TEDWomen 2013
Rupal Patel: Synthetic voices, as unique as fingerprints
Rupal Patel.: Syntetiske stemmer, ligeså unikke som fingeraftryk
Filmed:
Readability: 3.9
944,754 views
Mange med alvorlige taleforstyrrelser bruger en computerbaseret enhed til at kommunikere med. Alligevel kan de kun vælge mellem nogle få slags stemmer. Dette er hvorfor Stephen Hawking har en amerikansk accent, og af samme grund også hvorfor mange mennesker går rundt med den samme stemme. Ekspert i tale, Rupal Patel, ville gøre noget ved dette, og i dette fantastiske foredrag deler hun sit arbejde med at designe stemmer til de stemmeløse.
Rupal Patel - Speech scientist
People relying on synthetic speech use the voice they’re given, not their own. Rupal Patel created the vocaliD project to change that. Full bio
People relying on synthetic speech use the voice they’re given, not their own. Rupal Patel created the vocaliD project to change that. Full bio
Double-click the English transcript below to play the video.
00:12
I'd like to talk today
0
719
1490
I dag vil jeg gerne tale
00:14
about a powerful and fundamental aspect
1
2209
2927
om et kraftfuld og grundlæggende aspekt
00:17
of who we are: our voice.
2
5136
3598
af hvem vi er: vores stemme
00:20
Each one of us has a unique voiceprint
3
8734
2746
Hver og en af os, har en unik stemme
00:23
that reflects our age, our size,
4
11480
2289
som reflekterer vores alder, vores størrelse,
00:25
even our lifestyle and personality.
5
13769
3237
og selv vores livsstil og personlighed
00:29
In the words of the poet Longfellow,
6
17006
2142
Som digteren Longfellow sagde,
00:31
"the human voice is the organ of the soul."
7
19148
3870
"den menneskelige stemme er sjælens talerør."
00:35
As a speech scientist, I'm fascinated
8
23018
2747
Som taleekspert, er jeg fascineret
00:37
by how the voice is produced,
9
25765
1829
af hvordan vores stemme er fremstillet,
00:39
and I have an idea for how it can be engineered.
10
27594
3658
og jeg har en ide til hvordan den kan blive konstrueret.
00:43
That's what I'd like to share with you.
11
31252
2210
Det er dette som jeg gerne vil dele med jer.
00:45
I'm going to start by playing you a sample
12
33462
1814
Jeg vil starte med at afspille en prøve for jer
00:47
of a voice that you may recognize.
13
35276
1871
af en stemme som i måske genkender
00:49
(Recording) Stephen Hawking: "I would have thought
14
37147
1304
(Optagelse) Stephen Hawking: "Jeg ville have troet
00:50
it was fairly obvious what I meant."
15
38451
2749
at det var ret tydeligt hvad jeg mente."
00:53
Rupal Patel: That was the voice
16
41200
1280
Rupal Patel: Dette var
00:54
of Professor Stephen Hawking.
17
42480
2086
Professor Stephen Hawkings stemme.
00:56
What you may not know is that same voice
18
44566
3849
Hvad du måske ikke ved, er at denne samme stemme
01:00
may also be used by this little girl
19
48415
2478
også kan blive brugt af denne lille pige
01:02
who is unable to speak
20
50893
1697
som ikke kan tale
01:04
because of a neurological condition.
21
52590
2597
på grund af en neurologisk lidelse.
01:07
In fact, all of these individuals
22
55187
2068
Faktisk kan alle disse individer
01:09
may be using the same voice,
23
57255
2012
bruge den samme stemme,
01:11
and that's because there's
only a few options available.
only a few options available.
24
59267
3557
og det er fordi der kun er få muligheder tilgængelige.
01:14
In the U.S. alone, there are 2.5 million Americans
25
62824
4317
Alene i USA, er der 2.5 millioner amerikanere
01:19
who are unable to speak,
26
67141
1610
som ikke kan tale,
01:20
and many of whom use computerized devices
27
68751
2622
og mange af dem bruger computerstyrede systemer
01:23
to communicate.
