Foto: Jozef Uhliarik a SLSP

Speech to speech

Ako je možné, aby Julo Satinský hovoril dnes slová, ktoré nikdy predtým nenahral? Tomuto spôsobu spracovania hlasu sa hovorí speech to speech. Potrebná je na to umelá inteligencia (AI), ktorá dokáže na základe vstupných dát, v tomto prípade bol nimi pôvodný Julov hlas, vytvoriť jeho syntetickú zvukovú kópiu.

Neurónová sieť umelej inteligencie spracovala hodiny audionahrávok slovenskej hereckej legendy. Pomocou nich sa umelá inteligencia naučila rozpoznávať opakované vzory v hlase J. Satinského, vrátane rôznych polôh hlasu a emócií.

Zo starších nahrávok

„Väčšina spracovávaného obsahu pochádzala z analógových nahrávok, ktoré boli vytvorené začiatkom 90-tych rokov minulého storočia. Najnovšia z použitých nahrávok hlasu Júliusa Satinského bola vytvorená v roku 1994,“ vysvetľuje Business Development Executive ukrajinskej spoločnosti Respeecher Volodymyr Ovsiienko.

Spoločnosť analyzovala hodiny získaného materiálu, z ktorých vyselektovala 40 minút technicky bezchybného a kvalitou dostačujúceho zvukového materiálu. Je to minimálna potrebná minutáž, s ktorou spoločnosť dokáže pracovať v rámci technológie deep learning. Dôležitá bola najmä čistota nahrávky a absencia rušivých zvukov v pozadí.

V hlavnej úlohe umelá inteligencia

Následne začal ukrajinský startup pomocou nahrávok trénovať AI model, ktorý rozpoznával a učil sa určité opakované vzory v hlase J. Satinského. Okrem samotného hlasu sa program umelej inteligencie učil rozoznávať a imitovať aj fonetiku slovenského jazyka. Umelá inteligencia v tomto prípade nerozoznáva reč na úrovni jednotlivých slov, ale na základe zvukov, ktoré sa v danom jazyku nachádzajú, a vzoru ich vzájomného fonetického usporiadania. Táto fáza trvala umelej inteligencii približne dva týždne.

Julov hlas sa následne aplikoval na podklad, ktorý v štúdiu nahral slovenský herec Michal Hudák. Jeho úlohou bolo zvoliť čo najautentickejšie tempo reči, intonáciu, frázovanie, akcent a zhmotniť v hlase emócie, ktoré by zodpovedali verbálnemu prejavu Jula Satinského. Proces aplikácie už hotového Julovho hlasu na surovú zvukovú nahrávku trval spoločnosti týždeň.

Celkovo vzniklo 5 minút audiomateriálu so Satinského hlasom, ktorý znie v novej kampani Slovenskej sporiteľne.