Τεχνητή Νοημοσύνη αναδημιουργεί τη φωνή μιας Βρετανίδας που έχασε την ικανότητα να μιλάει για 25 χρόνια

Χάρη στην τεχνολογία τεχνητής νοημοσύνης που επεξεργάζεται μια σύντομη ηχογράφηση 8 δευτερολέπτων από τη δεκαετία του 1990, μια Βρετανίδα καλλιτέχνης μπορεί να επικοινωνήσει ξανά με τη δική της φωνή μετά από δεκαετίες απώλειας της ικανότητας ομιλίας.

Μια Βρετανίδα με νόσο του κινητικού νευρώνα (MND), η οποία την άφησε ανίκανη να μιλήσει, μπόρεσε να επικοινωνήσει ξανά χρησιμοποιώντας τη δική της φωνή χάρη στην τεχνολογία τεχνητής νοημοσύνης (AI) και σε μια ηχογράφηση οκτώ δευτερολέπτων από ένα παλιό οικογενειακό βίντεο .

Η Σάρα Εζεκιέλ, μια καλλιτέχνιδα που ζει στο βόρειο Λονδίνο, έχασε την ικανότητά της να μιλάει αφού διαγνώστηκε με MND σε ηλικία 34 ετών, ενώ ήταν έγκυος στο δεύτερο παιδί της πριν από 25 χρόνια.

Η ασθένεια βλάπτει το νευρικό σύστημα, αποδυναμώνοντας τους μύες της γλώσσας, του στόματος και του λαιμού, με αποτέλεσμα ορισμένοι ασθενείς να χάσουν εντελώς την ικανότητα ομιλίας.

Για χρόνια, ο Ιεζεκιήλ χρησιμοποιούσε έναν υπολογιστή και μια τεχνολογία παραγωγής φωνής για να επικοινωνεί, αλλά η φωνή δεν ακουγόταν σαν τη δική της. Τα δύο παιδιά της, η Αβίβα και ο Έρικ, μεγάλωσαν χωρίς να γνωρίζουν ποτέ την πραγματική φωνή της μητέρας τους.

Τα τελευταία χρόνια, οι ειδικοί έχουν καταφέρει να χρησιμοποιήσουν την τεχνολογία για να αναδημιουργήσουν την αρχική φωνή ενός ατόμου. Ωστόσο, αυτή η τεχνική απαιτεί ηχογραφήσεις μεγάλης διάρκειας και υψηλής ποιότητας, και η φωνή που προκύπτει συχνά θεωρείται «μονότονη».

Ο Simon Poole, εκπρόσωπος της βρετανικής εταιρείας ιατρικών μέσων ενημέρωσης Smartbox, δήλωσε ότι η εταιρεία ζήτησε αρχικά από την κα Ezekiel να παράσχει μια ηχογράφηση 60 λεπτών.

Ωστόσο, η κα Ιεζεκιήλ μπόρεσε να βρει μόνο ένα πολύ σύντομο και κακής ποιότητας κλιπ, τραβηγμένο από ένα οικιακό βίντεο της δεκαετίας του 1990. Το κλιπ είχε διάρκεια μόνο 8 δευτερόλεπτα, είχε παραμορφωμένο ήχο και θόρυβο από την τηλεόραση.

Ο κ. Πουλ στράφηκε στην τεχνολογία που αναπτύχθηκε από την ElevenLabs, μια εταιρεία παραγωγής φωνής τεχνητής νοημοσύνης με έδρα τη Νέα Υόρκη, η οποία μπορεί να αναδημιουργήσει ρεαλιστικές φωνές με πολύ λίγα δεδομένα.

Ο κ. Πουλ χρησιμοποίησε ένα εργαλείο τεχνητής νοημοσύνης για να εξαγάγει τη φωνή από την παλιά ηχογράφηση και στη συνέχεια χρησιμοποίησε ένα άλλο εργαλείο – εκπαιδευμένο σε πραγματικά φωνητικά δεδομένα – για να δημιουργήσει το τελικό προϊόν.

Τα αποτελέσματα άφησαν την κυρία Ιεζεκιήλ βαθιά συγκινημένη. Η αναδημιουργημένη φωνή έμοιαζε πολύ με τη δική της, με την χαρακτηριστική λονδρέζικη προφορά της και το ελαφρύ ψίθυρο που προηγουμένως δεν της άρεσε.

Σύμφωνα με το MND UK, έως και οκτώ στα 10 άτομα με την πάθηση αντιμετωπίζουν δυσκολίες στην ομιλία μετά τη διάγνωση. Ωστόσο, οι τρέχουσες φωνές που παράγονται από υπολογιστή συχνά κρίνονται ότι στερούνται ρυθμού και συναισθήματος.

Ο κ. Poole δήλωσε ότι η πρόοδος της τεχνολογίας τεχνητής νοημοσύνης σήμερα έγκειται στην ικανότητα δημιουργίας ανθρώπινων και συναισθηματικών φωνών, «δίνοντας έτσι ζωή» σε προηγουμένως άτονες φωνές υπολογιστών. Τόνισε ότι η εξατομίκευση της φωνής είναι επίσης ένας τρόπος διατήρησης της προσωπικής ταυτότητας.

Τα άτομα που κινδυνεύουν να χάσουν την ικανότητά τους να μιλάνε λόγω παθήσεων όπως η MND ενθαρρύνονται πλέον να ηχογραφούν τις φωνές τους το συντομότερο δυνατό, για να διατηρήσουν την ταυτότητά τους και να διευκολύνουν τη μελλοντική επικοινωνία.

Ωστόσο, πριν γίνουν δημοφιλή τα smartphones, η λήψη σωστών ηχογραφήσεων δεν ήταν εύκολη.

(TTXVN/Βιετνάμ+)

Πηγή: https://www.vietnamplus.vn/ai-tai-tao-giong-noi-cho-mot-phu-nu-anh-mat-kha-nang-noi-25-nam-post1057350.vnp