Rupal Patel: Synthetic voices, as unique as fingerprints

Translator: Júlia Trličová Reviewer: Ivana Kopisova

I'd like to talk today

Dnes by som rada hovorila

about a powerful and fundamental aspect

o silnom a základnom aspekte toho,

of who we are: our voice.

kým sme: našom hlase.

Each one of us has a unique voiceprint

Každý z nás má jedinečný „odtlačok“ hlasu,

that reflects our age, our size,

ktorý odráža náš vek, našu veľkosť,

even our lifestyle and personality.

dokonca aj náš životný štýl a našu osobnosť.

In the words of the poet Longfellow,

Slovami básnika Longellowa:

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

„Ľudský hlas je orgánom duše.“

As a speech scientist, I'm fascinated

Ako výskumníčku reči ma fascinuje,

by how the voice is produced,

ako je ľudský hlas tvorený,

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

a prišla som s koncepciou toho, ako je možné ho umelo navrhnúť.

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

Práve o to by som sa s vami chcela podeliť.

I'm going to start by playing you a sample

Začnem tým, že vám prehrám vzorku

of a voice that you may recognize.

hlasu, ktorý možno spoznáte.

(Recording) Stephen Hawking: "I would have thought

(nahrávka) Stephen Hawking: „Myslel by som,

it was fairly obvious what I meant."

že úplne jasné, čo som chcel povedať.“

Rupal Patel: That was the voice

Rupal Patel: To bol hlas

of Professor Stephen Hawking.

profesora Stephena Hawkinga.

What you may not know is that same voice

Možno však neviete, že ten istý hlas

may also be used by this little girl

môže použiť aj toto malé dievčatko,

who is unable to speak

ktoré pre neurologickú poruchu

because of a neurological condition.

nemôže rozprávať.

In fact, all of these individuals

V skutočnosti všetci títo jedinci

may be using the same voice,

môžu používať ten istý hlas,

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

a to preto, že k dispozícii je len niekoľko možností.

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

Len v Spojených štátoch žije dva a pol milióna Američanov,

who are unable to speak,

ktorí nedokážu rozprávať,

and many of whom use computerized devices

a mnohí z nich na komunikáciu používajú

to communicate.

počítačové prístroje.

Now that's millions of people worldwide

Na celom svete teda ide o milióny ľudí,

who are using generic voices,

ktorí používajú generické hlasy,

including Professor Hawking,

vrátane profesora Hawkinga,

who uses an American-accented voice.

ktorý používa hlas s americkým prízvukom.

This lack of individuation of the synthetic voice

Nedostatok osobitného rozlíšenia syntetického hlasu

really hit home

mi naozaj udrel do očí,

when I was at an assistive technology conference

keď som pred niekoľkými rokmi bola

a few years ago,

na konferencii pomocnej technológie.

and I recall walking into an exhibit hall

Spomínam si, že som vošla do sály

and seeing a little girl and a grown man

a videla malé dievčatko a dospelého muža

having a conversation using their devices,

rozprávať sa pomocou svojich prístrojov.

different devices, but the same voice.

Rôznymi prístrojmi, ale rovnakým hlasom.

And I looked around and I saw this happening

Obzrela som sa okolo seba a to isté som videla

all around me, literally hundreds of individuals

všade dookola, doslova stovky ľudí

using a handful of voices,

s len niekoľkými hlasmi,

voices that didn't fit their bodies

hlasmi, ktoré sa nehodili k ich telám,

or their personalities.

ani ich osobnostiam.

We wouldn't dream of fitting a little girl

Ani by nám nenapadlo malému dievčatku

with the prosthetic limb of a grown man.

dať umelú končatinu dospelého muža.

So why then the same prosthetic voice?

Tak prečo používame rovnaký umelý hlas?

It really struck me,

Naozaj to na mňa zapôsobilo

and I wanted to do something about this.

a chcela som s tým niečo spraviť.

I'm going to play you now a sample

Teraz vám prehrám vzorku

of someone who has, two people actually,

niekoho, vlastne dvoch ľudí, ktorí

who have severe speech disorders.

majú ťažké poruchy reči.

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

Chcem, aby ste si ich vypočuli a všimli si, ako znejú.

They're saying the same utterance.

Povedia tú istú repliku.

(First voice)

(prvý hlas)

(Second voice)

(druhý hlas)

You probably didn't understand what they said,

Pravdepodobne ste nerozumeli tomu, čo povedali,

but I hope that you heard

ale dúfam, že ste počuli

their unique vocal identities.

ich jedinečné vokálne identity.

