Rupal Patel: Synthetic voices, as unique as fingerprints

Prevodilac: Tijana Mihajlović Lektor: Ivana Krivokuća

I'd like to talk today

Данас бих желела да говорим

about a powerful and fundamental aspect

о моћном и основном аспекту

of who we are: our voice.

онога што јесмо - о нашем гласу.

Each one of us has a unique voiceprint

Свако од нас има јединствене карактеристике гласа

that reflects our age, our size,

које одражавају нашу старост, величину,

even our lifestyle and personality.

чак и начин живота и личност.

In the words of the poet Longfellow,

Исказано речима песника Лонгфелоа:

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

„Људски глас је орган душе.“

As a speech scientist, I'm fascinated

Као научницу који се бави говором,

фасцинира ме начин на који се људски глас производи,

by how the voice is produced,

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

а имам идеју како се може и пројектовати.

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

То је оно што желим да поделим са вама.

I'm going to start by playing you a sample

Почећу са пуштањем узорка

of a voice that you may recognize.

гласа који ћете можда препознати.

(Recording) Stephen Hawking: "I would have thought

(Снимак) Стивен Хокинг: „Помислио бих

it was fairly obvious what I meant."

да је прилично очигледно на шта сам мислио.“

Rupal Patel: That was the voice

Рупел Пател: Био је то глас

of Professor Stephen Hawking.

професора Стивена Хокинга.

What you may not know is that same voice

Можда не знате да исти глас

may also be used by this little girl

може користити ова мала девојчица

who is unable to speak

која не може да говори

because of a neurological condition.

због неуролошке болести.

In fact, all of these individuals

Заправо, сви ови појединци

may be using the same voice,

могу да користе исти глас,

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

а то је због тога што постоји само неколико доступних опција.

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

Само у Сједињеним Државама постоји 2,5 милиона Американаца

who are unable to speak,

који не могу да говоре,

and many of whom use computerized devices

а многи међу њима користе компјутерске уређаје

to communicate.

да би комуницирали.

Now that's millions of people worldwide

То је неколико милиона људи широм света

who are using generic voices,

који користе генеричне гласове,

укључујући и професора Хокинга,

including Professor Hawking,

who uses an American-accented voice.

који користи глас са америчким акцентом.

This lack of individuation of the synthetic voice

Недостатак индивидуалности код синтетичких гласова

really hit home

заиста је упао у очи

when I was at an assistive technology conference

док сам била на конференцији за помоћну технологију

a few years ago,

пре неколико година,

and I recall walking into an exhibit hall

а сећам се да сам ушла у изложбену салу

and seeing a little girl and a grown man

и видела девојчицу и одраслог човека

having a conversation using their devices,

док разговарају уз помоћ ових уређаја,

different devices, but the same voice.

различитих уређаја, али користећи исти глас.

And I looked around and I saw this happening

Погледала сам около и видела да се ово дешава

all around me, literally hundreds of individuals

свуда око мене, буквално стотине особа

using a handful of voices,

користи неколицину гласова,

voices that didn't fit their bodies

гласова који се нису уклапали уз њихова тела

or their personalities.

или њихове личности.

We wouldn't dream of fitting a little girl

Не би нам пало на памет да девојчици

with the prosthetic limb of a grown man.

поставимо простетички уд одраслог човека.

So why then the same prosthetic voice?

Зашто онда исти простетички глас?

It really struck me,

Заиста ми је оставило утисак

and I wanted to do something about this.

и желела сам да урадим нешто поводом овога.

I'm going to play you now a sample

Сада ћу вам пустити узорак

of someone who has, two people actually,

некога ко има, две особе, заправо,

who have severe speech disorders.

које имају озбиљне поремећаје говора.

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

Желим да послушате како звуче.

They're saying the same utterance.

Изговарају исти исказ.

(First voice)

(Први глас)

(Second voice)

(Други глас)

You probably didn't understand what they said,

Вероватно нисте разумели шта су рекли,

but I hope that you heard

али се надам да сте чули

their unique vocal identities.

њихове јединствене гласовне идентитете.

