Audio AI ÚTMUTATÓ

AI Voice Banking beszédvesztésért

Az AI voice banking azt jelenti, hogy hangfelvételt készíthetsz, miközben beszélhetsz, így annak szintetikus változata később fel tudja olvasni a beírt szöveget egy telefonon, táblagépen vagy kommunikációs eszközön.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. Az AI Voice Banking jövője a beszédvesztésért
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Ez a legfontosabb az ALS-ben szenvedőknek, bizonyos fej- és nyakrákos betegeknek, valamint más olyan állapotoknak, amelyek elveszik a beszédet. Lehetővé teszi számukra, hogy a családtagjaik és barátaik által felismert hangon kommunikáljanak az általános számítógépes hang helyett.

Mély merülés

Két összefüggő gyakorlatot gyakran összekevernek. Az üzenetbankolás azt jelenti, hogy egész mondatokat rögzít a saját hangján, mint például a „Szeretlek” vagy egy kedvenc vicc, amelyeket később pontosan úgy játsszon le, ahogyan elhangzott, minden érzelemmel együtt. A Voice Banking az anyagok rögzítését jelenti, így szintetikus hangot lehet létrehozni, amely bármit kimondhat, amit gépel. Sok klinikus javasolja mindkettőt, amit néha kettős bemártásnak neveznek. A régebbi hangbanki rendszerek rögzített hangokat fűztek össze, vagy statisztikai modelleket használtak. Gyakran több száz vagy több mint ezer rögzített mondatra volt szükségük, és az eredmény robotikusan hangozhatott. A neurális hangklónozás ezt drámaian megváltoztatta. A Apple 2023-ban iOS 17-tel bevezetett Personal Voice-ja eredetileg nagyjából 150 felvett frázisból épített hangot az eszközre, a későbbi verziókhoz pedig jóval kevesebbre van szükség. A kereskedelmi klónozási szolgáltatások természetes hangokat állíthatnak elő percnyi tiszta hangból, és egyes programok olyan programokat futtatnak, amelyek hozzáférést biztosítanak az ALS-ben és hasonló állapotú embereknek. Ezek az eszközök a hangjavítást is lehetővé teszik. Ha valakinek a beszéde már megváltozott, a hangot néha vissza lehet építeni régebbi felvételekből, például videókból, hangpostaüzenetekből vagy beszédekből, bár a minőség attól függ, hogy mennyire tiszta hang van. Az időzítés továbbra is számít, mert az olyan állapotok, mint az ALS, gyorsan befolyásolhatják a beszédet, különösen akkor, ha a tünetek a beszédhez és nyeléshez használt izmokban jelentkeznek. A beszédnyelv-patológusok és az ALS-szervezetek gyakran segítenek az embereknek a korai tervezésben. A beleegyezés és az ellenőrzés valódi aggodalomra ad okot. A személynek el kell döntenie, hogy ki használhatja a hangmintát, használhatja-e a család a halála után, és melyik cég tárolja. A klónozott hangot is vissza lehet használni, például átverési hívásoknál, így a fiók biztonsága számít. Gyakori tévhitek: a hangbanki szolgáltatás nem állítja vissza a természetes beszédet. A személynek továbbra is be kell írnia vagy ki kell választania a szavakat, és ez korlátozza a beszélgetést. A szintetikus hangból is hiányozhat az igazi árnyalata.

Valós megvalósítás

Az újonnan ALS-sel diagnosztizált személy rögzíti a Apple Personal Voice-hoz kért frázisokat iPhone-ján, majd az élő beszéddel együtt használja a válaszok begépelésére telefonhívások közben.

A laryngectomiás műtét előtt a páciens beszédnyelv-patológussal közösen üzen néhány személyes kifejezést, például a szokásos üdvözletét és a családi becenevét, valamint elegendő anyagot rögzít a szintetikus hang megalkotásához.

Egy család összegyűjti a régi otthoni videókat és hangpostaüzeneteket, hogy egy hangklónozó szolgáltatás újraépíthesse annak a hangját, akinek a beszéde már elmosódott, mert az új felvételek rögzítenék a károsodást.

A szempillantású kommunikációs eszköz felhasználója betölti egyéni szintetikus hangját az AAC szoftverbe, így minden, amit ír, a saját hangján szólal meg.

