Dijital ses izi nedir — ve tek bir ses neden her metni okuyabilir

Bir yapay zekâ sesi duyduğunuzda, o kişinin bir «kaydının» bir yerde saklandığı ve kelimelerin oradan kesilip alındığı izlenimi oluşur. Gerçekte bambaşka — ve çok daha zarif — bir şekilde işler. Bir ses dijital iz olarak saklanır: tınısının kompakt bir izi. Bunun ne olduğuna, neden önemli olduğuna ve bir sesin konuşmacının hiç söylemediği bir metni okumasını nasıl sağladığına bakalım.

Bir ses «ifade kaydı» değildir

Eski metinden sese sistemleri konuşmayı önceden kaydedilmiş parçalardan yapıştırırdı — bu yüzden mekanik duyulurlardı. Modern sentez farklı çalışır. Motor bir konuşmacıyı bir kez «dinler» ve en önemlisini çıkarır — tınının karakterini: perdeyi, rengi, üslubu. Tüm bunları küçük bir matematiksel ize sıkıştırır.

Dijital iz nedir

İz (mühendisler buna ses vektörü der), sesinizi diğer her sesten ayıran şeyi tanımlayan birkaç kilobaytlık sayılardır. Kelimeler değil, ifadeler değil — saf tanınırlık. Bir benzetme: parmak izi tüm eli saklamaz, ama bir kişiyi benzersiz biçimde tanımlar. Burada da aynısı geçerli: iz konuşma saklamaz, ama sesin nasıl duyulduğunu benzersiz biçimde belirler.

Katalogdaki bir ses bir kayıt arşivi değil, küçük bir görsel boyutunda bir tını izidir. Bu yüzden tek bir ses her metni okuyabilir: motor izi alır ve onunla yeni kelimeler «söyler».

Neden önemli: tek motor, yüzlerce ses

Bir ses kompakt bir iz olduğu için bunlardan oluşan koca bir banka tutulabilir ve her biri aynı motora bağlanabilir. Her ses için ayrı bir «model» yoktur — ortak bir motor ve bir iz bankası vardır. Bunun pratik sonuçları vardır:

• Çok ses, tek motor — katalog altyapıyı şişirmeden büyür.
• Yeni bir ses hızla eklenir — yalnızca izini oluşturmak yeterlidir; bkz. bir ses nasıl doğar.
• Sesiniz özel kalır — kendi sesinizin izi yalnızca hesabınızda yaşar.

Peki ya tonlama ve duygu?

İz tınıyı belirler — kimin konuştuğunu. Nasıl konuştuğunu (tempo, duraklamalar, vurgular, duygu) motor anında metinden ve ayarlarınızdan oluşturur. Bu yüzden aynı ses bir sesli kitapta sakin, bir reklamda neşeli duyulabilir — aynı tını, farklı yorum.

Etik ve onay

Bir iz sesi benzersiz biçimde belirlediği için kişisel veri sayılır — GDPR onu tam olarak böyle ele alır. Bir izi yalnızca kendi sesinizden ya da sesin sahibi olan kişinin açık onayıyla oluşturabilirsiniz. Başkasının sesini onaysız kullanmak yasaktır: GDPR bunu gerektirir ve HancVoice kuralları da bunu söyler.

Sonuç

Dijital iz, modern konuşma sentezinin canlı duyulmasının ve ölçeklenebilmesinin nedenidir: bir ses kayıtlardan oluşan bir dağ olarak değil, tanınırlığın kompakt bir izi olarak saklanır. Tek motor, bir iz bankası — ve yüzlerce sesten herhangi biriyle herhangi bir metin. Kataloğa göz atın ve kendiniz dinleyin.

Kendiniz deneyin — ücretsiz başlangıç karakter paketi kaydolduğunuzda.