পরবর্তী আপপরবর্তী গাইড
স্পিচ বেনামীকরণ এবং ভয়েস গোপনীয়তা
অডিও এআই
অডিও এআই গাইড
AI ভয়েস ব্যাঙ্কিং মানে হল আপনার ভয়েস রেকর্ড করা যখন আপনি এখনও কথা বলতে পারেন যাতে এর একটি সিন্থেটিক সংস্করণ পরে ফোন, ট্যাবলেট বা যোগাযোগ ডিভাইসে আপনার জন্য উচ্চস্বরে টাইপ করা পাঠ্য পড়তে পারে।
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~3 min
এটি ALS, কিছু মাথা ও ঘাড়ের ক্যান্সার এবং অন্যান্য অবস্থা যা বক্তৃতা কেড়ে নেয় তাদের জন্য সবচেয়ে গুরুত্বপূর্ণ। এটি তাদের একটি সাধারণ কম্পিউটার ভয়েসের পরিবর্তে তাদের পরিবার এবং বন্ধুরা চিনতে পারে এমন একটি কণ্ঠে যোগাযোগ রাখতে দেয়৷
দুটি সম্পর্কিত অনুশীলন প্রায়ই বিভ্রান্ত হয়। মেসেজ ব্যাঙ্কিং মানে আপনার নিজের কণ্ঠে পুরো বাক্যাংশগুলি রেকর্ড করা, যেমন 'আমি তোমাকে ভালোবাসি' বা একটি প্রিয় কৌতুক, যা পরে তাদের সমস্ত আবেগ সহ কথা বলার মতোই শোনানো হয়। ভয়েস ব্যাংকিং মানে রেকর্ডিং উপাদান তাই একটি সিন্থেটিক ভয়েস তৈরি করা যেতে পারে যা আপনার টাইপ করা যেকোনো কিছু বলতে পারে। অনেক চিকিত্সক উভয়ই করার পরামর্শ দেন, কখনও কখনও ডাবল ডিপিং বলা হয়। পুরানো ভয়েস ব্যাঙ্কিং সিস্টেমগুলি একসাথে রেকর্ড করা শব্দ বা পরিসংখ্যানগত মডেল ব্যবহার করে। তাদের প্রায়শই শত শত থেকে এক হাজারেরও বেশি রেকর্ড করা বাক্যের প্রয়োজন হয় এবং ফলাফলটি রোবোটিক শোনাতে পারে। নিউরাল ভয়েস ক্লোনিং এই নাটকীয়ভাবে পরিবর্তন করেছে। Apple এর ব্যক্তিগত ভয়েস, 2023 সালে iOS 17 এর সাথে প্রবর্তিত হয়েছিল, মূলত প্রায় 150টি রেকর্ড করা বাক্যাংশ থেকে ডিভাইসে একটি ভয়েস তৈরি করেছিল এবং পরবর্তী সংস্করণগুলির প্রয়োজন অনেক কম। বাণিজ্যিক ক্লোনিং পরিষেবাগুলি মিনিটের পরিষ্কার অডিও থেকে প্রাকৃতিক ভয়েস তৈরি করতে পারে এবং কিছু প্রোগ্রাম চালায় যা ALS এবং অনুরূপ অবস্থার লোকেদের অ্যাক্সেস দেয়। এই সরঞ্জামগুলি ভয়েস মেরামতও সম্ভব করে তোলে। যদি কারো বক্তৃতা ইতিমধ্যেই পরিবর্তিত হয়ে থাকে, তবে ভিডিও, ভয়েসমেল বা বক্তৃতাগুলির মতো পুরানো রেকর্ডিংগুলি থেকে একটি ভয়েস কখনও কখনও পুনর্নির্মাণ করা যেতে পারে, যদিও গুণমান নির্ভর করে