28
71373
1522
til at kommunikere.
01:24
Now that's millions of people worldwide
29
72895
3479
I hele verden, er det millioner af mennesker
01:28
who are using generic voices,
30
76374
1652
som bruger generiske stemmer,
01:30
including Professor Hawking,
31
78026
1446
inklusiv Professor Hawking,
01:31
who uses an American-accented voice.
32
79472
4833
som bruger en Amerikansk-betonet stemme.
01:36
This lack of individuation of the synthetic voice
33
84305
3328
Denne mangel af individualisering af den syntetiske stemme
01:39
really hit home
34
87633
1416
gik virkelig op for mig
01:41
when I was at an assistive technology conference
35
89049
2472
da jeg var til en konference om teknologiske hjælpemidler
01:43
a few years ago,
36
91521
1850
for et par år tilbage,
01:45
and I recall walking into an exhibit hall
37
93371
3604
og jeg husker hvordan jeg kom ind i en udstillingssal
01:48
and seeing a little girl and a grown man
38
96975
3044
hvor jeg så en lille pige og en voksen mand
01:52
having a conversation using their devices,
39
100019
2916
have en samtale ved hjælp af deres enheder,
01:54
different devices, but the same voice.
40
102935
4284
forskellige enheder, men den samme stemme.
01:59
And I looked around and I saw this happening
41
107219
1909
Og jeg kiggede rundt og så dette ske
02:01
all around me, literally hundreds of individuals
42
109128
4190
alle steder omkring mig, hundrede forskellige mennesker
02:05
using a handful of voices,
43
113318
2738
med en håndfuld forskellige stemmer,
02:08
voices that didn't fit their bodies
44
116056
3091
stemmer som ikke passede til deres kroppe
02:11
or their personalities.
45
119147
2082
eller deres personligheder.
02:13
We wouldn't dream of fitting a little girl
46
121229
2727
Vi ville aldrig drømme om at give en lille pige
02:15
with the prosthetic limb of a grown man.
47
123956
3396
en voksen mands protese.
02:19
So why then the same prosthetic voice?
48
127352
3304
So hvorfor er det anderledes med kunstige stemmer?
02:22
It really struck me,
49
130656
1291
Det ramte mig virkelig,
02:23
and I wanted to do something about this.
50
131947
3151
og jeg havde lyst til at gøre noget ved det.
02:27
I'm going to play you now a sample
51
135098
1953
Nu vil jeg afspille en lydfil
02:29
of someone who has, two people actually,
52
137051
3288
af en som har, faktisk to som har,
02:32
who have severe speech disorders.
53
140339
1768
alvorlige taleforstyrrelser.
02:34
I want you to take a listen to how they sound.
54
142107
3230
Jeg vil have jer til at lytte til hvordan de lyder.
02:37
They're saying the same utterance.
55
145337
2357
De har samme talemåde.
02:39
(First voice)
56
147694
2432
(Første stemme)
02:42
(Second voice)
57
150126
3617
(Anden stemme)
02:45
You probably didn't understand what they said,
58
153743
2412
Du forstod nok ikke hvad de sagde,
02:48
but I hope that you heard
59
156155
1854
men jeg håber at du hørte
02:50
their unique vocal identities.
60
158009
4283
deres unikke stemme identiteter.
02:54
So what I wanted to do next is,
61
162292
2813
Så det næste jeg havde lyst til at gøre,
02:57
I wanted to find out how we could harness
62
165105
2384
var at finde ud af hvordan vi kunne udnytte
02:59
these residual vocal abilities
63
167489
1821
disse resterende vokale evner
03:01
and build a technology
64
169310
2016
og bygge en teknologi
03:03
that could be customized for them,
65
171326
2143
som kunne være skræddersyet til dem,
03:05
voices that could be customized for them.
66
173469
2429
stemmer som kunne være tilpasset til dem
03:07
So I reached out to my collaborator, Tim Bunnell.
67
175898
2685
Så jeg henvendte mig til min samarbejdspartner, Tim Bunnell.
