PANDUAN AI Audio

Perbankan Suara AI untuk Kehilangan Pertuturan

Perbankan suara AI bermaksud merakam suara anda semasa anda masih boleh bercakap supaya versi sintetiknya kemudian boleh membaca teks yang ditaip dengan kuat untuk anda pada telefon, tablet atau peranti komunikasi.

Dengar panduan iniAI-diceritakan · ~3 min

Pada halaman ini4 minit membaca
  1. Gambaran keseluruhan
  2. Menyelam dalam
  3. Pelaksanaan Dunia Sebenar
  4. Masa Depan Perbankan Suara AI untuk Kehilangan Pertuturan
  5. Mempraktikkannya
  6. Teruskan Meneroka
  7. Soalan lazim

Gambaran keseluruhan

Ia paling penting bagi penghidap ALS, sesetengah kanser kepala dan leher, dan keadaan lain yang menghilangkan pertuturan. Ia membolehkan mereka terus berkomunikasi dalam suara yang dikenali keluarga dan rakan mereka dan bukannya suara komputer generik.

Menyelam dalam

Dua amalan berkaitan sering dikelirukan. Perbankan mesej bermaksud merakam keseluruhan frasa dengan suara anda sendiri, seperti 'Saya sayang kamu' atau jenaka kegemaran, yang kemudiannya dimainkan semula tepat seperti yang dituturkan, dengan semua emosi mereka. Perbankan suara bermaksud bahan rakaman supaya suara sintetik boleh dibina yang boleh menyebut apa sahaja yang anda taip. Ramai doktor mengesyorkan melakukan kedua-duanya, kadangkala dipanggil mencelup dua kali. Sistem perbankan suara lama menggabungkan bunyi yang dirakam atau menggunakan model statistik. Mereka sering memerlukan ratusan hingga lebih seribu ayat yang dirakam, dan hasilnya boleh terdengar seperti robotik. Pengklonan suara saraf mengubah ini secara dramatik. Suara Peribadi Apple, yang diperkenalkan dengan iOS 17 pada tahun 2023, pada asalnya membina suara pada peranti daripada kira-kira 150 frasa yang dirakam, dan versi kemudian memerlukan lebih sedikit. Perkhidmatan pengklonan komersial boleh menghasilkan suara semula jadi daripada minit audio yang bersih, dan beberapa program menjalankan yang memberi akses kepada orang yang mempunyai ALS dan keadaan yang serupa. Alat ini juga membolehkan pembaikan suara. Jika pertuturan seseorang telah berubah, suara kadangkala boleh dibina semula daripada rakaman lama seperti video, mel suara atau pertuturan, walaupun kualiti bergantung pada jumlah audio bersih yang wujud. Masa masih penting, kerana keadaan seperti ALS boleh menjejaskan pertuturan dengan cepat, terutamanya apabila gejala bermula pada otot yang digunakan untuk bercakap dan menelan. Pakar patologi bahasa pertuturan dan organisasi ALS sering membantu orang ramai merancang lebih awal. Persetujuan dan kawalan adalah kebimbangan sebenar. Orang itu harus memutuskan siapa yang boleh menggunakan model suara, sama ada keluarga boleh menggunakannya selepas kematian mereka, dan syarikat mana yang menyimpannya. Suara klon juga boleh disalahgunakan, contohnya dalam panggilan penipuan, jadi keselamatan akaun adalah penting. Kesalahpahaman biasa: perbankan suara tidak memulihkan pertuturan semula jadi. Orang itu masih perlu menaip atau memilih perkataan, dan kelajuan itu mengehadkan perbualan. Suara sintetik juga mungkin terlepas beberapa nuansa yang sebenar.

Pelaksanaan Dunia Sebenar

Seseorang yang baru didiagnosis dengan ALS merekodkan frasa yang digesa untuk Suara Peribadi Apple pada iPhone mereka, kemudian menggunakannya dengan Ucapan Langsung untuk menaip balasan semasa panggilan telefon.

Sebelum pembedahan laringektomi, pesakit bekerja dengan pakar patologi bahasa pertuturan untuk menghantar mesej beberapa frasa peribadi, seperti ucapan biasa mereka dan nama panggilan keluarga, dan juga merekodkan bahan yang mencukupi untuk membina suara sintetik.

Sebuah keluarga mengumpulkan video rumah lama dan mel suara supaya perkhidmatan pengklonan suara boleh membina semula suara seseorang yang pertuturannya sudah tidak jelas, kerana rakaman baharu akan menangkap kemerosotan tersebut.

