Rupal Patel: Synthetic voices, as unique as fingerprints

Μετάφραση: Chryssa Takahashi Επιμέλεια: Miriela Patrikiadou

I'd like to talk today

Σήμερα θα ήθελα να μιλήσω

about a powerful and fundamental aspect

για μια ισχυρή και θεμελιώδη πτυχή

of who we are: our voice.

του ποιοι είμαστε: τη φωνή μας.

Each one of us has a unique voiceprint

Κάθε ένας από εμάς έχει ένα μοναδικό ηχητικό αποτύπωμα

that reflects our age, our size,

που αντικατοπτρίζει την ηλικία μας, το μέγεθός μας,

even our lifestyle and personality.

ακόμη και τον τρόπο ζωής και την προσωπικότητά μας.

In the words of the poet Longfellow,

Όπως είπε ο ποιητής Λονγκφέλοου,

"the human voice is the organ of the soul."

«H ανθρώπινη φωνή είναι το όργανο της ψυχής».

As a speech scientist, I'm fascinated

Ως επιστήμονας που ασχολείται με την ομιλία,

by how the voice is produced,

με συναρπάζει πώς παράγεται η φωνή,

and I have an idea for how it can be engineered.

και έχω μια ιδέα για το πώς μπορεί να κατασκευαστεί.

That's what I'd like to share with you.

Αυτό θα ήθελα να μοιραστώ μαζί σας.

I'm going to start by playing you a sample

Θα ξεκινήσω παίζοντάς σας ένα δείγμα

of a voice that you may recognize.

μιας φωνής που ίσως αναγνωρίσετε.

(Recording) Stephen Hawking: "I would have thought

(Ηχογράφηση) Στήβεν Χώκινγκ: «Πίστευα

it was fairly obvious what I meant."

ότι ήταν αρκετά προφανές αυτό που εννοούσα».

Rupal Patel: That was the voice

Ρούπαλ Πατέλ: Αυτή ήταν η φωνή

of Professor Stephen Hawking.

του καθηγητή Στήβεν Χώκινγκ.

What you may not know is that same voice

Αυτό που ίσως δεν γνωρίζετε είναι ότι η ίδια φωνή

may also be used by this little girl

μπορεί να χρησιμοποιηθεί και από αυτό το κοριτσάκι

who is unable to speak

που δεν μπορεί να μιλήσει

because of a neurological condition.

λόγω μιας νευρολογικής πάθησης.

In fact, all of these individuals

Στην πραγματικότητα, όλα αυτά τα άτομα

may be using the same voice,

μπορεί να χρησιμοποιούν την ίδια φωνή,

and that's because there's only a few options available.

και αυτό ισχύει επειδή υπάρχουν πολύ λίγες διαθέσιμες επιλογές.

In the U.S. alone, there are 2.5 million Americans

Μόνο στις Η.Π.Α., υπάρχουν 2,5 εκατομμύρια Αμερικανοί

who are unable to speak,

που δεν μπορούν να μιλήσουν

and many of whom use computerized devices

και πολλοί από αυτούς χρησιμοποιούν ηλεκτρονικές συσκευές

to communicate.

για να επικοινωνούν.

Now that's millions of people worldwide

Αυτό σημαίνει εκατομμύρια ανθρώπων σε όλο τον κόσμο

who are using generic voices,

που χρησιμοποιούν γενικές φωνές,

including Professor Hawking,

συμπεριλαμβανομένου και του καθηγητή Χώκινγκ,

who uses an American-accented voice.

ο οποίος χρησιμοποιεί φωνή με αμερικάνικη προφορά.

This lack of individuation of the synthetic voice

Αυτή η έλλειψη εξατομίκευσης της συνθετικής φωνής

really hit home

πραγματικά με επηρρέασε

when I was at an assistive technology conference

όταν πήγα σε ένα συνέδριο βοηθητικών τεχνολογιών

a few years ago,

πριν από μερικά χρόνια

and I recall walking into an exhibit hall

και θυμάμαι να μπαίνω σε έναν εκθεσιακό χώρο

and seeing a little girl and a grown man

και να βλέπω ένα κοριτσάκι και έναν ενήλικα

having a conversation using their devices,

να συζητούν χρησιμοποιώντας τις συσκευές τους,

different devices, but the same voice.