Az AI Voice Banking jövője a beszédvesztésért

A kutatók azon dolgoznak, hogy jobb hangjavítást végezzenek a rövid vagy hibás felvételeken, kifejezőbb vezérlést biztosítsanak, mint például a hangsúly, az érzelmek és a nevetés, valamint a kommunikációs eszközökhöz való gyorsabb kapcsolódás. Az agy-számítógép interfész kutatása kimutatta, hogy a beszéd az idegi tevékenységből dekódolt, és egy résztvevő korábbi hangjának szintetikus változatában beszélt, de ezek a rendszerek továbbra is kísérleti jellegűek, és nem érhetők el széles körben. A gyakorlati kérdések továbbra is nyitottak maradnak: vajon a biztosítók és az egészségügyi rendszerek fizetnek-e a hangbanki szolgáltatásokért, hogyan tárolják és védik a vállalatok a hangmodelleket, és milyen irányelvek szabályozzák a halál utáni használatot. A beszédnyelv-patológusok valószínűleg központi szerepet töltenek be abban, hogy segítsenek az embereknek a korai bankolásban és az eszközök kiválasztásában.

A gyakorlatba ültetés

Miért számít

  • Hozzáférés és elérés. Javítja a hozzáférhetőséget az átírás, a narráció és a hangfelületek révén.
  • Költség és költségvetés. A médiacsapatok kisebb költségvetéssel gyorsabban szállíthatják a csiszolt hanganyagot.
  • Sebesség és méretarány. Az ügyfélközpontú rendszerek nagyobb léptékben képesek feldolgozni a beszélt interakciókat.

Vigyázz

  • A beleegyezés hiányában nő a hanggal való visszaélés és a megszemélyesítés kockázata.
  • A pontosság csökkenhet az akcentusok, dialektusok vagy zajos környezetben.
  • A szintetikus hang összetéveszthető a hiteles beszéddel egyértelmű címkézés nélkül.

Következő lépések

  1. Kérjen kifejezett hozzájárulást a hangrögzítéshez, klónozáshoz és újrafelhasználáshoz.
  2. Tesztelje a minőséget különféle hangszórókon és háttérviszonyok között.
  3. Határozza meg, mikor kell egy embernek felülvizsgálnia vagy jóváhagynia a kimeneteket.
  4. Címkézze fel a szintetikus hanganyagot, és vezessen származási nyilvántartást az elszámoltathatóság érdekében.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the AI Voice Banking for Speech Loss quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az AI Voice Banking a beszédvesztéshez?

Az AI voice banking azt jelenti, hogy hangfelvételt készíthetsz, miközben beszélhetsz, így annak szintetikus változata később fel tudja olvasni a beírt szöveget egy telefonon, táblagépen vagy kommunikációs eszközön. Ez a legfontosabb az ALS-ben szenvedőknek, bizonyos fej- és nyakrákos betegeknek, valamint más olyan állapotoknak, amelyek elveszik a beszédet. Lehetővé teszi számukra, hogy a családtagjaik és barátaik által felismert hangon kommunikáljanak az általános számítógépes hang helyett.

Miben különbözik az üzenetbankolás a hangbankolástól?

Az Message Banking pontos felvételeket készít az eredeti érzelmekkel. A Voice Banking szintetikus hangot állít elő az új mondatokhoz. Sokan csinálják mindkettőt.

Miért használhat egy család régi házi videókat és hangpostaüzeneteket valaki hangjának kialakítására?

A hangjavítás a beszédváltás előtt készült felvételeket használja, így az újjáépített hang úgy szól, mint a személy egészséges hangja.

Amikor 2023-ban a Apple bemutatta a Personal Voice-t az iOS 17 rendszerrel, nagyjából hány kifejezést kért fel rögzíteni?

Az eredeti Personal Voice nagyjából 150 felvett frázisból épített hangot az eszközre, ami jóval kevesebb, mint amennyire régebbi rendszerekre volt szükség. A későbbi verziókhoz még kevesebb kell.

Miért ajánlják a klinikusok a korai banki befizetést az ALS-ben szenvedőknek?

A beszéd gyorsan változhat, és az egészséges hang mellett készült felvételek jobb szintetikus hangot eredményeznek.

Melyik felvételi gyakorlat javítja a bankolt hangot?

A következetes, tiszta, fáradtságmentes felvételek tiszta és stabil hangmintát adnak a modellnek.