Украинские изобретатели научили искусственный интеллект имитировать голос человека

Богдан Петришин

Одна из украинских компаний уже два года работает над искусственным интеллектом, способным синтезировать голос любого человека. Не без успеха. У компании уже есть контракт с голливудской студией, которая применяет эту технологию в кино, а видео, которые наглядно демонстрируют новые возможности, собирают сотни тысяч просмотров на Youtube

Работает данная технология следующим образом. Для начала нужны две аудиодорожки: на одной — запись Вашего голоса, на другой — запись актера, слово в слово повторяет произнесенный Вами текст, передает ВВС.

На этом этапе программа тренируется: сравнивает обе записи и обнаруживает, чем один голос отличается от другого.

Теперь, когда искусственный интеллект понимает разницу, он способен превращать голос актера в ваш — какой бы текст он не зачитывал.

Чтобы программа сработала эффективно, ей нужно проанализировать крайней мере час записи целевого голоса — того, который надо сымитировать. С высокой вероятностью за это время она услышит достаточное разнообразие слов и звукосочетаний, проанализирует особенности целевого голоса и поймет, как их следует воспроизводить.

Что это за голоса, говорит основатель проекта Александр Сердюк, неважно: низкий голос можно превратить в высокий, мужской в женский, а детский во взрослый.

«На рынке есть два основных подхода к синтезированию голоса. Большинство продуктов работает по принципу text to speech, когда голос генерируется из текста. Мы принципиально от них отличаемся: Respeecher синтезирует нужный голос с голоса другого человека», — объясняет Сердюк.

«Такой подход более эффективен. Когда ты генерируешь голос из текста, твои возможности очень ограничены. Ты не имеешь возможности контролировать эмоциональную окраску голоса и результат получается несколько механическим. У нас эту проблему решает актер, который может подобрать нужные интонации.

Кроме того, инструменты, которые синтезируют голос из текста, иногда нуждаются в до 20 часах записи целевого голоса — именно столько им нужно, чтобы натренировать искусственный интеллект. Нам достаточно часа «, — рассказывает Сердюк.