διαφορετικές συσκευές, αλλά με την ίδια φωνή.

And I looked around and I saw this happening

Κοίταξα γύρω μου και είδα να συμβαίνει αυτό παντού,

all around me, literally hundreds of individuals

κυριολεκτικά εκατοντάδες άτομα

using a handful of voices,

να χρησιμοποιούν λίγες φωνές,

voices that didn't fit their bodies

φωνές που δεν ταίριαζαν με τα σώματά τους

or their personalities.

ή τις προσωπικότητές τους.

We wouldn't dream of fitting a little girl

Δεν θα μας περνούσε καν από το μυαλό να τοποθετήσουμε σε ένα κοριτσάκι

with the prosthetic limb of a grown man.

το προσθετικό άκρο ενός ενήλικα.

So why then the same prosthetic voice?

Τότε γιατί να το κάνουμε με την προσθετική φωνή;

It really struck me,

Μου έκανε πραγματικά εντύπωση,

and I wanted to do something about this.

και ήθελα να κάνω κάτι γι' αυτό.

I'm going to play you now a sample

Τώρα θα παίξω ένα δείγμα

of someone who has, two people actually,

δύο ατόμων

who have severe speech disorders.

που έχουν σοβαρές διαταραχές λόγου.

I want you to take a listen to how they sound.

Θέλω να ακούσετε πώς ακούγονται.

They're saying the same utterance.

Λένε το ίδιο πράγμα.

(First voice)

(Πρώτη φωνή)

(Second voice)

(Δεύτερη φωνή)

You probably didn't understand what they said,

Μάλλον δεν καταλάβατε τι είπαν,

but I hope that you heard

αλλά ελπίζω να ακούσατε

their unique vocal identities.

τις μοναδικές τους ηχητικές ταυτότητες.

So what I wanted to do next is,

Το επόμενο πράγμα που ήθελα να κάνω

I wanted to find out how we could harness

ήταν να ανακαλύψω πώς θα μπορούσαμε να τιθασεύσουμε

these residual vocal abilities

αυτές τις εναπομένουσες φωνητικές ικανότητες

and build a technology

και να δημιουργήσουμε μια τεχνολογία

that could be customized for them,

που θα μπορούσε να εξατομικευτεί γι' αυτούς,

voices that could be customized for them.

φωνές που θα μπορούσαν να εξατομικευτούν γι' αυτούς.

So I reached out to my collaborator, Tim Bunnell.

Έτσι επικοινώνησα με τον συνεργάτη μου, τον Τιμ Μπάνελ.

Dr. Bunnell is an expert in speech synthesis,

Ο δρ. Μπάνελ είναι ειδικός στη σύνθεση λόγου,

and what he'd been doing is building

και αυτό που έκανε ήταν να δημιουργεί

personalized voices for people

εξατομικευμένες φωνές για ανθρώπους

by putting together

συνδέοντας

pre-recorded samples of their voice

προ-ηχογραφημένα δείγματα της φωνής τους

and reconstructing a voice for them.

και ανακατασκευάζοντας γι' αυτούς μια φωνή.

These are people who had lost their voice

Αυτοί είναι άνθρωποι που είχαν χάσει τη φωνή τους

later in life.

αργότερα στη ζωή τους.

We didn't have the luxury

Δεν είχαμε την πολυτέλεια

of pre-recorded samples of speech

προ-ηχογραφημένων δειγμάτων λόγου

for those born with speech disorder.

γι' αυτούς που γεννήθηκαν με διαταραχή ομιλίας.

But I thought, there had to be a way

Αλλά σκέφτηκα ότι πρέπει να υπήρχε ένας τρόπος

to reverse engineer a voice

να γίνει μηχανική αναστροφή του λόγου

from whatever little is left over.

από αυτό το λίγο που έχει απομείνει.

So we decided to do exactly that.

Έτσι αποφασίσαμε να κάνουμε ακριβώς αυτό.

We set out with a little bit of funding from the National Science Foundation,

Ξεκινήσαμε με μια μικρή χρηματοδότηση από το Εθνικό Ίδρυμα Επιστήμης,

to create custom-crafted voices that captured

για να δημιουργήσουμε εξατομικευμένες φωνές που αιχμαλώτιζαν

their unique vocal identities.