So what I wanted to do next is,

Тако, као следећу ствар коју желим да урадим,

I wanted to find out how we could harness

пожелела сам да откријем како можемо да искористимо

these residual vocal abilities

ове преостале гласовне способности

and build a technology

и да направимо технологију

that could be customized for them,

која би им била прилагођена,

voices that could be customized for them.

гласове који би им били прилагођени.

So I reached out to my collaborator, Tim Bunnell.

Тако сам се обратила свом сараднику, Тиму Банелу.

Dr. Bunnell is an expert in speech synthesis,

Др Банел је стручњак за синтезу говора,

and what he'd been doing is building

а он је радио на стварању

personalized voices for people

персонализованих гласова за људе

by putting together

тако што је састављао

pre-recorded samples of their voice

претходно уснимљене узорке њихових гласова

and reconstructing a voice for them.

и реконструисао гласове за њих.

These are people who had lost their voice

Ово су људи који су изгубили глас

later in life.

касније у животу.

We didn't have the luxury

Нисмо имали луксуз

of pre-recorded samples of speech

претходно уснимљених узорака говора

for those born with speech disorder.

за оне који су рођени са поремећајем говора.

But I thought, there had to be a way

Ипак, помислила сам да мора постојати начин

to reverse engineer a voice

да се спроведе обрнути инжењеринг гласа

from whatever little is left over.

од онога што је остало, ма колико мало то било.

So we decided to do exactly that.

Тако смо одлучили да учинимо управо то.

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

Кренули смо са мало финансирања из „Националне научне фондације“

to create custom-crafted voices that captured

да бисмо створили прилагођене гласове који су обухватали

their unique vocal identities.

њихове јединствене гласовне идентитете.

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

Овај пројекат зовемо „Вокалиди“, или гласовна идентификација,

for vocal identity.

што означава гласовни идентитет.

Now before I get into the details of how

Е, сад, пре него што детаљно образложим

the voice is made and let you listen to it,

процес стварања гласа и пустим вам га,

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

треба укратко да вам дам кратку лекцију из науке о говору, важи?

So first, we know that the voice is changing

Као прво, знамо да се глас значајно мења

dramatically over the course of development.

током периода развоја.

Children sound different from teens

Деца другачије звуче од тинејџера,

who sound different from adults.

који звуче другачије од одраслих.

We've all experienced this.

Сви смо ово доживели.

Fact number two is that speech

Друга чињеница је да је говор

is a combination of the source,

комбинација извора,

which is the vibrations generated by your voice box,

што су вибрације које ствара ваш гркљан,

which are then pushed through

а које затим пролазе

the rest of the vocal tract.

кроз остатак говорних органа.

These are the chambers of your head and neck

Ово су шупљине у вашој глави и врату

that vibrate,

које вибрирају,

and they actually filter that source sound

а заправо филтрирају тај изворни звук

to produce consonants and vowels.

да би произвеле сугласнике и самогласнике.

So the combination of source and filter

Тако је комбинација извора и филтера

is how we produce speech.

начин на који стварамо говор,

And that happens in one individual.

а то се дешава у једној особи.

Now I told you earlier that I'd spent

Рекла сам вам раније да сам провела

a good part of my career

добар део своје каријере

understanding and studying

у разумевању и проучавању

the source characteristics of people

изворних особености људи

with severe speech disorder,

са озбиљним говорним поремећајима,

and what I've found

а открила сам да,

is that even though their filters were impaired,

иако су им филтери оштећени,

they were able to modulate their source:

они могу да подешавају свој извор -

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

висину, јачину, темпо свог гласа.

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

Ово се назива прозодија, а документовала сам годинама

that the prosodic abilities of these individuals

да су прозодијске способности ових појединаца сачуване.

are preserved.

So when I realized that those same cues

Тако, када сам схватила да су ове исте одреднице

are also important for speaker identity,

важне и за говорников идентитет,

I had this idea.

добила сам ову идеју.

Why don't we take the source

Зашто не бисмо узели извор

from the person we want the voice to sound like,

од особе на чији глас желимо да ово личи,

because it's preserved,

јер је очуван,

and borrow the filter

и позајмимо филтер

from someone about the same age and size,

од некога ко је исте старости и величине,

because they can articulate speech,

јер могу да артикулишу говор,

and then mix them?

