Σε αντίθεση με τον πραγματικό κλωνοποιητή, η αντιγραφή φωνής είναι ασφαλής, εύκολη στη χρήση και διαθέσιμη σχεδόν σε όλους με πρόσβαση στο διαδίκτυο. Επιπλέον, δεν είναι μόνο πρακτική αλλά και ιδιαίτερα χρήσιμη, αλλάζοντας τον τρόπο που αξιοποιούμε εκπαίδευση, επιχειρήσεις, gaming, λογοτεχνία και πολλά ακόμη. Θέλετε να τη δοκιμάσετε; Συνεχίστε να διαβάζετε!
Τι είναι η αντιγραφή φωνής;
Η αντιγραφή φωνής είναι ακριβώς αυτό που φαντάζεστε — αναπαραγωγή και δημιουργία της φωνής κάποιου μέσω τεχνητής νοημοσύνης (AI). Ίσως να ακούγεται σαν επιστημονική φαντασία, αλλά σίγουρα έχετε ήδη κάποια εμπειρία μαζί της. Θυμάστε εκείνο το text to speech (TTS) πρόγραμμα με το οποίο παίζατε κάνοντάς το να διαβάζει ειδήσεις με τη φωνή του Arnold Schwarzenegger; Αυτό είναι παράδειγμα αντιγραφής φωνής. Τα απλά TTS addons και εφαρμογές δεν είναι τόσο εξελιγμένα στη μίμηση φωνής. Δεν χρειάζεται άλλωστε, γιατί δεν είναι αυτός ο σκοπός τους. Οι σωστές λύσεις αντιγραφής φωνής αναλύουν σε βάθος τα χαρακτηριστικά της φωνής, εντοπίζοντας όλες τις λεπτομέρειες που την κάνουν μοναδική. Όσο περισσότερα δεδομένα, τόσο πιο αυθεντικές και φυσικές AI φωνές και πιο εξελιγμένη μηχανική μάθηση.
Χρήσεις της αντιγραφής φωνής
Η αντιγραφή φωνής δεν είναι απλώς ένα κόλπο — έχει πολλές εφαρμογές στην εκπαίδευση, τις επιχειρήσεις, την ιατρική κλπ. Φυσικά, όπως και με την πραγματική κλωνοποίηση, προκύπτουν ηθικά ζητήματα (σκεφτείτε τα deepfakes που κυκλοφορούν). Όμως θα αφήσουμε τη φιλοσοφία για άλλη μέρα και θα εστιάσουμε στα θετικά.
Εκπαίδευση
Η εκπαίδευση μεταφέρεται, αργά αλλά σταθερά, στο ψηφιακό περιβάλλον. Δεν θα μπούμε στις συνέπειες αυτού, αλλά θα αναφέρουμε ένα βασικό γεγονός — οι οθόνες και τα Zoom αντικαθιστούν τις φυσικές αίθουσες. Έχουμε ήδη πολλούς ψηφιακούς πόρους για να κάνουμε τα μαθήματα πιο ενδιαφέροντα. Με την αντιγραφή φωνής, μπορούμε να αναπαράγουμε τις φωνές ιστορικών προσώπων. Σκεφτείτε να ακούτε τον Νίκολα Τέσλα να εξηγεί το εναλλασσόμενο ρεύμα.
Ηχητικά βιβλία
Επόμενο, τα ηχητικά βιβλία. Τα θεωρούμε μέσο εκπαίδευσης ή χαλάρωσης, αλλά είναι κάτι πολύ σημαντικότερο. Για κάποιους είναι ο μόνος τρόπος επαφής με το γραπτό λόγο — ειδικά για όσους έχουν προβλήματα όρασης. Με την τεχνολογία αντιγραφής φωνής, τα ηχητικά βιβλία γίνονται ακόμα πιο διασκεδαστικά και προσιτά.