কতটা পরিষ্কার অডিও রয়েছে তার উপর৷ সময় এখনও গুরুত্বপূর্ণ, কারণ ALS-এর মতো অবস্থাগুলি দ্রুত বক্তৃতাকে প্রভাবিত করতে পারে, বিশেষ করে যখন কথা বলা এবং গিলতে ব্যবহৃত পেশীগুলিতে লক্ষণগুলি শুরু হয়। স্পিচ-ল্যাংগুয়েজ প্যাথলজিস্ট এবং ALS সংস্থাগুলি প্রায়ই লোকেদের তাড়াতাড়ি পরিকল্পনা করতে সাহায্য করে। সম্মতি এবং নিয়ন্ত্রণ বাস্তব উদ্বেগ. কে ভয়েস মডেল ব্যবহার করতে পারে, তাদের মৃত্যুর পরে পরিবার এটি ব্যবহার করতে পারে কিনা এবং কোন কোম্পানি এটি সংরক্ষণ করে তা ব্যক্তির সিদ্ধান্ত নেওয়া উচিত। একটি ক্লোন করা ভয়েসের অপব্যবহারও হতে পারে, যেমন স্ক্যাম কলে, তাই অ্যাকাউন্টের নিরাপত্তার বিষয়টি গুরুত্বপূর্ণ। সাধারণ ভুল ধারণা: ভয়েস ব্যাংকিং স্বাভাবিক বক্তৃতা পুনরুদ্ধার করে না। ব্যক্তিকে এখনও শব্দ টাইপ বা নির্বাচন করতে হবে এবং সেই গতি কথোপকথনকে সীমাবদ্ধ করে। সিন্থেটিক ভয়েস বাস্তবের কিছু সূক্ষ্মতা মিস করতে পারে।
ALS-তে সদ্য শনাক্ত হওয়া একজন ব্যক্তি তাদের আইফোনে Apple-এর ব্যক্তিগত ভয়েসের জন্য প্রম্পট করা বাক্যাংশগুলি রেকর্ড করে, তারপর ফোন কলের সময় উত্তর টাইপ করতে লাইভ স্পিচের সাথে এটি ব্যবহার করে।
ল্যারিঞ্জেক্টমি সার্জারির আগে, একজন রোগী একটি স্পিচ-ল্যাংগুয়েজ প্যাথলজিস্টের সাথে কাজ করে কিছু ব্যক্তিগত বাক্যাংশ, যেমন তাদের স্বাভাবিক অভিবাদন এবং একটি পারিবারিক ডাকনাম, এবং একটি কৃত্রিম ভয়েস তৈরি করার জন্য যথেষ্ট উপাদান রেকর্ড করে।
একটি পরিবার পুরানো বাড়ির ভিডিও এবং ভয়েসমেলগুলি সংগ্রহ করে যাতে একটি ভয়েস-ক্লোনিং পরিষেবা এমন কারোর কণ্ঠস্বর পুনর্নির্মাণ করতে পারে যার বক্তৃতা ইতিমধ্যেই ঝাপসা হয়ে গেছে, কারণ নতুন রেকর্ডিং সেই দুর্বলতা ক্যাপচার করবে৷
একজন চক্ষু-দৃষ্টি যোগাযোগ ডিভাইস ব্যবহারকারী তাদের কাস্টম সিন্থেটিক ভয়েস AAC সফ্টওয়্যারে লোড করে, তাই তারা যা কিছু রচনা করে তা তাদের নিজস্ব কণ্ঠে বলা হয়।