So what I wanted to do next is,

Ďalším krokom, ktorý som chcela podniknúť,

I wanted to find out how we could harness

bolo, že som chcela zistiť, ako by sme tieto

these residual vocal abilities

reziduálne vokálne schopnosti mohli zachovať

and build a technology

a vytvoriť technológiu,

that could be customized for them,

ktorá by sa im dala prispôsobiť,

voices that could be customized for them.

hlasy, ktoré by sa im dali prispôsobiť.

So I reached out to my collaborator, Tim Bunnell.

Tak som sa obrátila na svojho spolupracovníka, Tima Bunnella.

Dr. Bunnell is an expert in speech synthesis,

Dr. Bunnell je odborníkom na rečovú syntézu

and what he'd been doing is building

a venuje sa vytváraniu

personalized voices for people

prispôsobených hlasov pre ľudí

by putting together

tým, že spája

pre-recorded samples of their voice

vopred nahraté vzorky ich hlasu

and reconstructing a voice for them.

a rekonštruuje im hlas.

These are people who had lost their voice

Sú to ľudia, ktorí hlas stratili

later in life.

v neskoršom veku.

We didn't have the luxury

Nemali sme možnosť použiť

of pre-recorded samples of speech

vopred nahraté vzorky reči

for those born with speech disorder.

tých, ktorí sa s rečovou poruchou narodili.

But I thought, there had to be a way

Myslela som si ale, že musí existovať spôsob,

to reverse engineer a voice

ako spätne vytvoriť hlas aj z toho

from whatever little is left over.

malého množstva, ktoré zostalo.

So we decided to do exactly that.

Presne to sme sa aj rozhodli urobiť.

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

Začali sme malou investíciou od National Science Foundation

to create custom-crafted voices that captured

na vytvorenie prispôsobených hlasov,

their unique vocal identities.

ktoré si zachovali jedinečné vokálne identity.

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

Tento projekt voláme VocaliD alebo vokálne ID,

for vocal identity.

vokálna identita.

Now before I get into the details of how

Predtým, ako sa pustím do detailov o tom,

the voice is made and let you listen to it,

ako sa hlas vytvára a pustím vám nahrávku,

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

musím vám dať rýchlu prednášku o rečovej vede. V poriadku?

So first, we know that the voice is changing

Po prvé, vieme, že hlas sa v priebehu

dramatically over the course of development.

vývoja dramaticky mení.

Children sound different from teens

Deti znejú inak ako adolescenti

who sound different from adults.

a tí znejú inak než dospelí.

We've all experienced this.

Toto sme si všetci zažili.

Fact number two is that speech

Druhou vecou je, že reč

is a combination of the source,

je kombináciou zdroja,

which is the vibrations generated by your voice box,

ktorým sú vibrácie vytvárané našimi hlasivkami,

which are then pushed through

ktoré sú potom presúvané

the rest of the vocal tract.

zvyškom vokálneho traktu.

These are the chambers of your head and neck

V hlave a krku máme komory,

that vibrate,

ktoré vibrujú

and they actually filter that source sound

a filtrujú tento zdrojový zvuk

to produce consonants and vowels.

na vytvorenie spoluhlások a samohlások.

So the combination of source and filter

Takže práve touto kombináciou zdroja a filtra

is how we produce speech.

vytvárame reč.

And that happens in one individual.

A to sa deje v každom jednotlivcovi.

Now I told you earlier that I'd spent

Už som vám povedala, že som

a good part of my career

veľkú časť svojej kariéry venovala

understanding and studying

pochopeniu a skúmaniu

the source characteristics of people

zdrojových charakteristík ľudí

with severe speech disorder,

so závažnou poruchou reči,

and what I've found

a zistila som, že

is that even though their filters were impaired,

aj keď ich filtre boli poškodené,

they were able to modulate their source:

dokázali modulovať zdrojový zvuk,

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

jeho výšku, hlasitosť a tempo.

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

Týmto znakom sa hovorí prozodika a už roky

that the prosodic abilities of these individuals

zaznamenávam, že prozodické schopnosti

are preserved.

týchto jednotlivcov sú zachované.

So when I realized that those same cues

Takže keď som si uvedomila, že tie isté

are also important for speaker identity,

znaky sú dôležité pre identitu hovoriaceho,

I had this idea.

dostala som nápad.

Why don't we take the source

Prečo nevezmeme zdroj

from the person we want the voice to sound like,

človeka, ktorého hlas chceme zvukovo napodobniť,

because it's preserved,

keďže tento zdroj je zachovaný,

and borrow the filter

a nepožičiame si filter

from someone about the same age and size,

od niekoho približne rovnakého veku a rovnakej veľkosti,

because they can articulate speech,

pretože dokáže artikulovať,

and then mix them?

a potom ich nezmiešame?

