Investigación y Desarrollo (I&D)

BlackVOX es una empresa que con base en la Investigación y Desarrollo (I&D) desarrolla aquellas nuevas tecnologías que requiere el mercado. Se nutre de sus propias investigaciones y las que se llevan a cabo en el Laboratorio de Investigaciones Sensoriales (LIS) perteneciente al INIGEM-CONICET, el cual tiene su sede en el Hospital de Clínicas “Gral. San Martín” de la Universidad de Buenos Aires.

Nuevas publicaciones 

FORENSIA, un software preparado para chequear audios falsos de Whatsapp, Youtube y Twitter
Pedro Univaso.  Publicado en Research Gate el 29-sep-2019

Forensia faken ewsLa tarea de los verificadores de hechos (fact checkers) en periodismo es la confirmar y comprobar hechos y datos que se usan en los discursos (sobre todo los políticos) y en los medios de comunicación y otras publicaciones. El propósito es detectar errores, imprecisiones, simulaciones y mentiras (fake news), aunque en actualidad se está comenzando a hablar de desinformación (misinformation) en lugar de falsedad de la información, ya que el interés está centrado en las mentiras como actos voluntarios que intentan generar una visión errada de la realidad. El reporte sobre medios británicos “Cairncross Review”, describe a las fake news como “desinformación [entendida como] la creación o diseminación deliberada de información falsa o manipulada que busca engañar o llevar a conclusiones erradas a las audiencias, ya sea con el propósito de causar daño, o para lograr un rédito político, personal o financiero”. La otra variable de importancia en este momento es la viralización de la desinformación a través de las redes sociales, especialmente Facebook y Whatsapp en Argentina. El éxito principal de una fake news radica en la cantidad de veces que es reproducida y la cantidad de “impresiones” que causa. El formato principal de las fake news es el texto, aunque comienzan a aparecer en videos y audios (Whatsapp, Facebook y Twitter). La categoría de los videos falsos han escalado de manera tal que ya poseen una denominación particular: deep fakes, debido al algoritmo de aprendizaje profundo (deep learning) que las genera. FORENSIA es un sistema de identificación forense de hablantes que está comenzando a emplearse para el chequeo de noticias. Ver más…

PROTOCOLO PARA PERICIAS FORENSES DE VOZ
Jorge Gurlekian, Pedro Univaso y Miguel Martínez Soler. Publicado en Research Gate el 23-may-2018

Pericia de vozEl experto forense Daniel Corach de la Argentina ha desarrollado una guía (Corach, 2018) para la recepción de muestras de ADN  donde expresa que “Los auxiliares de justicia y peritos actuantes habitualmente desconocen que existen pautas de procedimiento que deben cumplirse para garantizar que los resultados de las pericias forenses tengan valor de prueba al momento del juicio y que no sean declaradas nulas por errores en los procedimientos. Al recibir un indicio de interés pericial, deberán cumplirse una serie de requisitos indispensables que permitirán otorgar valor de prueba a los resultados de los estudios derivados de su análisis”. Basados en la guía mencionada, en los fundamentos de la identificación forense de hablantes mediante la voz (Rose, 2002) y en las recomendaciones (Drygajlo et al,  2015) de la Red Europea de Institutos de Ciencias Forenses (ENFSI), se presenta aquí un protocolo orientativo para las etapas que intervienen en las pericias de voz que abarca desde la recepción de la evidencia hasta la creación del informe pericial. Ver más…

Trabajos científicos 

  1. Grabaciones indubitadas y dubitadas en las pericias forenses de voz: un trabajo preliminar. Pedro Univaso, Jorge Gurlekian. Research Gate (2018)
  2. Cómo presentar la evidencia científica a la comunidad judicial: factor de Bayes. Univaso, P. Research Gate (2018)
  3. Multimedia Data Mining. Univaso, P. Research Gate (2017)
  4. Towards a Unified Methodology for Forensic Speaker Identification. Univaso, P. Research Gate, DOI 10.13140/RG.2.2.31571.58402  (2016)
  5. Identificación forense de hablantes en Argentina: un tutorial. Univaso, P. ResearchGate, DOI 10.13140/RG.2.1.4252.3768 (2016)
  6. Data Mining applied to Forensic Speaker Identification. Univaso, P., Ale, J. M., y Gurlekian, J. A. Latin America Transactions, IEEE (Revista IEEE America Latina), 13, 4, pp. 1098-1111 (2015)
  7. Índice de Perturbación, de precisión vocal y de grado de aprovechamiento de energía para la evaluación del riesgo vocal. Gurlekian, J. A. y Molina N. Logopedia, Foniatría y Audiología. Elsevier Doyma. 32, 156-163 (2012)
  8. El alfabeto fonético SAMPA y el diseño de córpora fonéticamente balanceado. Gurlekian, J.A., Colantoni, L y Torres, H. Fonoaudiológica. Asalfa. 47,3, 58-69 (2001)
  9. Preparación de un Informe Clínico para tres patologías de la voz. Gurlekian, J.A. Facal, M.L y Salvatori J.M. Topicos em Fonoaudiología. CEFAC, Editorial LOVISE (Marchesan, Zorzi, Gomes, eds.) Pp. 539-554
  10. Comparison of Two Perceptual Methods for the Evaluation of Vowel Perturbation Produced by Jitter. Gurlekian JA, Torres HM and Vaccari ME. Journal of Voice. Elsevier, doi:10.1016/j.jvoice.2015.05.009 (2015)
  11. Reconocedor de habla continua independiente del contexto para el español de Argentina. Univaso, P., Gurlekian, J. A., y Evin, D. Revista Clepsidra, Universidad Autónoma de Colombia, 8, pp. 13-22 (2009)
  12. A preliminary approach to forensic speaker recognition using phonemes. Univaso P., Martínez Soler M., y Gurlekian J. A. En IberSPEECH 2012, VII Jornadas en Tecnología del Habla and III Iberian SLTech Workshop, Editorial: Escuela Politécnica Superior, Universidad Autónoma de Madrid, España (2012)
  13. Human Assisted Speaker Recognition Using Forced Alignments on HMM. Univaso, P., Martínez Soler, M., y Gurlekian, J. A.. International Journal of Engineering Research and Technology, ESRSA Publications, 2, 9 (2013)
Anuncios