NastępnyNastępny poradnik
Speech Anonymization and Voice Privacy
Dźwiękowa sztuczna inteligencja
PRZEWODNIK AI audio
Bankowość głosu AI w przypadku utraty mowy
Bankowość głosowa AI oznacza nagrywanie Twojego głosu, gdy jeszcze możesz mówić, aby jego syntetyczna wersja mogła później przeczytać na głos wpisany tekst na telefonie, tablecie lub urządzeniu komunikacyjnym.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min
Na tej stronie4 minuty czytania
Przegląd
Ma to największe znaczenie w przypadku osób chorych na ALS, niektóre nowotwory głowy i szyi oraz inne schorzenia zakłócające mowę. Pozwala im komunikować się głosem rozpoznawalnym przez rodzinę i przyjaciół, a nie zwykłym głosem komputerowym.
Głębokie nurkowanie
Często mylone są dwie powiązane ze sobą praktyki. Bankowość wiadomości oznacza nagrywanie całych fraz własnym głosem, takich jak „Kocham cię” lub ulubiony dowcip, które są później odtwarzane dokładnie tak, jak zostały wypowiedziane, z wszystkimi emocjami. Bankowość głosowa oznacza nagrywanie materiału, dzięki czemu można zbudować syntetyczny głos, który może powiedzieć wszystko, co napiszesz. Wielu klinicystów zaleca stosowanie obu metod, czasami nazywanych podwójnym zanurzeniem. Starsze systemy bankowości głosowej łączyły nagrane dźwięki lub wykorzystywały modele statystyczne. Często potrzebowali od setek do ponad tysiąca nagranych zdań, a wynik mógł brzmieć jak robot. Klonowanie głosu neuronowego radykalnie to zmieniło. Funkcja Personal Voice Apple, wprowadzona w iOS 17 w 2023 r., pierwotnie tworzyła głos na urządzeniu z około 150 nagranych fraz, a późniejsze wersje potrzebują znacznie mniej. Komercyjne usługi klonowania mogą wytwarzać naturalny głos z minut czystego dźwięku, a niektóre uruchamiają programy umożliwiające dostęp osobom z ALS i podobnymi schorzeniami. Narzędzia te umożliwiają również naprawę głosu. Jeśli czyjaś mowa już się zmieniła, głos można czasami odbudować na podstawie starszych nagrań, takich jak filmy, wiadomości głosowe lub przemówienia, chociaż jakość zależy od tego, ile czystego dźwięku istnieje. Wyczucie czasu nadal ma znaczenie, ponieważ schorzenia takie jak ALS mogą szybko wpływać na mowę, szczególnie gdy objawy zaczynają się w mięśniach używanych do mówienia i połykania. Logopedzi i organizacje zajmujące się ALS często pomagają ludziom wcześnie planować. Zgoda i kontrola są prawdziwymi problemami. Osoba powinna zdecydować, kto może korzystać z modelu głosu, czy rodzina może z niego korzystać po jej śmierci i jaka firma go przechowuje. Sklonowany głos można również wykorzystać niewłaściwie, na przykład w oszustwach, dlatego bezpieczeństwo konta ma znaczenie. Często spotykane błędne przekonania: bankowość głosowa nie przywraca naturalnej mowy. Osoba nadal musi pisać lub wybierać słowa, a ta prędkość ogranicza rozmowę. W głosie syntetycznym może też brakować pewnych niuansów głosu prawdziwego.
Implementacja w świecie rzeczywistym
Osoba, u której niedawno zdiagnozowano ALS, nagrywa podpowiedzi głosowe Apple na swoim iPhonie, a następnie używa go z funkcją Live Speech do wpisywania odpowiedzi podczas rozmów telefonicznych.
Przed operacją laryngektomii pacjent współpracuje z logopedą, aby zebrać w banku kilka osobistych zwrotów, takich jak zwykłe powitanie i pseudonim rodzinny, a także nagrywa wystarczającą ilość materiału, aby zbudować syntetyczny głos.
Rodzina gromadzi stare domowe nagrania wideo i wiadomości głosowe, aby usługa klonowania głosu mogła odbudować głos osoby, której mowa jest już niewyraźna, ponieważ nowe nagrania mogłyby uchwycić to upośledzenie.
Użytkownik urządzenia do komunikacji wzrokowej ładuje swój niestandardowy głos syntetyczny do oprogramowania AAC, dzięki czemu wszystko, co komponuje, jest wypowiadane jego własnym głosem.
