Rupal Patel: Synthetic voices, as unique as fingerprints

Rupal Patel: Giọng nói cũng độc đáo như vân tay

Translator: Thanh Nguyen Cong Reviewer: Nhu PHAM

I'd like to talk today

Hôm nay tôi xin trình bày

about a powerful and fundamental aspect

một khía cạnh căn bản và mạnh mẽ trong

of who we are: our voice.

mỗi chúng ta: giọng nói.

Each one of us has a unique voiceprint

Mỗi người chúng ta có một chất giọng độc đáo

that reflects our age, our size,

phản ánh tuổi tác, kích cỡ cơ thể,

even our lifestyle and personality.

thậm chí phong cách sống và nhân cách của mỗi người.

In the words of the poet Longfellow,

Thơ của Longfellow đã nói rằng:

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

"Giọng nói là âm điệu của tâm hồn."

As a speech scientist, I'm fascinated

Là nhà nghiên cứu khoa học tiếng nói, tôi bị hấp dẫn

by how the voice is produced,

bởi cách giọng nói được cất lên,

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

và cách nó có thể được chế tạo.

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

Đó là câu chuyện tôi muốn chia sẻ.

I'm going to start by playing you a sample

Tôi sẽ cho các bạn nghe một mẫu

of a voice that you may recognize.

giọng nói mà các bạn có thế nhận ra.

(Recording) Stephen Hawking: "I would have thought

(Băng) Stephen Hawking: "Tôi nghĩ mình đã diễn đạt khá rõ điều muốn nói."

it was fairly obvious what I meant."

Rupal Patel: That was the voice

Rupal Patel: Đó là giọng

of Professor Stephen Hawking.

của Giáo sư Stephen Hawking.

What you may not know is that same voice

Điều quý vị có thể không biết, là giọng nói này

may also be used by this little girl

cũng có thể được cô bé này sử dụng

who is unable to speak

cô không nói được

because of a neurological condition.

do mắc phải một bệnh thần kinh.

In fact, all of these individuals

Thực tế là, những người trên hình này

may be using the same voice,

có thể đang sử dụng cùng một giọng nói,

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

đó là do họ chỉ có một số ít các lựa chọn.

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

Tính riêng ở Mỹ, có khoảng 2,5 triệu người

who are unable to speak,

không thể nói,

and many of whom use computerized devices

và nhiều người trong số họ sử dụng các thiết bị máy tính

to communicate.

để giao tiếp.

Now that's millions of people worldwide

Có hàng triệu người trên trái đất đang sử dụng những giọng nói chung,

who are using generic voices,

bao gồm giọng của Giáo sư Hawking,

including Professor Hawking,

who uses an American-accented voice.

giọng Mỹ đặc trưng.

This lack of individuation of the synthetic voice

Khiếm khuyết về đặc điểm cá nhân này của giọng nói nhân tạo

really hit home

thực sự đã ám ảnh tôi

when I was at an assistive technology conference

khi tham gia một hội nghị kỹ thuật hỗ trợ

a few years ago,

cách đây vài năm,

and I recall walking into an exhibit hall

tôi còn nhớ khoảng khắc thả bộ vào sảnh hội trường

and seeing a little girl and a grown man

và bắt gặp một cô bé con cùng một người lớn

having a conversation using their devices,

dùng thiết bị hỗ trợ để nói chuyện với nhau,

different devices, but the same voice.

thiết bị khác nhau, nhưng cùng một giọng nói.

And I looked around and I saw this happening

Tôi quan sát và theo dõi

all around me, literally hundreds of individuals

quanh tôi, có hàng trăm người

using a handful of voices,

đang dùng chỉ một vài giọng nói,

voices that didn't fit their bodies

những giọng nói đó không hề tương xứng với cơ thể

or their personalities.

hoặc tính cách của họ.

We wouldn't dream of fitting a little girl

Chưa bao giờ nghĩ ta sẽ nối tay hoặc chân giả

with the prosthetic limb of a grown man.

của người trưởng thành cho một cô bé gái.

So why then the same prosthetic voice?

