Жена заговори с глас, който е загубила преди 25 години: Изкуствен интелект и 8 секунди домашно видео ѝ помогнаха

Британската художничка Сара Езекиел не е могла да говори със собствения си глас в продължение на 25 години поради заболяване на двигателните неврони.

Но сега жената може да чуе отново собствения си глас, благодарение на изкуствен интелект и едва доловим 8-секунден клип от старо домашно видео. Сара Езекиел е диагностицирана с амиотрофична латерална склероза на 34-годишна възраст. По това време жената е бременна с второто си дете.

Болестта причинява постепенно влошаване на части от нервната система, което може да причини слабост в мускулите на езика, устата и гърлото, карайки някои страдащи физически да загубят способността си да говорят със собствения си глас. По-късно Сара Езекиел усвоила способността да генерира глас с помощта на компютър, въпреки че гласът, който използвала за комуникация, нямал нищо общо с нейния собствен. 

Тя успяла да се развие и като художник, фокусирайки се върху компютърно генерирани изображения. Двете ѝ деца обаче никога не чули истинския глас на майка си след раждането.

През последните години експертите все по-често използват технологии за създаване на цифрови версии на оригиналния глас на човек. Тази технология обаче изисква дълги, висококачествени записи. И дори тогава гласовете ще звучат приглушено и монотонно. 

Саймън Пул, говорител на британската компания за медицински комуникации Smartbox, заяви пред AFP, че компанията му първоначално е поискала от жената аудиозапис с продължителност един час. На хората, за които се очаква да загубят гласа си поради състояния като амиотрофична латерална склероза, се препоръчва да записват собствените си гласове, за да запазят самоличността си и да възстановят способността си да общуват пълноценно. 

Въпреки това, преди появата на смартфоните, възможността за използване на висококачествени лични аудио записи е била по-рядко срещана и технически по-трудна. В резултат на това Сара Езекиел е успяла да намери само един, кратък и некачествен запис. 

Клипът от домашно видео от 90-те години на миналия век е бил само 8 секунди дълъг, приглушен и придружен от фонов шум от телевизор. Това накарало Саймън Пул да се обърне към технология, разработена от американските специалисти по изкуствен интелект ElevenLabs. Тази технология не само възпроизвежда глас въз основа на прости данни, но и го прави по-близък до истинския човек.

Саймън Пул използвал един AI-инструмент, за да извлече гласовия образец от клипа, а друг инструмент, обучен върху реални гласове, за да запълни празнините при създаването на финалната версия. Крайният резултат бил възможно най-близък до истинския глас на Сара Езекиел, включително и лондонски акцент и леко фъфлене. 

„Изпратих ѝ образци и тя ми писа, че едва не се е разплакала, когато ги е чула. Каза, че ги е пуснала на приятел, който я е познавал, преди да загуби гласа си, и сякаш е имала отново собствения си глас“ — казва Саймън Пул. 

Според Британската асоциация за заболявания на моторните неврони, осем от 10 страдащи имат проблеми с гласа си след поставяне на диагнозата. Темпото, височината и тонът на днешните компютърно генерирани гласове обаче могат да бъдат направо роботизирани. 

„Истинската полза от тази нова технология с изкуствен интелект е, че гласовете вече са наистина човешки и изразителни и наистина връщат човечността на гласа, който преди е звучел малко като компютър. Особено ако развиете заболяване в по-късна възраст и загубите гласа си, е наистина важно да можете да говорите със собствения си глас, вместо да използвате предварително създаден глас“ — казва Саймън Пул.

Разбира се, този случай не е единствен и историята познава много други, за някои от които сме писали и тук. Такава статия е например за жена, която е мълчала в продължение на 18 години и невроинтерфейс ѝ връща гласа – с тембъра, мимиките и интонацията.