τις μοναδικές τους φωνητικές ταυτότητες.

We call this project VocaliD, or vocal I.D.,

Ονομάσαμε αυτό το έργο VocaliD ή vocal I.D.,

for vocal identity.

που σημαίνει φωνητική ταυτότητα.

Now before I get into the details of how

Πριν μπω σε λεπτομέρειες πώς

the voice is made and let you listen to it,

δημιουργείται η φωνή και σας αφήσω να την ακούσετε,

I need to give you a real quick speech science lesson. Okay?

πρέπει να σας κάνω ένα πολύ γρήγορο μάθημα επιστήμης λόγου. Εντάξει;

So first, we know that the voice is changing

Πρώτα, ξέρουμε ότι η φωνή αλλάζει

dramatically over the course of development.

δραματικά κατά τη διάρκεια της ανάπτυξης.

Children sound different from teens

Τα παιδιά ακούγονται διαφορετικά από τους εφήβους

who sound different from adults.

οι οποίοι ακούγονται διαφορετικά από τους ενήλικες.

We've all experienced this.

Όλοι το έχουμε βιώσει αυτό.

Fact number two is that speech

Γεγονός νούμερο δύο: ο λόγος

is a combination of the source,

είναι ένας συνδυασμός της πηγής,

which is the vibrations generated by your voice box,

δηλαδή των δονήσεων που δημιουργούνται από το λάρυγγά σας,

which are then pushed through

οι οποίες κατόπιν μεταφέρονται

the rest of the vocal tract.

μέσω της υπόλοιπης φωνητικής οδού.

These are the chambers of your head and neck

Αυτό αποτελείται από τους θαλάμους του κεφαλιού και του λαιμού σας

that vibrate,

που δονούνται

and they actually filter that source sound

και φιλτράρουν αυτόν τον πηγαίο ήχο

to produce consonants and vowels.

για να δημιουργήσουν σύμφωνα και φωνήεντα.

So the combination of source and filter

Έτσι με το συνδυασμό της πηγής και του φίλτρου

is how we produce speech.

παράγουμε λόγο.

And that happens in one individual.

Και αυτό γίνεται σε καθέναν.

Now I told you earlier that I'd spent

Σας είπα νωρίτερα ότι είχα περάσει

a good part of my career

ένα μεγάλο μέρος της καριέρας μου

understanding and studying

κατανοώντας και μελετώντας

the source characteristics of people

τα πηγαία χαρακτηριστικά των ατόμων

with severe speech disorder,

με σοβαρές διαταραχές λόγου,

and what I've found

και αυτό που ανακάλυψα

is that even though their filters were impaired,

είναι ότι παρ' όλο που τα φίλτρα τους ήταν εξασθενημένα,

they were able to modulate their source:

μπορούσαν να τροποποιήσουν τις ιδιότητες της πηγής τους:

the pitch, the loudness, the tempo of their voice.

τον τόνο, την ένταση, τον ρυθμό της φωνής τους.

These are called prosody, and I've been documenting for years

Αυτές ονομάζονται προσωδία και καταγράφω εδώ και χρόνια

that the prosodic abilities of these individuals

ότι οι προσωδικές ικανότητες αυτών των ατόμων

are preserved.

διατηρούνται.

So when I realized that those same cues

Έτσι, όταν συνειδητοποίησα ότι αυτές οι ιδιότητες

are also important for speaker identity,

είναι επίσης σημαντικές για την ταυτότητα του ομιλητή,

I had this idea.

είχα αυτή την ιδέα:

Why don't we take the source

Γιατί δεν παίρνουμε την πηγή

from the person we want the voice to sound like,

από το πρόσωπο του οποίου θέλουμε να μοιάζει η φωνή,

because it's preserved,

επειδή αυτή έχει διατηρηθεί,

and borrow the filter

και να δανειστούμε το φίλτρο

from someone about the same age and size,

από κάποιον περίπου της ίδιας ηλικίας και μεγέθους,

because they can articulate speech,

επειδή αυτός μπορεί να αρθρώσει λόγο,

and then mix them?