03:10
Dr. Bunnell is an expert in speech synthesis,
68
178583
3063
Dr. Bunell er en ekspert i stemmesyntese,
03:13
and what he'd been doing is building
69
181646
2033
og hvad han har gjort, er at bygge
03:15
personalized voices for people
70
183679
1881
personlige stemmer for mennesker
03:17
by putting together
71
185560
2097
ved at sammensætte
03:19
pre-recorded samples of their voice
72
187657
2150
førindspillede prøver af deres stemmer
03:21
and reconstructing a voice for them.
73
189807
2879
og rekonstruere en stemme til dem.
03:24
These are people who had lost their voice
74
192686
1712
Dette er mennesker som havde mistet deres stemme
03:26
later in life.
75
194398
1911
senere i livet.
03:28
We didn't have the luxury
76
196309
1394
Vi havde ikke den luksus
03:29
of pre-recorded samples of speech
77
197703
1774
af før-indspillede stemmeprøver
03:31
for those born with speech disorder.
78
199477
2292
til dem der er født med taleforstyrrelser.
03:33
But I thought, there had to be a way
79
201769
2537
Men jeg tænkte, der må være en måde
03:36
to reverse engineer a voice
80
204306
1944
at sammensætte en stemme baglæns
03:38
from whatever little is left over.
81
206250
2291
fra den smule der er tilbage.
03:40
So we decided to do exactly that.
82
208541
2714
Så vi besluttede at gøre præcis det.
03:43
We set out with a little bit of funding
from the National Science Foundation,
from the National Science Foundation,
83
211255
3403
Vi indsamlede nogle penge fra den Nationale Videnskabs Fond,
03:46
to create custom-crafted voices that captured
84
214658
3565
så vi kunne skabe specialdesignede stemmer som fangede
03:50
their unique vocal identities.
85
218223
1536
deres unikke stemme identiteter.
03:51
We call this project VocaliD, or vocal I.D.,
86
219759
3203
Vi kalder dette projekt for "VocaliD", eller stemme I.D.,
03:54
for vocal identity.
87
222962
2033
for stemme identitet.
03:56
Now before I get into the details of how
88
224995
2674
Før jeg nu kommer ind på detaljerne om hvordan
03:59
the voice is made and let you listen to it,
89
227669
2048
stemmen er lavet og lader jer lytte til den,
04:01
I need to give you a real quick
speech science lesson. Okay?
speech science lesson. Okay?
90
229717
3350
bliver jeg nødt til at give en meget hurtig lektion om videnskaben bag tale. Okay?
04:05
So first, we know that the voice is changing
91
233067
3159
Først og fremmest, ved vi at stemmen ændrer sig
04:08
dramatically over the course of development.
92
236226
2854
dramatisk under udviklingen.
04:11
Children sound different from teens
93
239080
2090
Børn lyder forskelligt fra teenagere
04:13
who sound different from adults.
94
241170
1463
som lyder anderledes end voksne.
04:14
We've all experienced this.
95
242633
2642
Vi har alle oplevet dette.
04:17
Fact number two is that speech
96
245275
3363
Den anden ting er at tale
04:20
is a combination of the source,
97
248638
2553
er en kombination af kilden,
04:23
which is the vibrations generated by your voice box,
98
251191
3479
hvilket er vibrationer genereret i strubehovedet,
04:26
which are then pushed through
99
254670
1939
som derefter er skubbet igennem
04:28
the rest of the vocal tract.
100
256609
2437
resten af svælget.
04:31
These are the chambers of your head and neck
101
259046
2484
Disse er kamrene i dit hoved og din hals
04:33
that vibrate,
102
261530
1239
som vibrerer,
04:34
and they actually filter that source sound
103
262769
2110
og de filtrerer rent faktisk lydkilden
04:36
to produce consonants and vowels.
104
264879
2537
og producerer konsonanter og vokaler.
04:39
So the combination of source and filter
105
267416
3860
Så kombinationen af kilder og filtrering
04:43
is how we produce speech.