Vậy tại sao lại chấp nhận sử dụng giọng nói nhân tạo như thế?

It really struck me,

Nó thực sự dày vò tôi,

and I wanted to do something about this.

tôi muốn làm cái gì đó.

I'm going to play you now a sample

Bây giờ tôi xin mở một đoạn ví dụ

of someone who has, two people actually,

của một người, thực tế là hai,

mắc chứng rối loạn giọng nói nghiêm trọng.

who have severe speech disorders.

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

Tôi muốn các bạn chú ý lắng nghe cách họ nói.

They're saying the same utterance.

Họ đang diễn đạt cùng một ý.

(First voice)

(Giọng nói thứ nhất)

(Second voice)

(Giọng nói thứ 2)

You probably didn't understand what they said,

Bạn có thể không hiểu những gì họ nói,

but I hope that you heard

nhưng tôi hy vọng bạn có thể nhận ra

their unique vocal identities.

đặc điểm riêng về giọng nói của họ.

So what I wanted to do next is,

Điều tiếp theo phải làm là,

I wanted to find out how we could harness

tôi muốn tìm ra cách tận dụng

these residual vocal abilities

khả năng nói chuyện còn sót lại này

and build a technology

và xây dựng một kỹ thuật

that could be customized for them,

tương hợp với họ,

voices that could be customized for them.

tạo ra giọng nói phù hợp nhất.

So I reached out to my collaborator, Tim Bunnell.

Vì thế, tôi đã trao đổi với đồng sự, Tim Bunnell.

Dr. Bunnell is an expert in speech synthesis,

Tiến sĩ Bunnell là chuyên gia trong lĩnh vực giọng nói nhân tạo,

and what he'd been doing is building

ông ấy đã và đang xây dựng

personalized voices for people

giọng nói mang đặc điểm cá nhân

by putting together

bằng cách ghép những mẫu giọng nói của họ

pre-recorded samples of their voice

được ghi âm trước đó

and reconstructing a voice for them.

và tái tạo giọng cho họ.

These are people who had lost their voice

Đây là những người mất đi giọng nói

later in life.

trong những năm về sau của cuộc đời.

We didn't have the luxury

Chúng ta không có những

of pre-recorded samples of speech

bản ghi âm tiếng nói

for those born with speech disorder.

của những người mắc bệnh bẩm sinh.

But I thought, there had to be a way

Nhưng tôi nghĩ, phải có một cách khác

to reverse engineer a voice

để tạo lại giọng nói

from whatever little is left over.

từ bất kỳ thứ gì nhỏ nhoi còn sót lại.

So we decided to do exactly that.

Cuối cùng, chúng tôi quyết định làm đúng như vậy.

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

Bắt đầu với nguồn quỹ ít ỏi từ Quỹ Khoa học Quốc gia,

to create custom-crafted voices that captured

để tạo ra giọng nói nhân tạo tùy chỉnh

their unique vocal identities.

dựa trên đặc điểm từng người.

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

Chúng tôi gọi dự án này là VocaliD hay là vocal I.D

for vocal identity.

tạo tiếng nói cá nhân.

Now before I get into the details of how

Trước khi đi vào chi tiết về việc hình thành

the voice is made and let you listen to it,

giọng nói và để bạn có thể nghe thấy,

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

Tôi xin nói nhanh một bài khoa học về giọng nói.

So first, we know that the voice is changing

Trước tiên, chúng ta đều biết giọng nói sẽ thay đổi nhiều

dramatically over the course of development.

qua quá trình phát triển.

Children sound different from teens

Trẻ em nói giọng khác thanh thiếu niên

who sound different from adults.

khác với giọng người lớn.

We've all experienced this.

Ai cũng đều trải qua những thời kỳ đó.

Fact number two is that speech

Sự thật tiếp theo là giọng nói

is a combination of the source,

là sự kết hợp của âm nguồn,

which is the vibrations generated by your voice box,

những nhịp rung được tạo ra từ hộp âm thanh,

which are then pushed through

sau đó, được truyền qua

the rest of the vocal tract.

phần còn lại của đường truyền tiếng.

