Kā darbojas mākslīgā intelekta balss klonēšana? Rokasgrāmata iesācējiem

Ievads

Pieņemsim, ka kāda cilvēka balss jums kaut ko nozīmē - varbūt tas ir mīļotais cilvēks, stāstnieks vai vēstures varonis. Tagad iedomājieties, ka jūs varētu šo balsi atdzīvināt. Ne tikai ieraksta veidā, bet arī runājot jaunus vārdus, kurus tā nekad nav teikusi.

Tāda ir mūsdienu balss klonēšanas ideja. Tā nav maģija, lai gan tā varētu šķist. Ar tādiem rīkiem kā balss klonēšanas programmatūra mēs tagad varam iemācīt datoram skanēt gandrīz neatšķirami līdzīgi īstam cilvēkam.

Tā nav tikai tehnoloģiju tendence. To jau izmanto filmās, klasēs, podkastos un pat veselības aprūpē. Bet kā tas darbojas patiesībā?

Balss klonēšanas pamati

Padomājiet par to šādi: jūs mācāt mašīnai atdarināt kāda cilvēka balsi, tāpat kā to varētu darīt labs atveidotājs, tikai precīzāk.

Jūs sākat ar reāliem ierakstiem. Ne jau ar scenārijā ierakstītām replikām, bet gan ar dabisku runu. Mākslīgais intelekts klausās. Ne tikai vārdus, bet arī to, kā tie tiek izteikti - pauzes, ritmu, uzsvērto izteikumu. Tas pēta raksturus. Un lēnām mācās.

Kad sistēma zina, kā cilvēks skan, tā var radīt jaunas frāzes šajā balsī - frāzes, ko sākotnējais runātājs, iespējams, nekad dzīvē nebūtu teicis.

Runa nav par kopēšanu. Runa ir par atveidošanu.

Soli pa solim: kā patiesībā darbojas balss klonēšana

1. Balss paraugi - izejmateriāls

Viss sākas ar ierakstiem. Ne ar izsmalcinātiem ierakstiem - tikai ar tīru, skaidru audioierakstu, kurā kāds runā dabiski. Tas var būt podkāsts, saruna vai pat vecas intervijas. Jo daudzveidīgāks materiāls - dažādas noskaņas, dažādas tēmas -, jo labāks rezultāts.

2. Mācīšanās process

Tālāk programmatūra ķeras pie darba. Tā ne tikai iegaumē vārdus. Tā ieklausās likumsakarībās - kā runātājs izdara pauzes starp domām, kur viņa balss paceļas vai mīkstinās, kā viņš saka "jā" atšķirīgi atkarībā no emocijām.

Šis posms var prasīt laiku. Mākslīgajam intelektam ir nepieciešams "izpētīt" balsi, pirms tas var runāt ar to.

3. Jaunas runas radīšana

Kad modelis ir apmācīts, varat tam ievadīt jaunu tekstu - jebkādu, kas jums patīk, - un tas to nolasīs klonētajā balsī. Nevis robota balss ar masku, bet kaut kas tāds, kas patiešām skan kā oriģinālā persona, kas runā reālajā laikā.

Tas ir balss klonēšanas spēks: jauni vārdi, tā pati balss.

Balss klonēšanas veidi: Teksta pārveidošana uz runu vs. balss konvertēšana.

Šie ir divi galvenie mākslīgā intelekta balss klonēšanas tehnoloģijas veidi, un tos izmanto dažādos veidos.

Teksta pārvēršana runas tekstā (TTS)

Šajā gadījumā jūs ievadāt teikumu, un mākslīgais intelekts to nolasa skaļi, izmantojot klonēto balsi. Šī ir metode, kas ir pamatā lielākajai daļai mākslīgā intelekta stāstījumu - neatkarīgi no tā, vai runa ir par videoklipu ierunāšanu, audiogrāmatu vai virtuālo asistentu.

Balss konvertēšana

Šis ir atšķirīgs. Tā vietā, lai sāktu ar tekstu, jūs runājat mikrofonā. Pēc tam programmatūra pārveido jūsu balsi par kāda cita cilvēka balsi - dzīvu vai ierakstītu. Tas ir līdzīgi dublēšanai, bet reālajā laikā.

Abas metodes pamatojas uz vienu un to pašu tehnoloģiju. Bet kā jūs tās izmantojat? Tas ir atkarīgs no jūsu projekta.

Kur šodien tiek izmantota balss klonēšana

Balss klonēšana jau ir pametusi laboratoriju - tā ir pasaulē, veidojot to, kā mēs dzirdam saturu:

• Filmās un televīzijā to izmanto, lai pēcapstrādes laikā saskaņotu balsis vai atdzīvinātu sen aizgājušas vēsturiskas personības.

• Izglītībā skolotāji un radītāji to izmanto, lai stāstītu mācību stundas dažādās valodās un formātos.

• Pieejamības jomā tā atgriež balsi tiem, kuri to ir zaudējuši, - dažkārt pat viņu pašu balsi, kas atjaunota no iepriekšējiem ierakstiem.

• Podkastos un videoklipos autori izmanto mākslīgo intelektu, lai saglabātu stāstījuma konsekvenci vai paātrinātu sagatavošanu, neierakstot katru rindiņu.

Tas, kas kādreiz bija zinātkāre, tagad ir radošs rīks.

Ētiska izmantošana un piekrišana balss klonēšanā

Šī ir daļa, kas ir tikpat svarīga kā tehnoloģija - varbūt pat svarīgāka.

Balss klonēšana nav viegla lieta. Aiz katras balss slēpjas reāls cilvēks, un šīs balss izmantošana bez viņa atļaujas ir ne tikai aizdomīga - tā var būt kaitīga. Iedomājieties, ka dzirdat sevi reklāmā vai videoklipā, kuru nekad neesat ierakstījis. Dīvaini, vai ne?

Tāpēc ikviena atbildīga balss klonēšanas izmantošana jāsāk ar piekrišanu. Ja balss nav jūsu balss, saņemiet skaidru piekrišanu. Labākās platformas, piemēram, Respeecher, to faktiski pieprasa - tās neļaus jums klonēt balsi bez pierādījuma, ka jums ir tiesības to darīt.

Un pat tad, ja jums ir atļauja, ir vērts būt pārredzamam pret savu auditoriju. Ja projektā izmantojat klonētu balsi, vienkārši to pasakiet. Runa nav par tehnoloģiju slēpšanu, bet gan par uzticības veidošanu.

Secinājums: Balss klonēšana ir spēcīga - izmantojiet to atbildīgi.

Kā darbojas balss klonēšana? Vienkāršāk sakot, tas klausās, mācās un tad runā - ar ievērojamu precizitāti.

Izmantojot pareizu pieeju, šī tehnoloģija var ietaupīt laiku, pavērt jaunas radošās iespējas un pat palīdzēt cilvēkiem no jauna atklāt savu balsi. Taču tā ir saistīta arī ar atbildību. Pārliecinieties, ka jums ir tiesības izmantot balsi. Esiet godīgi par to, kā tā tiek izmantota. Un vienmēr uzdodiet sev jautājumu: Vai tas rada pievienoto vērtību, vai arī tas pārkāpj robežu?

Jo, ja balss klonēšanas programmatūra tiek izmantota pārdomāti, tā ir ne tikai iespaidīga - tā ir jēgpilna.