106
271276
2630
er hvordan vi producerer tale.
04:45
And that happens in one individual.
107
273906
3026
Og dette sker i hvert individ.
04:48
Now I told you earlier that I'd spent
108
276932
2626
Jeg fortalte jer tidligere at jeg har brugt
04:51
a good part of my career
109
279558
2025
en god del af min karriere
04:53
understanding and studying
110
281583
2453
på at forstå og studere
04:56
the source characteristics of people
111
284036
1958
kildekendetegn ved personer
04:57
with severe speech disorder,
112
285994
2301
som har alvorlige taleforstyrrelser,
05:00
and what I've found
113
288295
1465
og hvad jeg har fundet ud af er,
05:01
is that even though their filters were impaired,
114
289760
3366
at selv hvis deres filtrering er nedsat,
05:05
they were able to modulate their source:
115
293126
2961
så er de stadig i stand til at modulere deres kilder:
05:08
the pitch, the loudness, the tempo of their voice.
116
296087
3262
tonehøjden, lydstyrken og tempoet i deres stemme.
05:11
These are called prosody, and
I've been documenting for years
I've been documenting for years
117
299349
3368
Dette er kaldet prosodi, og jeg har i flere år dokumenteret
05:14
that the prosodic abilities of these individuals
118
302717
2277
at de prosodiske evner hos disse individer
05:16
are preserved.
119
304994
1575
er bevaret.
05:18
So when I realized that those same cues
120
306569
4087
Så da jeg opdagede at disse samme signaler
05:22
are also important for speaker identity,
121
310656
2769
også er vigtigt for stemmeidentitet,
05:25
I had this idea.
122
313425
2015
så fik jeg en idé.
05:27
Why don't we take the source
123
315440
2516
Hvorfor tager vi ikke kilden
05:29
from the person we want the voice to sound like,
124
317956
2213
fra personen som vi vil have stemmen til at lyde som,
05:32
because it's preserved,
125
320169
1463
fordi den er bevaret,
05:33
and borrow the filter
126
321632
2135
og låner filteret
05:35
from someone about the same age and size,
127
323767
3229
fra en på cirka samme alder og størrelse,
05:39
because they can articulate speech,
128
327011
2407
fordi de kan artikulere tale,
05:41
and then mix them?
129
329418
1791
og derefter blande dem sammen?
05:43
Because when we mix them,
130
331209
1787
For når vi blander dem sammen,
05:44
we can get a voice that's as clear
131
332996
1698
så kan vi få en stemme der er ligeså klar
05:46
as our surrogate talker --
132
334694
1754
som vores surrogat stemme --
05:48
that's the person we borrowed the filter from—
133
336448
2595
altså personen vi lånte filteret fra --
05:51
and is similar in identity to our target talker.
134
339043
4649
og som er ens med vores person.
05:55
It's that simple.
135
343692
1427
Så simpelt er det.
05:57
That's the science behind what we're doing.
136
345119
2934
Det er videnskaben bag hvad vi laver.
06:00
So once you have that in mind,
137
348053
3533
Så når nu vi ved det,
06:03
how do you go about building this voice?
138
351586
2258
hvordan bygger man så denne stemme?
06:05
Well, you have to find someone
139
353844
1480
Det du gør, er at du finder en
06:07
who is willing to be a surrogate.
140
355324
2400
som er villig til at være surrogat.
06:09
It's not such an ominous thing.
141
357724
2264
Det er ikke en farlig ting.
06:11
Being a surrogate donor
142
359988
1523
At være surrogat donor
06:13
only requires you to say a few hundred
143
361511
2788
kræver kun at du siger nogle få hundrede
06:16
to a few thousand utterances.
144
364299
2242
til nogle få tusinde ytringer.
06:18
The process goes something like this.
145
366541
2003
Processen fungerer cirka sådan her.
06:20
(Video) Voice: Things happen in pairs.
146
368544
2190
(Video) Stemme: Ting sker i par.
06:22
I love to sleep.
147
370734
1925
Jeg elsker at sove.