গবেষকরা সংক্ষিপ্ত বা প্রতিবন্ধী রেকর্ডিং থেকে আরও ভাল ভয়েস মেরামত, জোর দেওয়া, আবেগ এবং হাসির মতো আরও অভিব্যক্তিপূর্ণ নিয়ন্ত্রণ এবং যোগাযোগ ডিভাইসগুলির সাথে দ্রুত লিঙ্কের জন্য কাজ করছেন। মস্তিষ্ক-কম্পিউটার ইন্টারফেস গবেষণা স্নায়ু কার্যকলাপ থেকে বক্তৃতা ডিকোড করা এবং অংশগ্রহণকারীর আগের কণ্ঠস্বরের একটি সিন্থেটিক সংস্করণে কথা বলেছে, কিন্তু এই সিস্টেমগুলি পরীক্ষামূলক রয়ে গেছে এবং ব্যাপকভাবে উপলব্ধ নয়। ব্যবহারিক প্রশ্নগুলি উন্মুক্ত রয়েছে: বীমাকারী এবং স্বাস্থ্য ব্যবস্থা ভয়েস ব্যাঙ্কিংয়ের জন্য অর্থ প্রদান করবে কিনা, কোম্পানিগুলি কীভাবে ভয়েস মডেলগুলি সঞ্চয় ও সুরক্ষা করে এবং মৃত্যুর পরে কোন নীতিগুলি ব্যবহার করে। বক্তৃতা-ভাষার প্যাথলজিস্টরা সম্ভবত লোকেদের তাড়াতাড়ি ব্যাঙ্ক করতে এবং সরঞ্জামগুলি বেছে নেওয়ার ক্ষেত্রে কেন্দ্রীয় থাকবেন।
ফ্রি নিউজলেটার
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
AI ভয়েস ব্যাঙ্কিং মানে হল আপনার ভয়েস রেকর্ড করা যখন আপনি এখনও কথা বলতে পারেন যাতে এর একটি সিন্থেটিক সংস্করণ পরে ফোন, ট্যাবলেট বা যোগাযোগ ডিভাইসে আপনার জন্য উচ্চস্বরে টাইপ করা পাঠ্য পড়তে পারে। এটি ALS, কিছু মাথা ও ঘাড়ের ক্যান্সার এবং অন্যান্য অবস্থা যা বক্তৃতা কেড়ে নেয় তাদের জন্য সবচেয়ে গুরুত্বপূর্ণ। এটি তাদের একটি সাধারণ কম্পিউটার ভয়েসের পরিবর্তে তাদের পরিবার এবং বন্ধুরা চিনতে পারে এমন একটি কণ্ঠে যোগাযোগ রাখতে দেয়৷
বার্তা ব্যাংকিং তাদের আসল আবেগের সাথে সঠিক রেকর্ডিং রাখে। ভয়েস ব্যাঙ্কিং নতুন বাক্যের জন্য একটি সিন্থেটিক ভয়েস তৈরি করে। অনেকে দুটোই করে।
ভয়েস মেরামত বক্তৃতা পরিবর্তন করার আগে করা রেকর্ডিং ব্যবহার করে, তাই পুনঃনির্মিত ভয়েস ব্যক্তির সুস্থ ভয়েসের মত শোনায়।
আসল ব্যক্তিগত ভয়েস প্রায় 150টি রেকর্ড করা বাক্যাংশ থেকে ডিভাইসে একটি ভয়েস তৈরি করেছে, যা পুরানো সিস্টেমের প্রয়োজনের তুলনায় অনেক কম। পরবর্তী সংস্করণগুলি আরও কম প্রয়োজন।
বক্তৃতা দ্রুত পরিবর্তিত হতে পারে, এবং কণ্ঠস্বর সুস্থ থাকাকালীন রেকর্ডিংগুলি একটি ভাল সিন্থেটিক ভয়েস তৈরি করে।
সামঞ্জস্যপূর্ণ, পরিষ্কার, কম ক্লান্তি রেকর্ডিং মডেলটিকে ভয়েসের একটি পরিষ্কার এবং স্থিতিশীল নমুনা দেয়।
শিখতে থাকুন
এই বিষয়ের জন্য বাছাই করা আরও গাইড
পরবর্তী আপপরবর্তী গাইড
স্পিচ বেনামীকরণ এবং ভয়েস গোপনীয়তা
অডিও এআই