και στη συνέχεια να τα συνδυάσουμε;

Because when we mix them,

Επειδή όταν τα συνδυάζουμε,

we can get a voice that's as clear

μπορούμε να έχουμε μια φωνή που είναι τόσο ξεκάθαρη

as our surrogate talker --

όπως αυτή του παρένθετου ομιλητή μας --

that's the person we borrowed the filter from—

αυτό είναι το άτομο από το οποίο δανειστήκαμε το φίλτρο --

and is similar in identity to our target talker.

και είναι παρόμοιο σε ταυτότητα με τον ομιλητή στον οποίο στοχεύουμε.

It's that simple.

Είναι τόσο απλό.

That's the science behind what we're doing.

Αυτή είναι η επιστήμη πίσω από αυτό που κάνουμε.

So once you have that in mind,

Έτσι, με αυτό κατά νου,

how do you go about building this voice?

τι κάνετε για να δημιουργήσετε αυτή τη φωνή;

Well, you have to find someone

Λοιπόν, πρέπει να βρείτε κάποιον

who is willing to be a surrogate.

που είναι πρόθυμος να γίνει παρένθετος.

It's not such an ominous thing.

Δεν είναι κάτι κακό.

Being a surrogate donor

Για να γίνετε παρένθετος δωρητής

only requires you to say a few hundred

χρειάζεται μόνο να πείτε μερικές εκατοντάδες

to a few thousand utterances.

έως μερικές χιλιάδες φράσεις.

The process goes something like this.

Η διαδικασία έχει κάπως έτσι:

(Video) Voice: Things happen in pairs.

(Βίντεο) Φωνή: Τα πράγματα συμβαίνουν ανά ζεύγη.

I love to sleep.

Μου αρέσει να κοιμάμαι.

The sky is blue without clouds.

Ο ουρανός είναι γαλάζιος χωρίς σύννεφα.

RP: Now she's going to go on like this

ΡΠ: Θα συνεχίσει έτσι

for about three to four hours,

για περίπου τρεις με τέσσερις ώρες,

and the idea is not for her to say everything

και η ιδέα δεν είναι να πει τα πάντα

that the target is going to want to say,

που θα θελήσει να πει ο στόχος,

but the idea is to cover all the different combinations

αλλά να καλύψει όλους τους διαφορετικούς συνδυασμούς

of the sounds that occur in the language.

των ήχων που προκύπτουν στη γλώσσα.

The more speech you have,

Όσο περισσότερη ομιλία έχετε,

the better sounding voice you're going to have.

τόσο πιο καλόηχη φωνή θα έχετε.

Once you have those recordings,

Μόλις έχουμε αυτές τις ηχογραφήσεις,

what we need to do

αυτό που πρέπει να κάνουμε

is we have to parse these recordings

είναι να αναλύσουμε αυτές τις ηχογραφήσεις

into little snippets of speech,

σε μικρά κομμάτια λόγου,

one- or two-sound combinations,

συνδυασμούς ενός ή δύο ήχων,

sometimes even whole words

μερικές φορές ακόμη και ολόκληρες λέξεις

that start populating a dataset or a database.

που αρχίζουν να συμπληρώνουν ένα σύνολο ή μια βάση δεδομένων.

We're going to call this database a voice bank.

Θα ονομάσουμε αυτή τη βάση δεδομένων τράπεζα φωνής.

Now the power of the voice bank

H δύναμη της τράπεζας φωνής

is that from this voice bank,

είναι ότι από αυτήν

we can now say any new utterance,

μπορούμε να πούμε τώρα οποιαδήποτε νέα φράση

like, "I love chocolate" --

όπως, «Μου αρέσει η σοκολάτα» --

everyone needs to be able to say that—

ο καθένας πρέπει να είναι σε θέση να το πει αυτό --

fish through that database

να ψαρέψουμε μέσα σε αυτή τη βάση δεδομένων

and find all the segments necessary

και να βρούμε όλα τα απαραίτητα τμήματα

to say that utterance.

για να πούμε αυτήν την φράση.

(Video) Voice: I love chocolate.

(Βίντεο) Φωνή: Μου αρέσει η σοκολάτα.

RP: So that's speech synthesis.

ΡΠ: Αυτή είναι λοιπόν η σύνθεση λόγου.

It's called concatenative synthesis, and that's what we're using.