Because when we mix them,

Pretože ak ich zmiešame,

we can get a voice that's as clear

môžeme získať hlas, ktorý je rovnako

as our surrogate talker --

jasný ako hlas toho, koho sme použili,

that's the person we borrowed the filter from—

od koho sme si požičali filter,

and is similar in identity to our target talker.

a je podobný identite nášho cieľového hovoriaceho.

It's that simple.

Je to také jednoduché.

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

To je vedecká stránka toho, čo robíme.

So once you have that in mind,

Takže ak toto všetko vieme,

how do you go about building this voice?

ako tento hlas prakticky vytvoríme?

Well, you have to find someone

Musíte nájsť niekoho,

who is willing to be a surrogate.

kto je ochotný požičať svoj filter.

It's not such an ominous thing.

Nie je to až taký problém.

Being a surrogate donor

Byť náhradným hovoriacim

only requires you to say a few hundred

si vyžaduje len nahovorenie niekoľkých stoviek

to a few thousand utterances.

až niekoľkých tisícok replík.

The process goes something like this.

Proces prebieha približne takto.

(Video) Voice: Things happen in pairs.

(video) hlas: Veci sa dejú v pároch.

I love to sleep.

Milujem spánok.

The sky is blue without clouds.

Bez oblakov je nebo modré.

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

RP: Teraz bude takto pokračovať

for about three to four hours,

tri až štyri hodiny,

and the idea is not for her to say everything

a cieľom nie je, aby povedala niečo, čo

that the target is going to want to say,

náš cieľový hovoriaci bude chcieť povedať,

but the idea is to cover all the different combinations

ale to, aby sme pokryli všetky kombinácie

of the sounds that occur in the language.

zvukov, ktoré sa v jazyku vyskytujú.

The more speech you have,

Čím viac reči máte,

the better sounding voice you're going to have.

tým lepšie znejúci hlas získate.

Once you have those recordings,

Keď tieto nahrávky máte,

what we need to do

ďalším krokom je,

is we have to parse these recordings

že ich musíme porozdeľovať

into little snippets of speech,

na malé kúsočky reči,

one- or two-sound combinations,

kombinácie jedného alebo dvoch zvukov,

sometimes even whole words

niekedy dokonca aj celé slová,

that start populating a dataset or a database.

ktoré začnú zapĺňať dataset alebo databázu.

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

Túto databázu nazveme hlasovou bankou.

Now the power of the voice bank

Silou hlasovej banky

is that from this voice bank,

je, že z tejto hlasovej banky

we can now say any new utterance,

teraz môžeme povedať akúkoľvek novú repliku,

like, "I love chocolate" --

ako napríklad „milujem čokoládu“

everyone needs to be able to say that—

– čo každý musí dokázať povedať –

fish through that database

prehľadáte databázu

and find all the segments necessary

a nájdete segmenty potrebné

to say that utterance.

na vyslovenie tejto repliky.

(Video) Voice: I love chocolate.

(video) hlas: Milujem čokoládu.

RP: So that's speech synthesis.

RP: Takže to je hlasová syntéza.

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

Hovorí sa jej aj konkatenatívna syntéza, a práve tú používame.

That's not the novel part.

Toto nie je žiadna novinka.

What's novel is how we make it sound

Novinkou je to, že vieme zvukovo

like this young woman.

napodobniť túto mladú ženu.

This is Samantha.

Toto je Samantha.

I met her when she was nine,

Spoznala som ju, keď mala deväť rokov,

and since then, my team and I

a odvtedy sme sa jej s mojím tímom

have been trying to build her a personalized voice.

snažili vytvoriť prispôsobený, osobný hlas.

We first had to find a surrogate donor,

Najprv sme museli nájsť náhradného hovoriaceho,

and then we had to have Samantha

a potom sme požiadali Samanthu,

produce some utterances.

aby vytvorila nejaké repliky aj ona.

What she can produce are mostly vowel-like sounds,

Dokáže vyprodukovať prevažne zvuky pripomínajúce samohlásky,

but that's enough for us to extract

ale to pre nás nie je dosť na odvodenie

her source characteristics.

jej zdrojových vlastností.

What happens next is best described

Čo nasleduje, najlepšie opíše

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

analógia mojej dcéry. Má šesť rokov.

She calls it mixing colors to paint voices.

Ona tomu hovorí miešanie farieb na vymaľovanie hlasov.

It's beautiful. It's exactly that.

Je to krásne. Presne o to ide.

Samantha's voice is like a concentrated sample

Samanthin hlas je ako koncentrovaná vzorka

of red food dye which we can infuse

červeného potravinového farbiva, ktoré môžeme

into the recordings of her surrogate

vmiešať do nahrávok jej náhradníčky,

to get a pink voice just like this.

a vytvoriť tak ružový hlas ako tento.