These are the chambers of your head and neck

Đây là những khoang trong đầu và cổ

that vibrate,

chúng sẽ rung lên,

and they actually filter that source sound

và lọc những âm nguồn

to produce consonants and vowels.

để phát ra các nguyên âm và phụ âm.

So the combination of source and filter

Như vậy, sự kết hợp giữa âm nguồn và bộ lọc

is how we produce speech.

là cách mà giọng nói được phát ra.

And that happens in one individual.

Và quá trình đó xảy ra ở từng cá nhân.

Now I told you earlier that I'd spent

Ban nãy, tôi đã nói

a good part of my career

tôi dành nhiều thời gian và công sức

understanding and studying

để hiểu và nghiên cứu

the source characteristics of people

đặc điểm âm nguồn của cá nhân

with severe speech disorder,

mắc chứng rối loạn giọng nói nghiêm trọng,

and what I've found

điều mà tôi tìm ra là

is that even though their filters were impaired,

mặc dù bộ lọc bị hư hại và suy giảm,

they were able to modulate their source:

họ vẫn có thể tạo ra âm thanh nguồn:

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

gồm cao độ, cường độ, nhịp độ

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

gọi chung là âm điệu, tôi đã nghiên cứu trong nhiều năm

that the prosodic abilities of these individuals

thấy rằng năng lực tạo âm điệu của những người này vẫn còn được lưu giữ.

are preserved.

So when I realized that those same cues

Vì thế, khi nhận ra những tín hiệu này

are also important for speaker identity,

là rất quan trọng với giọng nói cá nhân,

I had this idea.

tôi đã nảy ra ý tưởng.

Why don't we take the source

Sao không lấy âm nguồn

from the person we want the voice to sound like,

từ chính người cần tạo giọng nói,

because it's preserved,

vì nó vẫn còn được lưu giữ,

and borrow the filter

rồi mượn bộ lọc

from someone about the same age and size,

từ một người cùng tuổi và kích cỡ,

because they can articulate speech,

vì họ có thể phát ra giọng nói rõ ràng,

and then mix them?

rồi kết hợp chúng lại?

Because when we mix them,

Làm thế, chúng ta có thể

we can get a voice that's as clear

có được giọng nói rõ ràng

as our surrogate talker --

như chính giọng của người nói --

that's the person we borrowed the filter from—

người mà ta đã mượn bộ lọc--

and is similar in identity to our target talker.

đồng thời có đặc điểm tương tự với âm nguồn của người nói mục tiêu.

It's that simple.

Đơn giản thế thôi.

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

Đó là cơ sở khoa học của việc chúng tôi đang làm.

So once you have that in mind,

Vì thế, một khi bạn hỏi,

how do you go about building this voice?

làm thế nào tạo ra giọng cho người này?

Well, you have to find someone

Bạn phải tìm ra ai đó

who is willing to be a surrogate.

sẵn lòng là người thay thế.

It's not such an ominous thing.

Đó không phải là một điều quá khó.

Being a surrogate donor

Để là người tặng giọng

only requires you to say a few hundred

điều bạn cần làm là nói vài trăm

to a few thousand utterances.

đến vài ngàn lời.

The process goes something like this.

Quá trình đó diễn ra đại loại như.

(Video) Voice: Things happen in pairs.

(Video) Giọng nói: Những thứ xảy ra cùng lúc.

I love to sleep.

Tôi muốn đi ngủ.

The sky is blue without clouds.

Bầu trời xanh không gợn chút mây.

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

Rupal Patel: Cô ấy sẽ tiếp tục như thế

for about three to four hours,

trong khoảng 3 đến 4 giờ,

and the idea is not for her to say everything

vấn đề không phải là cô ấy phải nói mọi thứ

that the target is going to want to say,

mà người mục tiêu sẽ nói trong tương lai,

but the idea is to cover all the different combinations

vấn đề ở đây là tạo ra tất cả những kết hợp âm

of the sounds that occur in the language.

có thể có trong ngôn ngữ.

The more speech you have,

Càng nhiều lời nói được tập hợp,

the better sounding voice you're going to have.

giọng được tổng hợp càng có âm điệu tốt hơn.

