Інженери навчили ШІ фліртувати й зізнаватися в коханні
Люди надзвичайно складні за своєю природою, а голос відіграє вирішальну роль, допомагаючи нам спілкуватися з навколишнім світом. В середньому у людини виникає понад 6200 думок на день і понад 27 категорій емоцій, щоб зрозуміти, що ми відчуваємо. Саме це робить мовлення таким глибоко динамічним.
Які перші слова спадають на думку при думці про штучний інтелект? Можливо, логіка, холод і бесчутливість? Всупереч усьому, системи ШІ можуть стати новими Ромео чи Джульєттою.
Команда розробників, які працюють у Sonantic — технологічній компанії, що займається інноваціями в галузі голосової платформи ШІ — покращила гру флірту ШІ, наділивши його здатністю дихати, зітхати й сміятися. Ці звуки, схожі на людські, можуть просто додати трохи емоційного зв'язку, якого потребує будь-який роман, що процвітає.
«В Sonantic ми прагнемо імітувати людський голос. Наші голосові моделі, створені штучним інтелектом, можуть виражати широкий спектр сміливих емоцій. І все ж so багато словесного спілкування складається з тонкощів. Найкращі виконання демонструють справжню складність, вразливість і автентичність, а тонкість є важливим компонентом вправного спілкування. Як кажуть у старому прислів'ї, «важливо не те, що ви говорите, а те, як ви це говорите». Ніхто не розуміє цю концепцію краще, ніж оповідачі та актори. Наші найновіші досягнення — тонкі емоції та неречові звуки — створюють безмежний потенціал для наших клієнтів, як ніколи раніше», — повідомили в компанії.
Хоча ці додані природні звуки є новими досягненнями, Sonantic вже вміє говорити грайливо й дражливо, що важливо для будь-якого початківця Ромео чи Джульєтти.
Щоб ближче познайомитися з цією вражаючою розробкою, варто переглянути рекламний ролик Sonantic на YouTube. Це День святого Валентина. Голос дівчини звучить абсолютно природно і дуже заспокійливо, особливо із зітханнями та сміхом, які так гарно включені в її мовлення.
Ось чому так шокує, коли дівчина раптом робить своє одкровення: «Я не справжня. Я ніколи не народжувалася. І я ніколи не помру. Тому що я не існую».
Sonantic також продемонструвала інтерфейс програми, яка використовується для генерації голосу. В ній користувач може змінювати темп мовлення, регулювати інтонацію, стиль і швидкість, а також додавати різні звуки між словами.
Удосконалювати тонкі емоції складніше з технологічної точки зору. Голосові моделі ШІ, як правило, роблять емоції приглушеними. Чим тонші вони, тим більше шансів, що їх заглушить і вони звучатимуть роботизовано. Інженери досліджували методи, щоб гарантувати, що їхні голосові моделі протидіятимуть цьому ефекту приглушення, зберігаючи недоторканою тонкість емоцій. Компанія представила клієнтам нові стилі, такі як «кокетливий», «сором'язливий» і «дражливий».
Якщо подумати, спілкування — це набагато більше, ніж слова. Є паузи, глибокі вдихи, охи й ахи, які дають додаткове уявлення про те, що ми думаємо й відчуваємо в будь-який момент. Саме ці неречові звуки оживляють наші розмови. Навіть така проста річ, як дихання, яке здається нам звичайним, впливає на те, як звучить природний людський голос. Без цих дрібних деталей наші розмови звучали б механічно й монотонно.
В Sonantic повідомили, що їхні голосові моделі ШІ тепер можуть дихати, сміятися і навіть глузувати. Компанія завжди працювала з найталановитішими акторами озвучення, щоб навчити свій голосовий рушій, і ця остання еволюція не була винятком. Але тонкі емоції можуть бути складними навіть для найдосвідченіших виконавців, часто потрібно кілька дублів, щоб передати їх правильно.
Інженери переробили сценарії, витратили більше часу на підготовку, записали більше дублів і надали акторам максимальну свободу творчості. Зрештою це дало динамічний, універсальний і багатошаровий матеріал для роботи.
Вловлювання неречових звуків було непростою справою, і дослідникам доводилося експериментувати з новими алгоритмами, доки вони не досягли потрібного результату. При перших кількох спробах усе звучало спотворено й роботизовано. Але завдяки чудовій спільній роботі та співпраці між дослідницькими, інформаційними та інженерними командами вони розробили нові запатентовані алгоритми, які дозволили вловлювати ці тонкощі.
Щоб продемонструвати свої інноваційні досягнення, інженери зняли відео під назвою «У чому її секрет?». Це найреалістичніша демонстрація продукту, яку коли-небудь створювала Sonantic.
«Коли ми придумували концепцію відео, ми вирішили зосередитися на темі кохання, тому що саме тоді ми почуваємося найбільш вразливими. Спокійний, заспокійливий голос дівчини трохи вагається, коли вона запитує: «Що потрібно, щоб ти закохався в мене?». Слухаючи монолог, зверніть увагу, коли вона сміється, дихає чи зітхає в потрібні моменти. Відео дивує глядачів, коли з'ясовується, що жінка на екрані — реальна людина, а головний герой, що говорить, — штучний інтелект», — повідомили в компанії.
Ці досягнення в галузі синтезу мовлення роблять платформу Sonantic повнішою. Компанія рада запропонувати нові можливості своїм клієнтам. Інженери заявили, що створюють справді потужні інструменти для акторів озвучення та розважальних студій, щоб продовжувати розвивати голосові інновації в майбутньому.
Синтез голосу від компанії вже використовується у виробництві голлівудських фільмів і відеоігор. Вони можуть виражати радість і смуток, а тепер і флірт. У серпні 2021 року Sonantic застосувала свої розробки, щоб відтворити голос актора Вела Кілмера, який втратив можливість говорити внаслідок лікування раку гортані.
