Machine learning y la acústica literaria: un análisis profundo de textos para la escenificación sonora
En la búsqueda de nuevas fronteras para la lectura digital, el machine learning se presenta como una herramienta poderosa para desentrañar los secretos de la acústica literaria. Al analizar grandes volúmenes de texto, es posible identificar patrones y relaciones que serían imposibles de detectar a simple vista, abriendo un abanico de posibilidades para la escenificación sonora en formato Epub.
En nuestra investigación, utilizamos técnicas de procesamiento del lenguaje natural (PLN) para analizar textos literarios chilenos de dominio público. El objetivo era identificar unidades de texto que evocaran emociones específicas, y luego asociar estas unidades con sonidos que reforzaran dichas emociones. Para lograrlo, utilizamos diversas librerías de machine learning, como NLTK y scikit-learn, que nos permitieron realizar tareas como la tokenización, el análisis de sentimiento y la clasificación de textos.
El proceso de análisis se dividió en varias etapas. Primero, se seleccionaron fragmentos de texto de entre 40 y 60 palabras, que consideramos la unidad mínima de análisis para la escenificación sonora. Luego, se aplicó un modelo de análisis de sentimiento para clasificar cada fragmento en una de cinco categorías emocionales: miedo, sorpresa, tristeza, alegría y neutro.
Una vez clasificados los fragmentos, se procedió a la selección de sonidos que reforzaran las emociones evocadas por cada texto. Para ello, se utilizó una taxonomía basada en la teoría triádica de Peirce, que distingue entre íconos, índices y símbolos. Por ejemplo, para un fragmento que evocaba miedo, se seleccionaron sonidos que representaran íconos (como el sonido de pasos en la oscuridad), índices (como una melodía tensa) y símbolos (como el silencio).
El resultado de este proceso fue un Epub prototipo con audio inmersivo, en el que cada fragmento de texto estaba acompañado por sonidos que reforzaban su carga emocional. Este prototipo demostró el potencial del machine learning para la creación de experiencias de lectura digital más ricas e inmersivas.
En otras investigaciones sería posible explorar nuevas aplicaciones del machine learning en la acústica literaria. Por ejemplo, se podría investigar acerca de utilizar modelos de generación de texto para crear descripciones sonoras automáticas de escenas literarias, o modelos de reconocimiento de voz para transcribir audiolibros y generar subtítulos automáticos.
El machine learning ofrece herramientas poderosas para explorar la relación entre texto y sonido, y para crear nuevas formas de lectura digital que sean más accesibles, inclusivas y emocionantes.