и укомбинујемо их?

Because when we mix them,

Зато што када их укомбинујемо,

we can get a voice that's as clear

можемо добити глас који је јасан

as our surrogate talker --

као глас нашег сурогата-говорника,

that's the person we borrowed the filter from—

а то је особа од које смо позајмили филтер,

and is similar in identity to our target talker.

и који је сличан по идентитету нашем циљаном говорнику.

It's that simple.

Толико је једноставно.

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

То је наука у позадини нашег рада.

So once you have that in mind,

Када једном то имате на уму,

how do you go about building this voice?

како приступате стварању овог гласа?

Well, you have to find someone

Па, морате да пронађете некога

who is willing to be a surrogate.

ко је вољан да буде сурогат.

It's not such an ominous thing.

То није страшна ствар.

Being a surrogate donor

Да бисте били донатор сурогат,

only requires you to say a few hundred

треба само да изговорите од неколико стотина

to a few thousand utterances.

до пар хиљада израза.

The process goes something like this.

Процес је отприлике овакав.

(Video) Voice: Things happen in pairs.

(Видео) Глас: Ствари се дешавају у пару.

I love to sleep.

Волим да спавам.

The sky is blue without clouds.

Небо је плаво, без облака.

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

РП: Сада ће овако наставити

for about three to four hours,

око три или четири сата,

and the idea is not for her to say everything

а идеја није да она каже све

that the target is going to want to say,

што ће циљана особа желети да каже,

but the idea is to cover all the different combinations

већ је идеја да се покрију све различите комбинације

of the sounds that occur in the language.

звукова који се јављају у језику.

The more speech you have,

Што више говора имате,

the better sounding voice you're going to have.

имаћете и глас који боље звучи.

Once you have those recordings,

Када једном имате ове снимке,

what we need to do

оно што треба да урадимо

is we have to parse these recordings

је да рашчланимо ове снимке

into little snippets of speech,

у мале делове говора,

one- or two-sound combinations,

у гласовне комбинације од једног или два гласа,

sometimes even whole words

некада чак и целе речи,

that start populating a dataset or a database.

које ће почети да стварају низ података или датотеку.

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

Назваћемо ову датотеку гласовном банком.

Now the power of the voice bank

Предност ове гласовне банке

is that from this voice bank,

је да из ње,

we can now say any new utterance,

сада можемо рећи било коју нову фразу,

like, "I love chocolate" --

као што је „волим чоколаду“,

everyone needs to be able to say that—

а сви треба да могу да кажу то,

fish through that database

претражимо базу података

and find all the segments necessary

и пронађемо све неопходне сегменте

to say that utterance.

да бисмо изговорили ову фразу.

(Video) Voice: I love chocolate.

(Видео) Глас: Волим чоколаду.

RP: So that's speech synthesis.

РП: Дакле, то је синтеза говора.

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

Зове се конкатенативна синтеза и то користимо.

That's not the novel part.

То нису новине.

What's novel is how we make it sound

Новина је начин на који чинимо да звучи

like this young woman.

као ова млада жена.

This is Samantha.

Ово је Саманта.

I met her when she was nine,

Упознала сам је када је имала девет година,

and since then, my team and I

а отада смо мој тим и ја

have been trying to build her a personalized voice.

покушавали да створимо персонализован глас за њу.

We first had to find a surrogate donor,

Прво смо морали да нађемо донатора-сурогата,

and then we had to have Samantha

а затим је Саманта морала

produce some utterances.

да произведе неке изразе.

What she can produce are mostly vowel-like sounds,

Она углавном може да произведе гласове који су налик самогласницима,

but that's enough for us to extract

али то је довољно да издвојимо

her source characteristics.

карактеристике њеног извора.

What happens next is best described

Следећи корак је најбоље описан

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

кроз аналогију моје ћерке; она има шест година.

She calls it mixing colors to paint voices.

Она то назива „мешање боја да се гласови обоје“.

It's beautiful. It's exactly that.

Предивно је. Управо је то.

Samantha's voice is like a concentrated sample

Самантин глас је налик концентрованом узорку

of red food dye which we can infuse

црвене боје за храну коју можемо да убризгамо

into the recordings of her surrogate

у снимак њеног сурогата

to get a pink voice just like this.