Pengguna peranti komunikasi pandangan mata memuatkan suara sintetik tersuai mereka ke dalam perisian AAC, jadi semua yang mereka karang dituturkan dalam suara mereka sendiri.

Masa Depan Perbankan Suara AI untuk Kehilangan Pertuturan

Penyelidik sedang mengusahakan pembaikan suara yang lebih baik daripada rakaman pendek atau terjejas, kawalan yang lebih ekspresif seperti penekanan, emosi dan ketawa, dan pautan yang lebih pantas ke peranti komunikasi. Penyelidikan antara muka otak-komputer telah menunjukkan pertuturan dinyahkodkan daripada aktiviti saraf dan dituturkan dalam versi sintetik suara awal peserta, tetapi sistem ini kekal eksperimen dan tidak tersedia secara meluas. Soalan praktikal tetap terbuka: sama ada syarikat insurans dan sistem kesihatan akan membayar untuk perbankan suara, cara syarikat menyimpan dan melindungi model suara, dan polisi yang mengawal penggunaan selepas kematian. Pakar patologi bahasa pertuturan berkemungkinan akan tetap menjadi tumpuan dalam membantu orang ramai membuat bank lebih awal dan memilih alatan.

Mempraktikkannya

Mengapa ia penting

  • Akses dan capai. Ia meningkatkan kebolehcapaian melalui transkripsi, narasi dan antara muka suara.
  • Kos dan bajet. Pasukan media boleh menghantar audio yang digilap dengan lebih pantas dengan belanjawan yang lebih kecil.
  • Kelajuan dan skala. Sistem yang menghadapi pelanggan boleh memproses interaksi pertuturan pada skala yang lebih besar.

Berhati-hati untuk

  • Penyalahgunaan suara dan risiko penyamaran meningkat apabila tiada kebenaran.
  • Ketepatan boleh menurun merentas aksen, dialek atau persekitaran yang bising.
  • Audio sintetik boleh disalah anggap sebagai pertuturan tulen tanpa pelabelan yang jelas.

Langkah seterusnya

  1. Dapatkan persetujuan yang jelas untuk menangkap suara, pengklonan dan penggunaan semula.
  2. Uji kualiti merentas pelbagai pembesar suara dan keadaan latar belakang.
  3. Tentukan bila manusia mesti menyemak atau meluluskan output.
  4. Labelkan audio sintetik dan simpan rekod asal untuk kebertanggungjawaban.

Teruskan Meneroka

Newsletter percuma

Dapatkan taklimat AI harian

Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.

Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.

Uji diri anda

Take the AI Voice Banking for Speech Loss quiz

Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.

Mulakan kuiz

Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma

Soalan lazim

Apakah Perbankan Suara AI untuk Kehilangan Pertuturan?

Perbankan suara AI bermaksud merakam suara anda semasa anda masih boleh bercakap supaya versi sintetiknya kemudian boleh membaca teks yang ditaip dengan kuat untuk anda pada telefon, tablet atau peranti komunikasi. Ia paling penting bagi penghidap ALS, sesetengah kanser kepala dan leher, dan keadaan lain yang menghilangkan pertuturan. Ia membolehkan mereka terus berkomunikasi dalam suara yang dikenali keluarga dan rakan mereka dan bukannya suara komputer generik.

Bagaimanakah perbankan mesej berbeza daripada perbankan suara?

Perbankan mesej menyimpan rakaman tepat dengan emosi asalnya. Perbankan suara menghasilkan suara sintetik untuk ayat baharu. Ramai orang melakukan kedua-duanya.

Mengapakah sebuah keluarga mungkin menggunakan video rumah lama dan mel suara untuk membina suara seseorang?

Pembaikan suara menggunakan rakaman yang dibuat sebelum pertuturan ditukar, jadi suara yang dibina semula kedengaran seperti suara sihat orang itu.

Apabila Apple memperkenalkan Suara Peribadi dengan iOS 17 pada tahun 2023, kira-kira berapa banyak frasa yang diminta anda rakamkan?

Suara Peribadi asal membina suara pada peranti daripada kira-kira 150 frasa yang dirakam, jauh lebih sedikit daripada sistem lama yang diperlukan. Versi kemudian memerlukan lebih sedikit.

Mengapakah doktor mengesyorkan perbankan awal untuk penghidap ALS?

Pertuturan boleh berubah dengan cepat, dan rakaman yang dibuat semasa suara masih sihat menghasilkan suara sintetik yang lebih baik.

Amalan rakaman yang manakah memperbaik suara bank?

Rakaman yang konsisten, bersih dan rendah keletihan memberikan model sampel suara yang jelas dan stabil.