Once you have those recordings,

Khi đã có những bản ghi âm thế này,

what we need to do

điều tiếp theo là

is we have to parse these recordings

tách chúng

into little snippets of speech,

thành những đoạn nhỏ,

one- or two-sound combinations,

từ một đến hai âm kết hợp,

sometimes even whole words

thậm chí là toàn bộ từ

that start populating a dataset or a database.

và tạo thành một bộ dữ liệu.

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

Chúng tôi gọi bộ dữ liệu này là ngân hàng giọng nói.

Now the power of the voice bank

Bạn có thể thấy sức mạnh của ngân hàng giọng nói

is that from this voice bank,

we can now say any new utterance,

chúng ta có thể nói bất cứ câu nào,

like, "I love chocolate" --

như: "Tôi thích Sô cô la" --

everyone needs to be able to say that—

mọi người đều cần phải nói thế--

fish through that database

chỉ cần tìm trong bộ dữ liệu

and find all the segments necessary

để có tất cả những phân đoạn cần thiết

to say that utterance.

để nói ra điều này.

(Video) Voice: I love chocolate.

(Video) Giọng nói: Tôi thích Sô Cô La.

RP: So that's speech synthesis.

RP: Đó là lời nói nhân tạo

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

được gọi là tổng hợp tập kết, cái chúng tôi đang dùng.

That's not the novel part.

Không có gì mới mẻ.

What's novel is how we make it sound

Điều lạ là cách ta tạo ra âm điệu giống như người phụ nữ trẻ này.

like this young woman.

This is Samantha.

Đây là Samantha.

I met her when she was nine,

Tôi đã gặp cô lần đầu khi cô ấy 9 tuổi,

and since then, my team and I

và kể từ đó, nhóm của tôi

have been trying to build her a personalized voice.

đã cố gắng tạo ra giọng nói riêng cho cô ấy.

We first had to find a surrogate donor,

Đầu tiên, chúng tôi phải tìm ra người hiến giọng nói,

and then we had to have Samantha

và sau đó, để Samantha

produce some utterances.

tạo ra vài câu nói,

What she can produce are mostly vowel-like sounds,

hầu như chỉ là những nguyên âm,

but that's enough for us to extract

nhưng như vậy là đã đủ để trích xuất

her source characteristics.

âm nguồn riêng của cô.

What happens next is best described

Để diễn đạt một cách tốt nhất những gì xảy ra tiếp theo

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

cần phải dùng lời của con gái tôi. Nó lên 6 tuổi.

She calls it mixing colors to paint voices.

Nó gọi đó là trộn màu để vẽ nên giọng nói.

It's beautiful. It's exactly that.

Miêu tả tài tình. Chính xác là vậy.

Samantha's voice is like a concentrated sample

Giọng nói của Samantha giống như mẫu cô đặc

of red food dye which we can infuse

của màu đỏ thực phẩm ta dùng

into the recordings of her surrogate

để tô vào bản ghi âm giọng nói thay thế

to get a pink voice just like this.

tạo ra chất giọng màu hồng như thế này.

(Video) Samantha: Aaaaaah.

(Video) Samantha: Aaaaaah.

RP: So now, Samantha can say this.

Và bây giờ, Samantha có thể nói như thế này.

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

(Video) Samantha: Giọng nói này chỉ dành cho tôi.

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

Tôi nóng lòng muốn dùng nó để nói chuyện với các bạn.

RP: Thank you. (Applause)

RP: Cảm ơn (Tiếng vỗ tay)

I'll never forget the gentle smile

Tôi không bao giờ quên được nụ cười dịu dàng

that spread across her face

tỏa ra trên khuôn mặt của Samantha

when she heard that voice for the first time.

khi cô nghe giọng nói của mình lần đầu tiên.

Now there's millions of people

Hiện nay, có hàng triệu người

around the world like Samantha, millions,

khắp thế giới như Samantha, vâng hàng triệu,

and we've only begun to scratch the surface.

và chúng tôi chỉ mới bắt đầu hỗ trợ được phần nổi.