06:24
The sky is blue without clouds.
148
372659
3882
Himlen er blå uden skyer.
06:28
RP: Now she's going to go on like this
149
376541
2002
RP: Nu fortsætter hun sådan
06:30
for about three to four hours,
150
378543
1919
for omkring tre til fire timer,
06:32
and the idea is not for her to say everything
151
380462
3005
og idéen er ikke at hun skal sige alting
06:35
that the target is going to want to say,
152
383467
2045
som vores person med taleforstyrrelse, vil have lyst til at sige,
06:37
but the idea is to cover all the different combinations
153
385512
3395
men idéen er at afdække alle de forskellige kombinationer
06:40
of the sounds that occur in the language.
154
388907
3271
af lyde som findes i sproget.
06:44
The more speech you have,
155
392178
1638
Jo mere tale du har,
06:45
the better sounding voice you're going to have.
156
393816
2305
jo bedre en stemme vil du have.
06:48
Once you have those recordings,
157
396121
1673
Så snart du har disse optagelser,
06:49
what we need to do
158
397794
1413
hvad vi så skal gøre,
06:51
is we have to parse these recordings
159
399207
2718
er at analysere disse optagelser
06:53
into little snippets of speech,
160
401925
2449
indtil små uddrag af tale,
06:56
one- or two-sound combinations,
161
404374
2337
en- eller to- lyd kombinationer,
06:58
sometimes even whole words
162
406711
1883
nogle gange endda hele ord
07:00
that start populating a dataset or a database.
163
408594
4516
som begynder at udfylde et datasæt eller en database.
07:05
We're going to call this database a voice bank.
164
413110
3717
Denne database kalder vi en stemme bank.
07:08
Now the power of the voice bank
165
416827
2096
Det kraftfulde ved denne stemmebank
07:10
is that from this voice bank,
166
418923
2014
er at fra denne bank,
07:12
we can now say any new utterance,
167
420937
2011
kan vi nu fiske alle nye udtryk,
07:14
like, "I love chocolate" --
168
422948
1424
som "Jeg elsker chokolade" --
07:16
everyone needs to be able to say that—
169
424372
1739
alle bliver nødt til at kunne sige det --
07:18
fish through that database
170
426111
1831
ud af den database
07:19
and find all the segments necessary
171
427942
1940
og finde alle de nødvendige segmenter
07:21
to say that utterance.
172
429882
1929
til at sige denne sætning.
07:23
(Video) Voice: I love chocolate.
173
431811
1789
(Video) Stemme: Jeg elsker chokolade
07:25
RP: So that's speech synthesis.
174
433600
1391
RP: So det er talesyntese.
07:26
It's called concatenative synthesis,
and that's what we're using.
and that's what we're using.
175
434991
2573
Det kaldes concatenative syntese, og det er hvad vi bruger.
07:29
That's not the novel part.
176
437564
1533
Dette er ikke den nye del.
07:31
What's novel is how we make it sound
177
439097
2221
Den nye del er hvordan vi får det til at lyde
07:33
like this young woman.
178
441318
1457
som denne unge kvinde.
07:34
This is Samantha.
179
442775
1524
Dette er Samantha.
07:36
I met her when she was nine,
180
444299
2346
Jeg mødte hende da hun var ni år gammel,
07:38
and since then, my team and I
181
446645
1897
og siden da, har mit team og jeg
07:40
have been trying to build her a personalized voice.
182
448542
2714
forsøgt at bygge en personlig stemme til hende.
07:43
We first had to find a surrogate donor,
183
451256
3099
Først måtte vi finde en surrogatdonor,
07:46
and then we had to have Samantha
184
454355
1818
og derefter fik Samantha til at
07:48
produce some utterances.
185
456173
1929
sige nogle sætninger.
07:50
What she can produce are mostly vowel-like sounds,
186
458102
2379
Hvad hun kan sige er mest vokalagtige lyde,
07:52
but that's enough for us to extract
187
460481
2479
men det er nok for os, til at finde
07:54
her source characteristics.
