AI-stemacteurs klinken menselijker dan ooit - en ze zijn klaar om aan te nemen

mevrouw Tech | Getty

De blogpost van het bedrijf druipt van het enthousiasme van een Amerikaanse infomercial uit de jaren 90. WellSaid Labs beschrijft wat klanten kunnen verwachten van zijn acht nieuwe digitale stemacteurs! Tobin is energiek en inzichtelijk. Paige is evenwichtig en expressief. Ava is gepolijst, zelfverzekerd en professioneel.

Elk is gebaseerd op een echte stemacteur, wiens gelijkenis (met toestemming) is bewaard met behulp van AI. Bedrijven kunnen deze stemmen nu een licentie geven om te zeggen wat ze nodig hebben. Ze voeren gewoon wat tekst in de spraakengine en er wordt een heldere audioclip van een natuurlijk klinkende uitvoering gespoeld.

WellSaid Labs , een in Seattle gevestigde startup die voortkwam uit de non-profit onderzoeksorganisatie Allen Institute of Artificial Intelligence, is het nieuwste bedrijf dat AI-stemmen aan klanten aanbiedt. Voorlopig is het gespecialiseerd in stemmen voor zakelijke e-learningvideo's. Andere startups maken stemmen voor digitale assistenten , callcenter operators , en zelfs karakters van videogames .

KH · Een WellSaid AI-stemacteur in een promotionele stijl

Nog niet zo lang geleden hadden zulke deepfake-stemmen een slechte reputatie voor hun gebruik in oplichtingsgesprekken en internet bedrog . Maar hun verbeterende kwaliteit heeft sindsdien de interesse gewekt van een groeiend aantal bedrijven. Recente doorbraken in deep learning hebben het mogelijk gemaakt om veel van de subtiliteiten van menselijke spraak na te bootsen. Deze stemmen pauzeren en ademen op de juiste plaatsen. Ze kunnen hun stijl of emotie veranderen. Je kunt de truc herkennen als ze te lang praten, maar in korte audioclips zijn sommige niet meer van mensen te onderscheiden.

AI-stemmen zijn ook goedkoop, schaalbaar en gemakkelijk om mee te werken. In tegenstelling tot een opname van een menselijke stemacteur, kunnen synthetische stemmen hun script ook in realtime bijwerken, waardoor nieuwe mogelijkheden ontstaan ​​om advertenties te personaliseren.

Maar de opkomst van hyperrealistische nepstemmen is niet zonder gevolgen. Vooral menselijke stemacteurs vragen zich af wat dit betekent voor hun levensonderhoud.

Een stem faken

Synthetische stemmen bestaan ​​al een tijdje. Maar de oude, inclusief de stemmen van het origineel Syrië en Alexa , eenvoudig woorden en geluiden aan elkaar gelijmd om een ​​onhandig, robotachtig effect te bereiken. Het was een moeizame handmatige taak om ze natuurlijker te laten klinken.

Deep learning bracht daar verandering in. Stemontwikkelaars hoefden niet langer het exacte tempo, de uitspraak of de intonatie van de gegenereerde spraak te dicteren. In plaats daarvan kunnen ze een paar uur audio in een algoritme invoeren en het algoritme die patronen zelf laten leren.

Als ik Pizza Hut ben, kan ik zeker niet klinken als Domino's, en ik kan zeker niet klinken als Papa John's.

Rupal Patel, oprichter en CEO van VocaliD

In de loop der jaren hebben onderzoekers dit basisidee gebruikt om voice-engines te bouwen die steeds geavanceerder worden. Het ene dat WellSaid Labs heeft gebouwd, gebruikt bijvoorbeeld twee primaire deep-learningmodellen. De eerste voorspelt, op basis van een tekstpassage, de brede lijnen van hoe een spreker zal klinken, inclusief accent, toonhoogte en timbre. De tweede vult de details in, inclusief ademhalingen en de manier waarop de stem resoneert in zijn omgeving.

Voor het maken van een overtuigende synthetische stem is echter meer nodig dan een druk op de knop. Een deel van wat een menselijke stem zo menselijk maakt, is de inconsistentie, expressiviteit en het vermogen om dezelfde regels in totaal verschillende stijlen te leveren, afhankelijk van de context.

Om deze nuances vast te leggen, moeten de juiste stemacteurs worden gevonden om de juiste trainingsgegevens te leveren en de deep-learningmodellen te verfijnen. WellSaid zegt dat het proces minstens een uur of twee audio en een paar weken arbeid vereist om een ​​realistisch klinkende synthetische replica te ontwikkelen.

KH · Een klantenservicemedewerker van Resemble.ai KH · Een Resemble.ai-stemacteur in gespreksstijl

AI-stemmen zijn vooral populair geworden bij merken die een consistent geluid willen behouden in miljoenen interacties met klanten. Met de alomtegenwoordigheid van slimme luidsprekers van vandaag en de opkomst van geautomatiseerde klantenservicemedewerkers en digitale assistenten die zijn ingebouwd in auto's en slimme apparaten, moeten merken mogelijk meer dan honderd uur audio per maand produceren. Maar ze willen ook niet langer de generieke stemmen gebruiken die worden geboden door traditionele tekst-naar-spraaktechnologie – een trend die tijdens de pandemie versnelde naarmate meer en meer klanten interacties in de winkel oversloegen om virtueel met bedrijven in contact te komen.

Als ik Pizza Hut ben, kan ik zeker niet klinken als Domino's, en ik kan zeker niet klinken als Papa John's, zegt Rupal Patel, een professor aan de Northeastern University en de oprichter en CEO van VocaliD, dat belooft aangepaste stemmen te bouwen die passen bij de merkidentiteit van een bedrijf. Deze merken hebben nagedacht over hun kleuren. Ze hebben nagedacht over hun lettertypen. Nu moeten ze ook gaan nadenken over de manier waarop hun stem klinkt.

