bb17px\u00bb header_line_height=\u00bb1.2em\u00bb width=\u00bb100%\u00bb custom_margin=\u00bb||4px||false|false\u00bb custom_css_blurb_title=\u00bbmargin-left: -20px;\u00bb global_colors_info=\u00bb{}\u00bb][\/et_pb_blurb][\/et_pb_column][et_pb_column type=\u00bb2_5″ _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb custom_padding=\u00bb|||10px|false|false\u00bb border_width_left=\u00bb1px\u00bb border_color_left=\u00bb#dbdbdb\u00bb global_colors_info=\u00bb{}\u00bb][et_pb_image src=\u00bbhttps:\/\/aholab.ehu.eus\/deeprestore\/wp-content\/uploads\/2024\/09\/N004.webp\u00bb title_text=\u00bbN004″ _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb global_colors_info=\u00bb{}\u00bb][\/et_pb_image][ba_dual_button btn_alignment=\u00bbcenter\u00bb btn_a_text=\u00bbSubproyecto 1 (SP1)\u00bb btn_a_link=\u00bb@ET-DC@eyJkeW5hbWljIjp0cnVlLCJjb250ZW50IjoicG9zdF9saW5rX3VybF9wYWdlIiwic2V0dGluZ3MiOnsicG9zdF9pZCI6IjIwNiJ9fQ==@\u00bb btn_b_text=\u00bbSubproyecto 2 (SP2)\u00bb btn_b_link=\u00bb@ET-DC@eyJkeW5hbWljIjp0cnVlLCJjb250ZW50IjoicG9zdF9saW5rX3VybF9wYWdlIiwic2V0dGluZ3MiOnsicG9zdF9pZCI6IjIwNyJ9fQ==@\u00bb connector_type=\u00bbicon\u00bb connector_icon=\u00bb$||divi||400″ button_gap=\u00bb10px\u00bb _builder_version=\u00bb4.27.0″ _dynamic_attributes=\u00bbbtn_a_link,btn_b_link\u00bb _module_preset=\u00bbdefault\u00bb custom_btn_a=\u00bbon\u00bb btn_a_text_size=\u00bb1rem\u00bb btn_a_text_color=\u00bb#FFFFFF\u00bb btn_a_bg_color=\u00bb#209fc2″ btn_a_border_width=\u00bb1px\u00bb btn_a_border_color=\u00bb#FFFFFF\u00bb btn_a_border_radius=\u00bb9px\u00bb btn_a_icon=\u00bb$||divi||400″ custom_btn_b=\u00bbon\u00bb btn_b_text_size=\u00bb1rem\u00bb btn_b_text_color=\u00bb#FFFFFF\u00bb btn_b_bg_color=\u00bbgcid-secondary-color\u00bb btn_b_border_width=\u00bb1px\u00bb btn_b_border_color=\u00bb#FFFFFF\u00bb btn_b_border_radius=\u00bb12px\u00bb btn_b_use_icon=\u00bboff\u00bb global_module=\u00bb253″ global_colors_info=\u00bb{%22gcid-secondary-color%22:%91%22btn_b_bg_color%22%93}\u00bb][\/ba_dual_button][et_pb_blurb title=\u00bb\u00daltimas publicaciones\u00bb image=\u00bbhttps:\/\/aholab.ehu.eus\/deeprestore\/wp-content\/uploads\/2024\/07\/DEEP-RESTORE-favicon.webp\u00bb icon_placement=\u00bbleft\u00bb content_max_width=\u00bb100%\u00bb _builder_version=\u00bb4.26.0″ _module_preset=\u00bbdefault\u00bb header_text_color=\u00bbgcid-secondary-color\u00bb body_text_color=\u00bbgcid-secondary-color\u00bb width=\u00bb100%\u00bb animation=\u00bboff\u00bb custom_css_blurb_title=\u00bbmargin-top: 5px;||margin-left: -10px;\u00bb border_width_bottom=\u00bb1px\u00bb border_color_bottom=\u00bbgcid-primary-color\u00bb global_colors_info=\u00bb{%22gcid-secondary-color%22:%91%22body_text_color%22,%22header_text_color%22%93,%22gcid-primary-color%22:%91%22border_color_bottom%22%93}\u00bb][\/et_pb_blurb][ba_post_list posts_number=\u00bb4″ excerpt_length=\u00bb100″ item_spacing=\u00bb30px\u00bb item_padding=\u00bb0px|0px|30px|0px|false|false\u00bb image_spacing=\u00bb23px\u00bb meta_spacing=\u00bb5px\u00bb excerpt_spacing=\u00bb10px\u00bb _builder_version=\u00bb4.27.0″ _module_preset=\u00bbdefault\u00bb title_font=\u00bb|700|||||||\u00bb title_text_color=\u00bbgcid-secondary-color\u00bb title_font_size=\u00bb1.2rem\u00bb content_text_color=\u00bb#354559″ content_font_size=\u00bb1rem\u00bb meta_font=\u00bb|700|||||||\u00bb meta_text_color=\u00bb#354559″ meta_font_size=\u00bb1rem\u00bb border_radii_image=\u00bbon|3px|3px|3px|3px\u00bb border_width_bottom_post=\u00bb1px\u00bb border_color_bottom_post=\u00bb#e2e5ed\u00bb global_colors_info=\u00bb{%22gcid-secondary-color%22:%91%22title_text_color%22%93}\u00bb][\/ba_post_list][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"
Aprendizaje profundo para la restauraci\u00f3n del habla a partir de biose\u00f1ales de movimientos facialesDescripci\u00f3n SP1 DeepRESTORE tiene como objetivo investigar el uso de Interfaces de Habla Silenciosa (SSI) para restaurar la comunicaci\u00f3n en personas que han sido privadas de la capacidad de hablar. Las interfaces de habla silenciosa son dispositivos que capturan se\u00f1ales biol\u00f3gicas no […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"class_list":["post-206","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/aholab.ehu.eus\/deeprestore\/wp-json\/wp\/v2\/pages\/206","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aholab.ehu.eus\/deeprestore\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/aholab.ehu.eus\/deeprestore\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/aholab.ehu.eus\/deeprestore\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/aholab.ehu.eus\/deeprestore\/wp-json\/wp\/v2\/comments?post=206"}],"version-history":[{"count":6,"href":"https:\/\/aholab.ehu.eus\/deeprestore\/wp-json\/wp\/v2\/pages\/206\/revisions"}],"predecessor-version":[{"id":300,"href":"https:\/\/aholab.ehu.eus\/deeprestore\/wp-json\/wp\/v2\/pages\/206\/revisions\/300"}],"wp:attachment":[{"href":"https:\/\/aholab.ehu.eus\/deeprestore\/wp-json\/wp\/v2\/media?parent=206"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}