188
462960
2285
hendes kildekarakteristika.
07:57
What happens next is best described
189
465245
3271
Det næste der sker er bedst beskrevet
08:00
by my daughter's analogy. She's six.
190
468516
2767
af min datter. Hun er seks år gammel.
08:03
She calls it mixing colors to paint voices.
191
471283
5422
Hun kalder det "at blande farver så man kan male stemmer"
08:08
It's beautiful. It's exactly that.
192
476705
2555
Det er smukt. Det er præcis dét.
08:11
Samantha's voice is like a concentrated sample
193
479260
2860
Samanthas stemme er som en koncentreret
08:14
of red food dye which we can infuse
194
482120
2609
rød frugtfarve som vi kan indføre
08:16
into the recordings of her surrogate
195
484729
2540
i optagelserne af hendes surrogat
08:19
to get a pink voice just like this.
196
487269
4387
og få en lyserød stemme, så let er det.
08:23
(Video) Samantha: Aaaaaah.
197
491656
4491
(Video) Samantha: Aaaaah.
08:28
RP: So now, Samantha can say this.
198
496147
2808
RP: Så nu, kan Samantha sige dette.
08:30
(Video) Samantha: This voice is only for me.
199
498955
3069
(Video) Samantha: Denne stemme er kun for mig.
08:34
I can't wait to use my new voice with my friends.
200
502024
6305
Jeg kan ikke vente til at jeg skal bruge min nye stemme overfor mine venner.
08:40
RP: Thank you. (Applause)
201
508329
6417
RP: Tak. (Bifald)
08:46
I'll never forget the gentle smile
202
514746
2333
Jeg vil aldrig glemme det blide smil
08:49
that spread across her face
203
517079
1902
som spredte sig over hendes ansigt
08:50
when she heard that voice for the first time.
204
518981
3649
da hun hørte den stemme for første gang.
08:54
Now there's millions of people
205
522630
1882
Nu er der millioner af mennesker
08:56
around the world like Samantha, millions,
206
524512
2833
omkring verden, som Samantha, millioner,
08:59
and we've only begun to scratch the surface.
207
527345
3440
og vi er først lige begyndt at kradse i overfladen.
09:02
What we've done so far is we have
208
530785
1642
Hvad vi har gjort indtil nu, er at vi har
09:04
a few surrogate talkers from around the U.S.
209
532427
3859
nogle få surrogat stemmer fra USA
09:08
who have donated their voices,
210
536286
1507
som har doneret deres stemmer,
09:09
and we have been using those
211
537793
1928
og vi har brugt disse
09:11
to build our first few personalized voices.
212
539721
4472
til at bygge vores første personlige stemmer.
09:16
But there's so much more work to be done.
213
544193
1756
Men der er så meget mere arbejde at gøre.
09:17
For Samantha, her surrogate
214
545949
2188
For Samantha, kom hendes surrogat
09:20
came from somewhere in the Midwest, a stranger
215
548137
3046
fra et sted i den amerikanske midtvest, en fremmed
09:23
who gave her the gift of voice.
216
551183
3841
som gav hende stemmen som gave.
09:27
And as a scientist, I'm so excited
217
555024
2153
Og som videnskabsmand, er jeg så begejstret
09:29
to take this work out of the laboratory
218
557177
1935
for at kunne tage dette arbejde ud af laboratoriet
09:31
and finally into the real world
219
559112
1800
og ud i den virkelige verden
09:32
so it can have real-world impact.
220
560912
3165
så det kan have indflydelse i den virkelige verden.
09:36
What I want to share with you next
221
564077
1582
Det næste jeg vil dele med jer
09:37
is how I envision taking this work
222
565659
2175
er hvordan jeg har planlagt at tage dette arbejde
09:39
to that next level.
223
567834
2711
til det næste niveau.
09:42
I imagine a whole world of surrogate donors
224
570545
3887
Jeg drømmer om en hel verden af surrogatdonorer
09:46
from all walks of life, different sizes, different ages,
225
574432
3260
fra alle steder i livet, forskellige størrelser, forskellige aldre,
09:49
coming together in this voice drive
226
577692
3058
som sammen
09:52
to give people voices
227
580750
2270
vil give folk stemmer
09:55
that are as colorful as their personalities.
