Darth Vader, Luke Skywalker aj Julo Satinský. Ako ukrajinský startup dokázal vytvoriť ich hlas?

Určite ste už zachytili, že sa podarilo oživiť hlas Dartha Vadera v minisérii Obi-Wan Kenobi, ako aj hlas postavy Lukea Skywalkera v The Mandalorian. Pracoval na nich ukrajinský startup Respeecher, ktorého špecialitou je vytváranie syntetického hlasu s využitím technológie „deep learning“. Dokáže tak naučiť počítač ako znel pôvodný hlas akejkoľvek osoby.

A pravdepodobne ste sa nevyhli ani najnovšej reklamnej kampani, v ktorej sa vám prihovára hlas Jula Satinského. Aj tí, ktorí ho nezažili, keďže zomrel presne pred dvadsiatimi rokmi, ho poznajú z vianočného filmu S tebou mě baví svět.

Ako je to možné?

Aj na hlase Jula Satinského robil ukrajinský Respeecher, ktorý musel umelú inteligenciu naučiť slovenčinu a imitovať jej fonetiku. V tomto prípade nerozoznáva reč na úrovni jednotlivých slov, ale na základe zvukov. Táto fáza trvala umelej inteligencii približne mesiac.

Samozrejme musela spracovať aj hlas samotného Jula. „Väčšina obsahu pochádzala z analógových nahrávok, ktoré boli vytvorené začiatkom 90-tych rokov. Najnovšia z použitých nahrávok hlasu Júliusa Satinského bola vytvorená v roku 1994,“ vysvetľuje Volodymyr Ovsiienko, Business Development Executive ukrajinskej spoločnosti Respeecher. Kľúčový bol najmä súhlas jeho rodiny a majiteľov pôvodných Julových nahrávok.

O emócie sa postaral Michal Hudák

Nakoniec vyselektovali 40 minút čistého zvukového záznamu, ktorým neskôr trénovali umelú inteligenciu na tento charakteristicky hlboký hlas.  Julove posolstvá ale nie sú zasadené do obdobia 90. rokov. Sú ušité na mieru dnešnému svetu, pričom si zachovávajú filozofiu a názory Jula Satinského. Pre pozitívny spôsob využitia tejto najmodernejšej AI technológie sa ako prvá na Slovensku rozhodla Slovenská sporiteľňa.

zdroj: Jozef Uhliarik

Umelá inteligencia má však oproti nám jednu veľkú nevýhodu – nedokáže napodobniť autentické ľudské emócie. Napriek tomu, že bola farba hlasu na nerozoznanie od originálu, bolo potrebné, aby do prejavu vniesol život hlasový herec. V tomto prípade to bol Michal Hudák, ktorý mal za úlohu nahrať repliky s čo najautentickejším tempom reči, intonáciou a frázovaním podobným Julovi.

Na takúto nahrávku sa potom aplikoval výsledný produkt umelej inteligencie. Celý proces výroby trval sedem týždňov, pričom polovicu tohto času zabralo len samotné vzdelávanie počítača historickými nahrávkami. Celkovo vďaka tomu vzniklo 5 minút audio materiálu so Satinského hlasom, ktorý znie v novej kampani Slovenskej sporiteľne.