What we've done so far is we have

Cho tới lúc này

a few surrogate talkers from around the U.S.

có một vài người hiến giọng trên khắp nước Mỹ.

who have donated their voices,

and we have been using those

Chúng tôi đang sử dụng những giọng nói này

to build our first few personalized voices.

để xây dựng những giọng nói cá nhân.

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

Nhưng vẫn còn rất nhiều việc phải làm khác .

For Samantha, her surrogate

Với Samantha, người hiến giọng cho cô ấy

came from somewhere in the Midwest, a stranger

đến từ Trung Tây, một người lạ

who gave her the gift of voice.

đã trao cho cô món quà quý giá là giọng nói.

And as a scientist, I'm so excited

Là nhà khoa học, tôi háo hức

to take this work out of the laboratory

đưa dự án này ra khỏi phòng thí nghiệm

and finally into the real world

đến với đời thực

so it can have real-world impact.

để nó có được những tác động thực.

Tôi muốn chia sẻ với các bạn tiếp theo

What I want to share with you next

is how I envision taking this work

đó là tôi đã hình dung đưa dự án này

to that next level.

lên một tầm cao hơn như thế nào.

I imagine a whole world of surrogate donors

Tôi tưởng tượng ra một thế giới gồm những người hiến tặng giọng nói

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

từ mọi hoàn cảnh, mọi tầm vóc, mọi tuỏi tác,

coming together in this voice drive

đến với nhau vì mục đích chung

to give people voices

trao tặng giọng nói cho con người

that are as colorful as their personalities.

để cho giọng nói của họ cũng có sắc màu như chính tính cách của họ vậy.

To do that as a first step,

Để thực hiện điều này bước đầu tiên,

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

chúng tôi cùng tạo một website, VocaliD.org,

as a way to bring together those

như là một cách tập hợp

who want to join us as voice donors,

những người mong muốn hiến tặng giọng nói,

as expertise donors,

cũng như kiến thức chuyên môn,

in whatever way to make this vision a reality.

hoặc bất kỳ cách nào để đưa dự án trở thành hiện thực.

They say that giving blood can save lives.

Có người đã nói hiến máu có thể cứu người.

Well, giving your voice can change lives.

Và bây giờ, trao tặng giọng nói cũng sẽ làm thay đổi cuộc đời.

All we need is a few hours of speech

Tất cả những gì ta cần là vài giờ nói chuyện

from our surrogate talker,

từ những người hiến giọng,

and as little as a vowel from our target talker,

cũng như chỉ với vài nguyên âm từ người cần giọng nói,

to create a unique vocal identity.

chúng ta có thể tạo ra giọng nói cá nhân độc đáo.

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

Đó là cơ sở khoa học của việc chúng tôi đang làm.

I want to end by circling back to the human side

Tôi muốn kết thúc bằng việc trở lại nói về khía cạnh con người

that is really the inspiration for this work.

cảm hứng đưa chúng tôi đến với dự án này.

About five years ago, we built our very first voice

Cách đây 5 năm, khi xây dựng giọng nói đầu tiên

for a little boy named William.

cho một cậu bé tên là William.

When his mom first heard this voice,

Lần đầu tiên nghe được giọng nói của con mình,

she said, "This is what William

mẹ cậu ấy bảo,

would have sounded like

"Đây chính là giọng William

had he been able to speak."

nếu như nó có thể nói."

And then I saw William typing a message

Và sau đó, tôi thấy William

on his device.

viết tin nhắn trên máy.

I wondered, what was he thinking?

Tôi tự hỏi, cậu ấy đang nghĩ gì?

Imagine carrying around someone else's voice

Hãy tưởng tượng mà xem, ta mang giọng nói của một ai đó

for nine years

trong 9 năm ròng

and finally finding your own voice.

và cuối cùng, tìm thấy giọng nói của chính mình.

Imagine that.

Tưởng tượng thử xem.

This is what William said:

Đây là điều William đã nói:

"Never heard me before."

"Trước đây, chưa bao giờ tôi nghe thấy tiếng mình."

Thank you.

Xin cảm ơn.

(Applause)

(Tiếng vỗ tay).