228
583020
3799
som er ligeså farverige som deres personligheder.
09:58
To do that as a first step,
229
586819
2300
For at gøre det, er det første trin
10:01
we've put together this website, VocaliD.org,
230
589119
3275
at vi har lavet denne hjemmeside: VocaliD.org,
10:04
as a way to bring together those
231
592394
1624
som en måde at samle dem
10:06
who want to join us as voice donors,
232
594018
2675
som sammen med os vil være stemme donorer,
10:08
as expertise donors,
233
596693
1772
ekspertdonorer,
10:10
in whatever way to make this vision a reality.
234
598465
5339
som kan hjælpe med at gøre denne vision til virkelighed.
10:15
They say that giving blood can save lives.
235
603804
4153
De siger at donering af blod kan redde liv.
10:19
Well, giving your voice can change lives.
236
607957
4982
At give din stemme kan ændre liv.
10:24
All we need is a few hours of speech
237
612939
3050
Alt vi har brug for er nogle få timers stemme
10:27
from our surrogate talker,
238
615989
1491
fra vores stemme doner
10:29
and as little as a vowel from our target talker,
239
617480
4733
og så lidt som en vokal fra vores individ med en taleforstyrrelse
10:34
to create a unique vocal identity.
240
622213
3711
for at lave en unik stemme identitet.
10:37
So that's the science behind what we're doing.
241
625924
2626
Så det er videnskaben bag hvad vi laver.
10:40
I want to end by circling back to the human side
242
628550
4455
Jeg vil slutte med at vende tilbage til den menneskelige side
10:45
that is really the inspiration for this work.
243
633005
4102
som er den virkelige inspiration for dette arbejde.
10:49
About five years ago, we built our very first voice
244
637107
3699
For fem år siden, byggede vi vores første stemme
10:52
for a little boy named William.
245
640806
2501
for en lille dreng, kaldet William.
10:55
When his mom first heard this voice,
246
643307
2357
Da hans mor først hørte denne stemme,
10:57
she said, "This is what William
247
645664
2345
sagde hun: "Dette er hvad William
11:00
would have sounded like
248
648009
1546
ville have lydt som
11:01
had he been able to speak."
249
649555
2449
hvis han havde kunne tale."
11:04
And then I saw William typing a message
250
652004
2418
Og så så jeg William taste en besked
11:06
on his device.
251
654422
1362
på hans enhed.
11:07
I wondered, what was he thinking?
252
655784
3293
Jeg undrede mig, hvad tænkte han?
11:11
Imagine carrying around someone else's voice
253
659077
3590
Forestil dig at gå rundt med en anden persons stemme
11:14
for nine years
254
662667
2193
i ni år
11:16
and finally finding your own voice.
255
664860
4844
og pludselig finde din egen stemme.
11:21
Imagine that.
256
669704
1377
Forestil dig det.
11:23
This is what William said:
257
671081
2797
Dette er hvad William sagde:
11:25
"Never heard me before."
258
673878
4463
"Jeg har aldrig hørt mig før"
11:32
Thank you.
259
680417
1619
Tak
11:34
(Applause)
260
682036
4724
(Bifald)
ABOUT THE SPEAKER
Rupal Patel - Speech scientistPeople relying on synthetic speech use the voice they’re given, not their own. Rupal Patel created the vocaliD project to change that.
Why you should listen
Northeastern University computer science professor Rupal Patel looks for ways to give voice to the voiceless. As founder and director of the Communication Analysis and Design Laboratory (CadLab), she developed a technology that combines real human voices with the characteristics of individual speech patterns. The result is VocaliD, an innovation that gives people who can't speak the ability to communicate in a voice all their own.
"There's nothing better than seeing the person who's actually going to use it, seeing their reaction, seeing their smile," says Patel.
Rupal Patel | Speaker | TED.com