Karen Hao, MIT Tech Review · Een voorbeeld van een VocaliD-advertentie met een mannenstem Karen Hao, MIT Tech Review · Een voorbeeld van een VocaliD-advertentie met een vrouwelijke stem

Terwijl bedrijven vroeger verschillende stemacteurs moesten inhuren voor verschillende markten - het noordoosten versus het zuiden van de VS, of Frankrijk versus Mexico - kunnen sommige voice-AI-bedrijven het accent manipuleren of de taal van een enkele stem op verschillende manieren veranderen. Dit opent de mogelijkheid om advertenties op streamingplatforms aan te passen, afhankelijk van wie er luistert, waardoor niet alleen de kenmerken van de stem veranderen, maar ook de woorden die worden gesproken. Een bieradvertentie kan een luisteraar vertellen om langs te gaan bij een andere pub, afhankelijk van of deze bijvoorbeeld in New York of Toronto speelt. Resemble.ai, dat stemmen voor advertenties en slimme assistenten ontwerpt, zegt dat het al met klanten werkt om dergelijke gepersonaliseerde audio-advertenties op Spotify en Pandora te lanceren.

De gaming- en entertainmentindustrie zien ook de voordelen. Sonantic, een bedrijf dat gespecialiseerd is in emotionele stemmen die kunnen lachen en huilen of fluisteren en schreeuwen, werkt samen met makers van videogames en animatiestudio's om de voice-overs voor hun personages te leveren. Veel van haar klanten gebruiken de gesynthetiseerde stemmen alleen in pre-productie en schakelen over naar echte stemacteurs voor de uiteindelijke productie. Maar Sonantic zegt dat enkelen ze gedurende het hele proces zijn gaan gebruiken, misschien voor personages met minder regels. Resemble.ai en anderen hebben ook met film- en tv-shows gewerkt om de uitvoeringen van acteurs op te lappen wanneer woorden onleesbaar of verkeerd worden uitgesproken.

Maar er zijn beperkingen aan hoe ver AI kan gaan. Het is nog steeds moeilijk om het realisme van een stem te behouden gedurende de lange tijd die nodig kan zijn voor een audioboek of podcast. En er is weinig mogelijkheid om de uitvoering van een AI-stem te besturen op dezelfde manier als een regisseur een menselijke artiest kan begeleiden. We staan ​​nog in de begindagen van synthetische spraak, zegt Zohaib Ahmed, de oprichter en CEO van Resemble.ai, die het vergelijkt met de tijd dat CGI-technologie voornamelijk werd gebruikt voor retouches in plaats van om volledig nieuwe werelden te creëren op basis van groene schermen .

Een menselijke touch

Met andere woorden, menselijke stemacteurs gaan nog niet weg. Expressieve, creatieve en langdurige projecten kunnen nog steeds het beste door mensen worden gedaan. En voor elke synthetische stem die door deze bedrijven wordt gemaakt, moet een stemacteur ook de originele trainingsgegevens aanleveren.

Maar sommige acteurs maken zich steeds meer zorgen over hun levensonderhoud, zegt een woordvoerder van SAG-AFTRA, de vakbond die stemacteurs in de VS vertegenwoordigt. Als ze niet bang zijn om door AI te worden geautomatiseerd, maken ze zich zorgen over oneerlijke compensatie of het verliezen van de controle over hun stem, die hun merk en reputatie vormt.

Dit is nu de onderwerp van een rechtszaak tegen TikTok van de Canadese stemacteur Bev Standing, die beweert dat de ingebouwde voice-overfunctie van de app een synthetische kopie van haar stem gebruikt zonder haar toestemming. De ervaring van Standing weerspiegelt ook die van Susan Bennett , de originele stem van de Amerikaanse Siri, die werd betaald voor haar eerste opnames, maar niet voor het voortdurende gebruik van haar vocale gelijkenis op miljoenen Apple-apparaten.

Sommige bedrijven willen meer verantwoordelijkheid nemen in hun omgang met de voice-acting-industrie. De besten, zegt de vertegenwoordiger van SAG-AFTRA, hebben de vakbond benaderd om de beste manier te vinden om stemacteurs te compenseren en te respecteren voor hun werk.

Verwant verhaal

Deze griezelige nepmensen luiden een nieuw tijdperk in AI in

Meer data nodig voor deep learning? Synthetische databedrijven maken het voor u.

Verschillende gebruiken nu een winstdelingsmodel om actoren te betalen telkens wanneer een klant hun specifieke synthetische stem in licentie geeft, wat een nieuwe stroom van passief inkomen heeft geopend. Anderen betrekken de acteurs bij het ontwerpen van hun AI-gelijkenis en geven hen vetorecht over de projecten waarin het zal worden gebruikt. SAG-AFTRA dringt ook aan op wetgeving om acteurs te beschermen tegen onwettige replica's van hun stem.

Maar voor Patel van VocaliD is het doel van AI-stemmen uiteindelijk niet om menselijke prestaties te repliceren of bestaand voice-overwerk te automatiseren. In plaats daarvan is de belofte dat ze geheel nieuwe mogelijkheden zouden kunnen openen. Wat als in de toekomst, zegt ze, synthetische stemmen kunnen worden gebruikt om online educatief materiaal snel aan te passen aan verschillende doelgroepen? Als je, laten we zeggen, een groep kinderen in de binnenstad probeert te bereiken, zou het dan niet geweldig zijn als die stem echt klonk alsof hij uit hun gemeenschap kwam?

zich verstoppen