(Video) Samantha: Aaaaaah.

(video) Samantha: Aaaaaah.

RP: So now, Samantha can say this.

RP: Takže teraz Samantha môže povedať toto.

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

(video) Samantha: Tento hlas je len pre mňa.

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

Nemôžem sa dočkať, keď ho budem môcť použiť s priateľmi.

RP: Thank you. (Applause)

RP: Ďakujem. (potlesk)

I'll never forget the gentle smile

Nikdy nezabudnem na nežný úsmev,

that spread across her face

ktorý sa jej rozprestrel na tvári,

when she heard that voice for the first time.

keď prvýkrát tento hlas počula.

Now there's millions of people

Na celom svete sú milióny ľudí

around the world like Samantha, millions,

presne ako Samantha. Milióny.

and we've only begun to scratch the surface.

A my sme sotva začali niečo robiť.

What we've done so far is we have

Doteraz sme získali

a few surrogate talkers from around the U.S.

niekoľko náhradných hovoriacich z celých Spojených štátov,

who have donated their voices,

ktorí darovali svoje hlasy,

and we have been using those

a ich hlasy používame na vytvorenie

to build our first few personalized voices.

niekoľkých prvých prispôsobených hlasov.

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

Ale máme pred sebou ešte množstvo práce.

For Samantha, her surrogate

Pokiaľ ide o Samanthu, jej náhradníčka

came from somewhere in the Midwest, a stranger

pochádzala zo stredozápadu, bola to neznáma,

who gave her the gift of voice.

ktorá jej venovala dar hlasu.

And as a scientist, I'm so excited

A ako vedkyňa sa nesmierne teším na to,

to take this work out of the laboratory

aby som túto prácu mohla vybrať z laboratória

and finally into the real world

a konečne vniesť do skutočného sveta,

so it can have real-world impact.

aby mohla mať reálny vplyv.

What I want to share with you next

Chcem sa s vami ešte podeliť aj o to,

is how I envision taking this work

ako si predstavujem prenesenie tejto práce

to that next level.

na vyššiu úroveň.

I imagine a whole world of surrogate donors

Predstavujem si celý svet náhradných hovoriacich,

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

z rôznych oblastí života, rôznych veľkostí, rôznych vekov,

coming together in this voice drive

spoločne sa podieľajúcich na tomto projekte,

to give people voices

aby ľuďom dali hlasy,

that are as colorful as their personalities.

ktoré sú rovnako farebné ako ich osobnosti.

To do that as a first step,

Prvým krokom tohto procesu bolo,

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

že sme dali dokopy túto stránku, VocaliD.org,

as a way to bring together those

ako médium na spojenie tých,

who want to join us as voice donors,

ktorí sa chcú podieľať ako darcovia hlasu,

as expertise donors,

ako darcovia – odborníci,

in whatever way to make this vision a reality.

akýmkoľvek spôsobom, aby túto víziu premenili na realitu.

They say that giving blood can save lives.

Hovorí sa, že darovanie krvi zachraňuje životy.

Well, giving your voice can change lives.

Darovanie hlasu môže životy zmeniť.

All we need is a few hours of speech

Od darcov hlasu nepotrebujeme nič viac

from our surrogate talker,

než niekoľko hodín reči

and as little as a vowel from our target talker,

a od cieľového hovoriaceho nie viac než samohlásku

to create a unique vocal identity.

a môžeme vytvoriť jedinečnú vokálnu identitu.

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

Takže to je vedecká stránka toho, čo robíme.

I want to end by circling back to the human side

Skončiť by som chcela návratom späť k ľudskému aspektu,

that is really the inspiration for this work.

ktorý bol skutočnou inšpiráciou tejto práce.

About five years ago, we built our very first voice

Približne pred piatimi rokmi sme zostavili prvý hlas

for a little boy named William.

pre malého chlapca menom William.

When his mom first heard this voice,

Keď jeho hlas počula jeho mama,

she said, "This is what William

povedala: „Takto by William znel,

would have sounded like

keby mohol rozprávať.“

had he been able to speak."

And then I saw William typing a message

A potom som videla, ako William

on his device.

na svojom prístroji napísal správu.

I wondered, what was he thinking?

Rozmýšľala som, na čo asi myslí.

Imagine carrying around someone else's voice

Predstavte si, že deväť rokov strávite

for nine years

s hlasom niekoho iného,

and finally finding your own voice.

a potom konečne nájdete svoj vlastný hlas.

Imagine that.

Predstavte si to.

This is what William said:

William povedal toto:

"Never heard me before."

„Nikdy predtým som nepočul seba.“

Thank you.

Ďakujem.

(Applause)

(potlesk)