Investigador · enxeñeiro de ML_
1Grupo de Tecnoloxías Multimedia (GTM), Centro de Investigación atlanTTic, Universidade de Vigo
Son investigador en tecnoloxías da fala e da linguaxe, rematando o meu doutoramento na Universidade de Vigo, e enxeñeiro que leva os modelos a produción. Constrúo modelos que len a saúde na voz: COVID persistente, doenzas respiratorias, malestar emocional e risco de suicidio. Na industria, entreguei o clasificador de voz da plataforma de cribado de COPERIA en Bahía Software, e agora asesoro a Balidea en sistemas de IA axéntica para o Servizo Galego de Saúde (SERGAS). Agora céntrome en que a IA xerativa que fala con persoas vulnerables estea aliñada, sexa robusta e difícil de empregar indebidamente.
Palabras clave — biomarcadores de voz; aprendizaxe multimodal; representacións autosupervisadas da fala; seguridade da IA; aliñamento; salvagardas para IA xerativa; IA para a saúde mental.
| Liña | Modalidade | Refs. |
|---|---|---|
| A voz como sinal clínico | [1][4][6] | |
| IA para a saúde mental e salvagardas conversacionais | [2][3][5] | |
| Recoñecemento de voz robusto e busca na fala | [9][10][11][12][13][14] | |
| Tecnoloxía lingüística para linguas con poucos recursos | [7][8] | |
| Aliñamento e salvagardas para IA xerativa (actual) | — |
Vera-López Á. et al. · Frontiers in Medicine · 2026
Vera-López Á., Tilves-Santiago D., Ramírez-Sánchez J.M., Docío-Fernández L., García-Mateo C., Bustillo-Casado M., García-Caballero A.A. Improving respiratory disease detection through SSL-enhanced acoustic analysis and exercise-rest measurements. Frontiers in Medicine, 2026.
Un axente conversacional deseñado para detectar factores de risco de suicidio durante unha conversa en directo e responder de forma segura cando os atopa.
Ramírez Sánchez J.M. et al. · IWSDS · 2025
Ramírez Sánchez J.M., Manso Vázquez M., García-Mateo C., Docío-Fernández L., Fernández-Iglesias M.J., Gómez-Gómez B., Pinal B., Brañas A., García-Caballero A. Design of a conversational agent to support people on suicide risk. IWSDS 2025 (International Workshop on Spoken Dialogue Systems Technology), 2025.
Ramírez Sánchez J.M. et al. · JMIR Preprints · 2023
Ramírez Sánchez J.M., Docío-Fernández L., García Mateo C., Bustillo-Casado M., García-Caballero A.A. Identifying patients with Long COVID: study of the effectiveness of voice signal analysis and machine learning. JMIR Preprints, 2023.
Ramírez Sánchez J.M. et al. · Revista Ingeniería Electrónica · 2019
Ramírez Sánchez J.M., Montalvo Bereau A.R., Calvo de Lara J.R. Evaluación de Rasgos Acústicos para el Reconocimiento Automático del Habla en Escenarios Ruidosos usando Kaldi. Revista Ingeniería Electrónica, Automática y Comunicaciones (RIELAC) 40(3), 2019.
Constrúe paso a paso en NumPy os dous trazos clásicos da fala, segue un fotograma de voz real a través de ambos pipelines e observa que lles fai o ruído. O front end que usaba todo recoñecedor antes do deep learning, e o tema do meu primeiro artigo.
Un ciclo completo e reproducible de fine-tuning de Whisper sobre voz real, con validación cruzada agrupada, pruning con Optuna, runs aniñados en MLflow e un test bloqueado, que remata nunha decisión explícita fronte a un baseline zero-shot.
Conxela Whisper, inxecta adaptadores LoRA nos puntos axeitados e adestra menos do 2% dos parámetros, xa sexa para un clasificador de extremo a extremo ou para obter embeddings que alimenten o teu propio clasificador.
Abre un guard de seguridade na CPU dun portátil: le o seu veredicto como probabilidade, mira como se forma a decisión capa a capa e comproba por que un guard de contido daniño deixa pasar a inxección agochada en documentos.
Auditei capa a capa catro candidatos a salvagarda para un asistente axéntico. Todos deciden nun só token e tarde na rede, e os dous guards especializados non ven a inxección agochada en documentos. Un xeneralista pequeno detéctaa case toda se escribe a súa xustificación antes do veredicto.
Onde vive a política, que capas a len, que fai o router e por que o último bloque pode darlle a volta a un veredicto: un percorrido polas entrañas de catro guards de LLM, medido sobre os pesos que executan.