Λέγεται συνενωτική σύνθεση, και αυτό χρησιμοποιούμε.

That's not the novel part.

Αυτό δεν είναι το καινοφανές μέρος.

What's novel is how we make it sound

Καινοφανές είναι πώς το κάνουμε να ακούγεται

like this young woman.

όπως αυτή η νεαρή γυναίκα.

This is Samantha.

Αυτή είναι η Σαμάνθα.

I met her when she was nine,

Τη γνώρισα όταν ήταν εννιά,

and since then, my team and I

και από τότε, η ομάδα μου κι εγώ

have been trying to build her a personalized voice.

προσπαθούμε να της φτιάξουμε μια εξατομικευμένη φωνή.

We first had to find a surrogate donor,

Πρώτα έπρεπε να βρούμε έναν παρένθετο δωρητή,

and then we had to have Samantha

και μετά έπρεπε να βάλουμε τη Σαμάνθα

produce some utterances.

να παράξει κάποιες φράσεις.

What she can produce are mostly vowel-like sounds,

Μπορεί να παράγει κυρίως ήχους σαν φωνήεντα,

but that's enough for us to extract

αλλά αυτό μας είναι αρκετό για να εξάγουμε

her source characteristics.

τα πηγαία χαρακτηριστικά της.

What happens next is best described

Αυτό που θα συμβεί στη συνέχεια περιγράφεται καλύτερα

by my daughter's analogy. She's six.

από την αναλογία της κόρης μου. Είναι έξι ετών.

She calls it mixing colors to paint voices.

Το αποκαλεί ανάμειξη χρωμάτων για τον χρωματισμό φωνών.

It's beautiful. It's exactly that.

Είναι όμορφο. Είναι ακριβώς αυτό.

Samantha's voice is like a concentrated sample

Η φωνή της Σαμάνθα είναι σαν ένα συμπυκνωμένο δείγμα

of red food dye which we can infuse

από κόκκινη χρωστική φαγητού που μπορούμε να εμποτίσουμε

into the recordings of her surrogate

στις ηχογραφήσεις της παρένθετής της

to get a pink voice just like this.

για να πάρει μια ροζ φωνή, ακριβώς όπως αυτή.

(Video) Samantha: Aaaaaah.

(Βίντεο) Σαμάνθα: Αααααα.

RP: So now, Samantha can say this.

ΡΠ: Οπότε τώρα, η Σαμάνθα μπορεί να πει αυτό:

(Video) Samantha: This voice is only for me.

(Βίντεο) Σαμάνθα: Αυτή η φωνή είναι μόνο για μένα.

I can't wait to use my new voice with my friends.

Ανυπομονώ να χρησιμοποιήσω τη νέα μου φωνή με τους φίλους μου.

RP: Thank you. (Applause)

ΡΠ: Σας ευχαριστώ. (Χειροκρότημα)

I'll never forget the gentle smile

Δεν θα ξεχάσω ποτέ το ευγενικό χαμόγελο

that spread across her face

που απλώθηκε σε όλο το πρόσωπό της

when she heard that voice for the first time.

όταν άκουσε αυτή τη φωνή για πρώτη φορά.

Now there's millions of people

Τώρα υπάρχουν εκατομμύρια άνθρωποι

around the world like Samantha, millions,

σε όλο τον κόσμο σαν τη Σαμάνθα, εκατομμύρια,

and we've only begun to scratch the surface.

και είμαστε μόλις στην αρχή.

What we've done so far is we have

Αυτό που έχουμε κάνει μέχρι τώρα είναι να έχουμε

a few surrogate talkers from around the U.S.

μερικούς παρένθετους ομιλητές από τις Η.Π.Α.

who have donated their voices,

που έχουν δωρίσει τις φωνές τους,

and we have been using those

και τις χρησιμοποιούμε

to build our first few personalized voices.

για να δημιουργήσουμε τις πρώτες λίγες προσωποποιημένες φωνές.

But there's so much more work to be done.

Αλλά πρέπει να γίνει πολύ δουλειά ακόμη.

For Samantha, her surrogate

Για τη Σαμάνθα, η παρένθετή της

came from somewhere in the Midwest, a stranger

προήλθε κάπου από τις μεσοδυτικές πολιτείες,

who gave her the gift of voice.