Υπηρεσίες text to speech
Πριν δούμε πώς λειτουργεί η ζωντανή αντιγραφή φωνής, ας επιστρέψουμε λίγο στα TTS προγράμματα. Για παράδειγμα, δείτε το Speechify, από τα πιο εξελιγμένα TTS. Τι μπορεί να κάνει το Speechify; Μετατρέπει κείμενο σε ήχο, σαρώσει έντυπα και τα μετατρέπει σε φωνή, βοηθά στη δημιουργία voiceover για το blog σας κλπ. Το αναφέρουμε επειδή τα TTS apps είναι προσιτά και ωφελούνται πολύ από την αντιγραφή φωνής, ενώ ταυτόχρονα βοηθούν στη διάδοση της τεχνολογίας. Το Speechify έχει φωνές διασημοτήτων – πχ να ακούτε το βιβλίο με τη φωνή της Gwyneth Paltrow. Δοκιμάστε το.
Πώς δημιουργούνται οι AI φωνές;
Τώρα, ας δούμε πώς φτιάχνονται οι AI φωνές και πώς μοιάζουν με πραγματικές. Μην ανησυχείτε — δεν θα μπούμε σε τεχνικές λεπτομέρειες. Όπως είπαμε, η τεχνολογία αντιγραφής φωνής χρησιμοποιεί deep learning για να εντοπίσει τι κάνει μια φωνή μοναδική: τόνος, προφορά, ένταση, κλπ. Χρειάζεται ισχυρή τεχνολογία, αλλά γίνεται. Το βασικό είναι η τροφοδότηση πολλών ηχητικών δεδομένων στο νευρωνικό δίκτυο. Κάπως έτσι μαθαίνουμε και νέες γλώσσες! Πλέον, κάποιες εφαρμογές αρκούνται σε λίγες ώρες καταγραφών για να πετύχουν απομίμηση, κάτι σημαντικό όταν δεν υπάρχει αρκετό υλικό (βλ. ιστορικές προσωπικότητες).
Εφαρμογές αντιγραφής φωνής
Όπως φαντάζεστε, υπάρχουν πολλές εφαρμογές αντιγραφής φωνής τώρα που το ίντερνετ είναι παντού. Φυσικά, κάποιες είναι καλύτερες από άλλες. Ορίστε μερικές κορυφαίες προτάσεις που μπορείτε να χρησιμοποιήσετε για να φτιάξετε δικές σας συνθετικές φωνές από το σπίτι:
- Respeecher
- Murf
- Resemble
- Descript
Ιστοσελίδες αντιγραφής φωνής
Αν έχετε χρησιμοποιήσει εργαλεία TTS, θα ξέρετε πως δεν χρειάζεται πάντα να κατεβάζετε εφαρμογές. Μπορείτε να χρησιμοποιήσετε browser extensions και ιστοσελίδες για πιο γρήγορη λύση. Το ίδιο ισχύει για την αντιγραφή φωνής AI. Για παράδειγμα, μπορείτε να δοκιμάσετε το Zzlab. Αν όμως θέλετε καλύτερο αποτέλεσμα, προτείνουμε Speechify ή κάποιο από τα παραπάνω προγράμματα.
Συχνές ερωτήσεις
Ποια η διαφορά μεταξύ αντιγραφής φωνής και voice morphing;
Η απάντηση είναι απλή: το voice morphing αλλάζει μια φωνή ώστε να ακούγεται διαφορετική μέσω φίλτρων. Η αντιγραφή φωνής είναι πιο σύνθετη, με μηχανική μάθηση και στόχο να δημιουργήσει AI φωνή που παράγει αυτόνομα ήχο, όχι απλώς να παραμορφώσει μια φωνή σε πραγματικό χρόνο.
Ποιος είναι ο ευκολότερος να αντιγραφεί;
Το πιο εύκολο μοντέλο για αντιγραφή είναι εκείνο με τα περισσότερα ηχητικά δεδομένα. Για παράδειγμα, μπορείτε να χρησιμοποιήσετε τα δικά σας αρχεία ή φωνές γνωστών δημιουργών ή διασήμων, που ήδη «αγαπούν» οι αλγόριθμοι.