да бисмо добили розикаст глас баш као овај.

(Video) Samantha: Aaaaaah.

(Видео) Саманта: Аааааах.

RP: So now, Samantha can say this.

РП: Сада, Саманта може да каже ово.

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

(Видео) Саманта: Овај глас је само за мене.

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

Не могу да дочекам да користим свој нов глас са пријатељима.

RP: Thank you. (Applause)

РП: Хвала вам.

(Аплауз)

I'll never forget the gentle smile

Никада нећу заборавити нежни осмех

that spread across her face

који јој се разлио по лицу

when she heard that voice for the first time.

када је чула тај глас по први пут.

Now there's millions of people

Постоји неколико милиона људи

around the world like Samantha, millions,

широм света као Саманта, милиони,

and we've only begun to scratch the surface.

а тек смо загребали по површини.

What we've done so far is we have

До сада смо учинили да имамо

a few surrogate talkers from around the U.S.

неколико говорника-сурогата широм Сједињених Држава

који су донирали своје гласове,

who have donated their voices,

and we have been using those

а користили смо их

to build our first few personalized voices.

да бисмо направили неколико првих персонализованих гласова.

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

Ипак, има још толико посла који треба да обавимо.

For Samantha, her surrogate

За Саманту, њен сурогат

came from somewhere in the Midwest, a stranger

потиче са средњег дела Запада,

непозната особа која јој је подарила глас.

who gave her the gift of voice.

And as a scientist, I'm so excited

Као научник, веома сам узбуђена

to take this work out of the laboratory

што могу да изнесем овај рад из лабораторије

and finally into the real world

коначно у стварни свет,

so it can have real-world impact.

да може да утиче на њега.

What I want to share with you next

Следеће што желим да поделим са вама

is how I envision taking this work

је моја замисао да овај рад

to that next level.

досегне нови ниво.

I imagine a whole world of surrogate donors

Замишљам цео свет донатора-сурогата

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

из свих подручја живота, различите грађе, старости,

coming together in this voice drive

који се уједињују у овом гласовном подухвату

to give people voices

да људима дају гласове

that are as colorful as their personalities.

који су једнако разнобојни као и њихове личности.

To do that as a first step,

Да би се то учинило као први корак,

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

саставили смо овај вебсајт организације „Вокалиди“

as a way to bring together those

као начин да се удруже они

who want to join us as voice donors,

који желе да нам се придруже као донатори гласова,

as expertise donors,

као стручни донатори,

in whatever way to make this vision a reality.

на било који начин, како би ова визија постала реалност.

They say that giving blood can save lives.

Кажу да давање крви може да спаси живот.

Well, giving your voice can change lives.

Па, давање вашег гласа може да промени животе.

All we need is a few hours of speech

Све што нам је потребно је неколико сати говора

from our surrogate talker,

говорника-сурогата

and as little as a vowel from our target talker,

и само један самогласник од нашег циљаног говорника

to create a unique vocal identity.

да бисмо створили јединствен гласовни идентитет.

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

Дакле, то је наука која је иза нашег рада.

I want to end by circling back to the human side

Желим да завршим враћањем на људску страну

that is really the inspiration for this work.

која је заиста инспирација за овај рад.

About five years ago, we built our very first voice

Пре око пет година створили смо свој први глас

for a little boy named William.

за малог дечака по имену Вилијам.

When his mom first heard this voice,

Када је његова мајка први пут чула овај глас,

she said, "This is what William

рекла је: „Тако би Вилијам звучао

would have sounded like

had he been able to speak."

да може да прича.“

And then I saw William typing a message

Затим сам видела Вилијама да куца поруку

on his device.

на свом уређају.

I wondered, what was he thinking?

Запитала сам се шта мисли.

Imagine carrying around someone else's voice

Замислите да идете унаоколо са туђим гласом

for nine years

девет година

and finally finding your own voice.

и да коначно нађете сопствени глас.

Imagine that.

Замислите то.

This is what William said:

Ово је Вилијам рекао:

"Never heard me before."

„Никада пре овога нисам чуо себе.“

Thank you.

Хвала вам.

(Аплауз)

(Applause)