μια ξένη που της έδωσε το δώρο της φωνής.

And as a scientist, I'm so excited

Ως επιστήμονας, είμαι τόσο ενθουσιασμένη

to take this work out of the laboratory

που βγάζω επιτέλους αυτή τη δουλειά από το εργαστήριο

and finally into the real world

στον πραγματικό κόσμο

so it can have real-world impact.

έτσι ώστε να έχει πραγματικές επιπτώσεις.

What I want to share with you next

Αυτό που θέλω να μοιραστώ μαζί σας στη συνέχεια

is how I envision taking this work

είναι πώς οραματίζομαι να πάω αυτό το έργο

to that next level.

στο επόμενο επίπεδο.

I imagine a whole world of surrogate donors

Φαντάζομαι έναν ολόκληρο κόσμο με παρένθετους δωρητές

from all walks of life, different sizes, different ages,

από όλα τα διαφορετικά κοινωνικά στρώματα, μεγέθη και ηλικίες,

coming together in this voice drive

να ενώνονται σε αυτό το κίνητρο φωνής

to give people voices

για να δώσουν φωνές στους ανθρώπους

that are as colorful as their personalities.

που είναι τόσο πολύχρωμες, όσο και οι προσωπικότητές τους.

To do that as a first step,

Το πρώτο βήμα για το κάνουμε αυτό,

we've put together this website, VocaliD.org,

ήταν να φτιάξουμε μια ιστοσελίδα, τη VocaliD.org,

as a way to bring together those

ως τρόπο για να φέρουμε κοντά

who want to join us as voice donors,

όσους θέλουν να μας βοηθήσουν ως δωρητές φωνής,

as expertise donors,

ως ειδικευμένοι δωρητές,

in whatever way to make this vision a reality.

με όποιο τρόπο μπορούν, ώστε να κάνουν αυτό το όραμα πραγματικότητα.

They say that giving blood can save lives.

Λένε ότι η αιμοδοσία μπορεί να σώσει ζωές.

Well, giving your voice can change lives.

Το να δώσετε τη φωνή σας μπορεί να αλλάξει ζωές.

All we need is a few hours of speech

Το μόνο που χρειαζόμαστε είναι λίγες ώρες λόγου

from our surrogate talker,

από τον παρένθετο ομιλητή,

and as little as a vowel from our target talker,

και μόνο ένα φωνήεν από τον ομιλητή στόχο,

to create a unique vocal identity.

για να δημιουργήσουμε μια μοναδική φωνητική ταυτότητα.

So that's the science behind what we're doing.

Αυτή είναι η επιστήμη πίσω από αυτό που κάνουμε.

I want to end by circling back to the human side

Θέλω να τελειώσω επιστρέφοντας στην ανθρώπινη πλευρά

that is really the inspiration for this work.

που είναι στην πραγματικότητα η έμπνευση γι' αυτό το έργο.

About five years ago, we built our very first voice

Περίπου πέντε χρόνια πριν, δημιουργήσαμε την πρώτη μας φωνή

for a little boy named William.

για ένα μικρό αγόρι που ονομάζεται Ουίλιαμ.

When his mom first heard this voice,

Όταν η μαμά του άκουσε για πρώτη φορά αυτήν τη φωνή,

she said, "This is what William

είπε, «Έτσι

would have sounded like

θα ακουγόταν ο Ουίλιαμ

had he been able to speak."

αν ήταν σε θέση να μιλήσει.»

And then I saw William typing a message

Και τότε είδα τον Ουίλιαμ να πληκτρολογεί ένα μήνυμα

on his device.

στη συσκευή του.

I wondered, what was he thinking?

Αναρωτήθηκα τι σκεφτόταν.

Imagine carrying around someone else's voice

Φανταστείτε να κουβαλάτε τη φωνή κάποιου άλλου

for nine years

για εννέα χρόνια

and finally finding your own voice.

και τελικά να βρίσκετε τη φωνή σας.

Imagine that.

Φανταστείτε το.

This is what William said:

Αυτό είπε ο Ουίλιαμ:

"Never heard me before."

«Δεν με έχω ξανακούσει ποτέ».

Thank you.

Σας ευχαριστώ.

(Applause)

(Χειροκρότημα)