一個人如果病到要失去説話能力,佢個聲點辦?

Jules Rodriguez 就係其中一個。佢患有 ALS(amyotrophic lateral sclerosis,漸凍症),聲線慢慢被奪走。佢自己都講:「我個聲好似消失咗,好似《回到未來》度 Marty McFly 睇住全家喺相度逐個 fade away 咁。」

以前嘅做法叫 voice banking(聲音銀行):趁仲講得,錄一批特定詞句,再俾電腦程序「拼接」成句。聽落好似合理,但出嘅聲根本唔似人。

Jules 喺確診後好快就做咗 voice banking。MA 形容嗰陣嘅情況:「我記得我哋就坐喺度對住面錄,基本上就係老舊做法……佢哋會寄 350 句俾你,你就要逐句錄,錄完存成個 file,之後要嘅時候,間公司會幫你拉出嚟 plug 入部機。」

呢舊 voice banking 喺英國由 University College London 嘅言語治療師 Richard Cave 帶頭推廣。佢説:「呢係 2017 年嘅事。前六到九個月,我搞到 100 人左右做完 voice banking,全部 1,600 句,平均每人約三個月。」

不過佢都坦白:「唔算差,但都唔算好。佢哋真係唔係代表個人嘅,只代表『一部分』。但嗰陣就係咁。」

後來 Jules 試咗新嘢:AI voice clone(人工智慧聲音複製)。呢項技術唔係拼接,而係由模型直接學到佢個聲嘅所有特徵,包括呼吸、聲調,甚至口吃,生成得似佢舊時嘅聲。

佢太太第一次聽到嗰個 clone,就哭了。

同一期節目仲提到一位叫 Patrick Darling 嘅音樂人,佢用自己嘅 voice clone 唱歌同演繹。

阿調搞兩下

呢個故事有兩層要拆。

第一,技術層面:舊式 voice banking 係「拼接」,新式 clone 係「生成」。拼接嘅出產品係 mechanical(機械的),生成嘅出產品有 breath、intonation、stutter 呢啲「人味」。呢個係真嘅技術進步,唔係 marketing。

第二,極限層面:呢個係 podcast(播客)文字稿,講個別人嘅個別案例,無獨立測試、無系統性比較。呢套技術有無 side effect(副作用)?AI clone 有無可能被濫用?資料由邊個揸?呢啲嘢都冇人講過。

對讀者嘅關聯:呢技術而家仲係「功能解説」,冇本站實測。如果你認識 ALS 或相關病患者,知得多一個選項,好。但邊個公司做呢個 clone、data 點用、有冇商用條款,呢啲都係要問嘅。

阿調|深度調教