ДалееСледующее руководство
Speech Anonymization and Voice Privacy
Аудио ИИ
Аудио РУКОВОДСТВО ПО ИИ
Голосовой банкинг с использованием искусственного интеллекта означает запись вашего голоса, пока вы еще можете говорить, чтобы его синтетическая версия могла позже прочитать вам вслух набранный текст на телефоне, планшете или устройстве связи.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Это особенно важно для людей с БАС, некоторыми видами рака головы и шеи и другими заболеваниями, при которых нарушается речь. Это позволяет им продолжать общаться голосом, который узнают их семья и друзья, а не обычным компьютерным голосом.
Две связанные практики часто путают. Банк сообщений означает запись целых фраз собственным голосом, например «Я люблю тебя» или любимую шутку, которые позже воспроизводятся точно так же, как они были произнесены, со всей их эмоциональностью. Голосовой банкинг означает запись материала, позволяющую создать синтетический голос, способный говорить все, что вы печатаете. Многие врачи рекомендуют делать и то, и другое, что иногда называют двойным погружением. Старые системы голосового банкинга объединяли записанные звуки или использовали статистические модели. Часто им требовалось от сотен до более тысячи записанных предложений, и результат мог показаться роботизированным. Клонирование нейронного голоса кардинально изменило ситуацию. Персональный голос Apple, представленный в iOS 17 в 2023 году, изначально создавал голос на устройстве примерно из 150 записанных фраз, а более поздним версиям требуется гораздо меньше. Коммерческие службы клонирования могут создавать естественные голоса из нескольких минут чистого звука, а некоторые запускают программы, которые предоставляют доступ людям с БАС и подобными заболеваниями. Эти инструменты также делают возможным восстановление голоса. Если чья-то речь уже изменилась, иногда голос можно восстановить из старых записей, таких как видео, голосовые сообщения или речи, хотя качество зависит от того, насколько чистый звук существует. Время по-прежнему имеет значение, поскольку такие состояния, как БАС, могут быстро повлиять на речь, особенно когда симптомы начинаются в мышцах, используемых для речи и глотания. Логопеды и организации, занимающиеся БАС, часто помогают людям планировать свои действия на ранней стадии. Согласие и контроль вызывают реальную озабоченность. Человек должен решить, кто может использовать образец голоса, может ли семья использовать его после его смерти и какая компания хранит его. Клонированный голос также может быть использован не по назначению, например, в мошеннических звонках, поэтому безопасность учетной записи имеет значение. Распространенные заблуждения: голосовой банкинг не восстанавливает естественную речь. Человеку по-прежнему приходится печатать или выбирать слова, и это ограничивает скорость разговора. Синтетический голос также может упускать некоторые нюансы настоящего.
Человек, у которого недавно диагностирован БАС, записывает фразы подсказки для личного голоса Apple на своем iPhone, а затем использует их с Live Speech для ввода ответов во время телефонных звонков.
Перед операцией по ларингэктомии пациент работает с логопедом, чтобы составить банк сообщений из нескольких личных фраз, таких как обычное приветствие и семейное прозвище, а также записать достаточно материала для построения синтетического голоса.
Семья собирает старые домашние видеозаписи и голосовые сообщения, чтобы служба клонирования голоса могла восстановить голос человека, чья речь уже невнятна, поскольку новые записи будут фиксировать нарушения.
Пользователь устройства визуальной связи загружает свой собственный синтетический голос в программное обеспечение AAC, поэтому все, что он сочиняет, произносится его собственным голосом.
Исследователи работают над улучшением восстановления голоса из коротких или поврежденных записей, над более выразительным контролем, таким как акцент, эмоции и смех, а также над более быстрым подключением к устройствам связи. Исследования интерфейса «мозг-компьютер» показали, что речь декодируется на основе активности нейронов и произносится в синтетической версии предыдущего голоса участника, но эти системы остаются экспериментальными и не получили широкого распространения. Практические вопросы остаются открытыми: будут ли страховщики и системы здравоохранения платить за голосовой банкинг, как компании хранят и защищают модели голоса и какая политика регулирует их использование после смерти. Логопеды, скорее всего, будут играть центральную роль в оказании помощи людям в раннем банковском обслуживании и выборе инструментов.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Голосовой банкинг с использованием искусственного интеллекта означает запись вашего голоса, пока вы еще можете говорить, чтобы его синтетическая версия могла позже прочитать вам вслух набранный текст на телефоне, планшете или устройстве связи. Это особенно важно для людей с БАС, некоторыми видами рака головы и шеи и другими заболеваниями, при которых нарушается речь. Это позволяет им продолжать общаться голосом, который узнают их семья и друзья, а не обычным компьютерным голосом.
Банк сообщений сохраняет точные записи исходных эмоций. Голосовой банкинг создает синтетический голос для новых предложений. Многие люди делают и то, и другое.
Для восстановления голоса используются записи, сделанные до изменения речи, поэтому восстановленный голос звучит как здоровый голос человека.
Оригинальный Personal Voice создавал голос на устройстве примерно из 150 записанных фраз, что намного меньше, чем требовалось старым системам. Более поздним версиям потребуется еще меньше.
Речь может быстро меняться, а записи, сделанные, когда голос еще здоров, дают более качественный синтетический голос.
Последовательные, чистые и неутомительные записи дают модели четкий и стабильный образец голоса.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Speech Anonymization and Voice Privacy
Аудио ИИ