Przyszłość bankowości głosowej AI w przypadku utraty mowy
Naukowcy pracują nad lepszą naprawą głosu w przypadku krótkich lub uszkodzonych nagrań, większą kontrolą ekspresji, np. naciskiem, emocjami i śmiechem, oraz szybszymi połączeniami z urządzeniami komunikacyjnymi. Badania interfejsu mózg-komputer wykazały, że mowa jest dekodowana na podstawie aktywności neuronów i mówiona w syntetycznej wersji wcześniejszego głosu uczestnika, jednak systemy te pozostają eksperymentalne i nie są powszechnie dostępne. Otwarte pozostają praktyczne pytania: czy ubezpieczyciele i systemy opieki zdrowotnej będą płacić za bankowość głosową, w jaki sposób firmy przechowują i chronią modele głosu oraz jakie zasady regulują korzystanie z nich po śmierci. Logopedzi prawdopodobnie odegrają kluczową rolę w pomaganiu ludziom we wczesnym korzystaniu z usług bankowych i wyborze narzędzi.
Wdrażanie tego w praktykę
Dlaczego to ma znaczenie
- Dostęp i zasięg. Poprawia dostępność poprzez transkrypcję, narrację i interfejsy głosowe.
- Koszt i budżet. Zespoły medialne mogą szybciej dostarczać dopracowany dźwięk przy mniejszych budżetach.
- Szybkość i skala. Systemy skierowane do klienta mogą przetwarzać interakcje mówione na większą skalę.
Uważaj na
- W przypadku braku zgody zwiększa się ryzyko niewłaściwego użycia głosu i podszywania się pod inne osoby.
- Dokładność może spaść w przypadku akcentów, dialektów lub hałaśliwego otoczenia.
- Bez wyraźnego oznakowania dźwięk syntetyczny można pomylić z autentyczną mową.
Kolejne kroki
- Uzyskaj wyraźną zgodę na przechwytywanie, klonowanie i ponowne wykorzystanie głosu.
- Testuj jakość na różnych głośnikach i w różnych warunkach otoczenia.
- Zdefiniuj, kiedy człowiek musi przejrzeć lub zatwierdzić wyniki.
- Oznacz dźwięk syntetyczny i prowadź dokumentację pochodzenia w celu zapewnienia odpowiedzialności.
Odkrywaj dalej
Darmowy newsletter
Otrzymuj codzienne podsumowanie AI
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Take the AI Voice Banking for Speech Loss quiz
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Często zadawane pytania
Co to jest bankowość głosu AI w przypadku utraty mowy?
Bankowość głosowa AI oznacza nagrywanie Twojego głosu, gdy jeszcze możesz mówić, aby jego syntetyczna wersja mogła później przeczytać na głos wpisany tekst na telefonie, tablecie lub urządzeniu komunikacyjnym. Ma to największe znaczenie w przypadku osób chorych na ALS, niektóre nowotwory głowy i szyi oraz inne schorzenia zakłócające mowę. Pozwala im komunikować się głosem rozpoznawalnym przez rodzinę i przyjaciół, a nie zwykłym głosem komputerowym.
Czym bankowość wiadomości różni się od bankowości głosowej?
Bankowość wiadomości przechowuje dokładne nagrania z oryginalnymi emocjami. Bankowość głosowa tworzy syntetyczny głos dla nowych zdań. Wiele osób robi jedno i drugie.
Dlaczego rodzina może wykorzystywać stare domowe nagrania wideo i wiadomości głosowe, aby zbudować czyjś głos?
Do naprawy głosu wykorzystywane są nagrania wykonane przed zmianą mowy, dzięki czemu odbudowany głos brzmi jak zdrowy głos danej osoby.
Kiedy Apple wprowadził Personal Voice w iOS 17 w 2023 r., ile mniej więcej fraz kazał Ci nagrać?
Oryginalny głos osobisty zbudował głos na urządzeniu z około 150 nagranych fraz, czyli znacznie mniej niż było to potrzebne w starszych systemach. Późniejsze wersje wymagają jeszcze mniej.
Dlaczego klinicyści zalecają wczesne korzystanie z usług bankowych osobom chorym na ALS?
Mowa może się szybko zmieniać, a nagrania wykonane, gdy głos jest jeszcze zdrowy, dają lepszy, syntetyczny głos.
Która praktyka nagrywania poprawia przechylony głos?
Spójne, czyste i niemęczące nagrania dają modelowi wyraźną i stabilną próbkę głosu.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat