TEDWomen 2013
Rupal Patel: Synthetic voices, as unique as fingerprints
روپال پاتل: صداهای ساختگی، منحصر به فرد به اندازه اثرات انگشت
Filmed:
Readability: 3.9
944,754 views
بسیاری از افرادی که ناهنجاری های شدید گفتاری دارند برای ارتباط برقرار کردن از یک وسیله کامپیوتری استفاده می کنند. هنوز آنها تنها تعداد کمی صدا برای انتخاب دارند. به همین علت است که استفان هاوکینگ یک لهجه آمریکایی دارد، و به همین دلیل است که بسیاری از افراد به صدای یکسانی می رسند که اغلب اثر نامناسبی دارد. محقق گفتار، روپال پاتل خواست برای این مسئله کاری انجام دهد، و در این گفتگوی شگفت انگیز او کار خود را برای مهندسی صدایی منحصر به فرد برای افراد بدون صدا، به اشتراک می‌گذارد.
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
من امروز می خواهم
00:14
about a powerful and fundamental aspect
1
2209
2927
درباره این جنبه قدرتمند و اساسی از اینکه کی هستیم،
00:17
of who we are: our voice.
2
5136
3598
صحبت کنم: صدای ما.
00:20
Each one of us has a unique voiceprint
3
8734
2746
هر یک از ما صدای منحصر به فرد خود را داریم
00:23
that reflects our age, our size,
4
11480
2289
که منعکس کننده سن، اندازه
00:25
even our lifestyle and personality.
5
13769
3237
حتی شیوه زندگی و شخصیت ما است.
00:29
In the words of the poet Longfellow,
6
17006
2142
به گفته لانگ فلو شاعر
00:31
"the human voice is the organ of the soul."
7
19148
3870
"صدای انسان عضو روح است".
00:35
As a speech scientist, I'm fascinated
8
23018
2747
به عنوان یک محقق گفتار؛ من شیفته
00:37
by how the voice is produced,
9
25765
1829
چگونگی تولید صدا هستم،
00:39
and I have an idea for how it can be engineered.
10
27594
3658
و من ایده ای در مورد چگونگی مهندسی صدا دارم.
00:43
That's what I'd like to share with you.
11
31252
2210
این چیزی است که دوست دارم با شما به اشتراک بگذارم.
00:45
I'm going to start by playing you a sample
12
33462
1814
من می خواهم با اجرای یک نمونه صدا برای شما شروع کنم،
00:47
of a voice that you may recognize.
13
35276
1871
صدایی شما ممکن است بشناسید.
00:49
(Recording) Stephen Hawking: "I would have thought
14
37147
1304
(صدای ضبط) استفان هاوکینگ: "من فکر می کردم
00:50
it was fairly obvious what I meant."
15
38451
2749
منظورم کاملا واضح باشد."
00:53
Rupal Patel: That was the voice
16
41200
1280
روپال پاتل: صدای
00:54
of Professor Stephen Hawking.
17
42480
2086
پروفسور استفان هاوکینگ بود.
00:56
What you may not know is that same voice
18
44566
3849
چیزی که ممکن است شما ندانیداین است که شاید همین صدای
01:00
may also be used by this little girl
19
48415
2478
توسط این دختر کوچک نیز استفاده شود
01:02
who is unable to speak
20
50893
1697
که به علت شرایط عصبی
01:04
because of a neurological condition.
21
52590
2597
قادر به صحبت نیست.
01:07
In fact, all of these individuals
22
55187
2068
در حقیقت، تمام این افراد
01:09
may be using the same voice,
23
57255
2012
ممکن است از صدای مشابهی استفاده کنند،
01:11
and that's because there's
only a few options available.
only a few options available.
24
59267
3557
و این مسئله به این علت است که تنها موارد انتخاب کمی در دسترس است.
01:14
In the U.S. alone, there are 2.5 million Americans
25
62824
4317
فقط در آمریکا، ۲/۵ میلیون آمریکایی وجود دارد
01:19
who are unable to speak,
26
67141
1610
که قادر به صحبت نیستند،
01:20
and many of whom use computerized devices
27
68751
2622
و بسیاری از آنها از وسایل کامپیوتری برای ارتباط
01:23
to communicate.
28
71373
1522
برقرار کردن استفاده می کنند.
01:24
Now that's millions of people worldwide
29
72895
3479
هم اکنون میلیون ها فرد در سراسر جهان هستند
01:28
who are using generic voices,
30
76374
1652
که از صداهای عمومی استفاده می کنند،
01:30
including Professor Hawking,
31
78026
1446
از جمله صدای پروفسور هاوکینگ
01:31
who uses an American-accented voice.
32
79472
4833
که از صدایی با لهجه آمریکایی استفاده می کند.
01:36
This lack of individuation of the synthetic voice
33
84305
3328
این کمبود ساخت صداهای مصنوعی برای هر فرد
01:39
really hit home
34
87633
1416
زمانی واقعا اهمیتش برای من مشخص شد
01:41
when I was at an assistive technology conference
35
89049
2472
که در کنفرانس تکنولوژی کمک رسان بودم
01:43
a few years ago,
36
91521
1850
چند سال قبل
01:45
and I recall walking into an exhibit hall
37
93371
3604
و به یاد می آورم که در تالار نمایش راه می رفتم
01:48
and seeing a little girl and a grown man
38
96975
3044
و یک دختر کوچک و یک مرد بالغ را دیدم
01:52
having a conversation using their devices,
39
100019
2916
که با استفاده از دستگاهایشان با هم گفتگو می کردند،
01:54
different devices, but the same voice.
40
102935
4284
دستگاه های مختلف، اما صدای یکسان.
01:59
And I looked around and I saw this happening
41
107219
1909
و من به اطراف نگاه کردم و دیدم این مسئله
02:01
all around me, literally hundreds of individuals
42
109128
4190
در تمام اطراف من رخ می دهد، به معنی واقعی کلمه صدها نفر
02:05
using a handful of voices,
43
113318
2738
از تعداد کمی صدا استفاده می کردند،
02:08
voices that didn't fit their bodies
44
116056
3091
صداهایی که مناسب بدن
02:11
or their personalities.
45
119147
2082
و شخصیت آنها نبود.
02:13
We wouldn't dream of fitting a little girl
46
121229
2727
ما نمی توانیم تصور کنیم که
02:15
with the prosthetic limb of a grown man.
47
123956
3396
اعضای مصنوعی یک مرد بالغ برای یک دختر کوچک متناسب باشد.
02:19
So why then the same prosthetic voice?
48
127352
3304
بنابراین چرا صدای مصنوعی یکسانی را برای آنها تصور می کنیم؟
02:22
It really struck me,
49
130656
1291
این مسئله واقعا من را به فکر واداشت
02:23
and I wanted to do something about this.
50
131947
3151
و تصمیم گرفتم کاری در آن باره انجام دهم.
02:27
I'm going to play you now a sample
51
135098
1953
من حالا می خواهم یک نمونه
02:29
of someone who has, two people actually,
52
137051
3288
از صدای فردی که، در واقع دو نفر،
02:32
who have severe speech disorders.
53
140339
1768
که ناهنجاری گفتاری شدید دارند را برای شما پخش کنم.
02:34
I want you to take a listen to how they sound.
54
142107
3230
از شما می خواهم گوش کنید که صدای آنها چطور به نظر می رسد.
02:37
They're saying the same utterance.
55
145337
2357
آنها دارند سخن یکسانی را می گویند.
02:39
(First voice)
56
147694
2432
(صدای اول)
02:42
(Second voice)
57
150126
3617
(صدای دوم)
02:45
You probably didn't understand what they said,
58
153743
2412
شما احتمالا نفهمیدید که آنها چه گفتند،
02:48
but I hope that you heard
59
156155
1854
اما امیدوارم که شما
02:50
their unique vocal identities.
60
158009
4283
هویت صوتی منحصربه فرد آنها را شنیده باشید.
02:54
So what I wanted to do next is,
61
162292
2813
بنابراین چیزی که در مرحله بعد خواستم انجام دهم این است که
02:57
I wanted to find out how we could harness
62
165105
2384
خواستم بفهمم که چطور ما می توانیم
02:59
these residual vocal abilities
63
167489
1821
این توانایی های صوتی باقی مانده را کنترل کنیم و
03:01
and build a technology
64
169310
2016
تکنولوژی را بسازیم
03:03
that could be customized for them,
65
171326
2143
که قابل انطباق برای نیاز آنها باشد،
03:05
voices that could be customized for them.
66
173469
2429
صداهایی که بتواند برای نیاز آنها قابل تغییر باشد.
03:07
So I reached out to my collaborator, Tim Bunnell.
67
175898
2685
بنابراین من علاقه‌ام را به همکارم، تیم بانل نشان دادم.
03:10
Dr. Bunnell is an expert in speech synthesis,
68
178583
3063
دکتر بانل یک متخصص در ساخت گفتار است
03:13
and what he'd been doing is building
69
181646
2033
و کاری که انجام می دهد ساخت
03:15
personalized voices for people
70
183679
1881
صداهای شخصی سازی شده برای افراد است
03:17
by putting together
71
185560
2097
که این کار را با جمع آوری
03:19
pre-recorded samples of their voice
72
187657
2150
نمونه های از پیش ضبط شده صدای افراد
03:21
and reconstructing a voice for them.
73
189807
2879
و بازسازی صدایی برای آنها انجام می دهد.
03:24
These are people who had lost their voice
74
192686
1712
اینها افرادی هستند که
03:26
later in life.
75
194398
1911
بعدها در زندگی صدایشان را از دست داده بودند.
03:28
We didn't have the luxury
76
196309
1394
ما نعمت نمونه های
03:29
of pre-recorded samples of speech
77
197703
1774
صداهای از پیش ضبط شده گفتار را نداشتیم
03:31
for those born with speech disorder.
78
199477
2292
برای افرادی که با ناهنجاری های گفتاری به دنیا آمده اند
03:33
But I thought, there had to be a way
79
201769
2537
اما فکر کردم باید راهی باشد
03:36
to reverse engineer a voice
80
204306
1944
برای مهندسی معکوس یک صدا
03:38
from whatever little is left over.
81
206250
2291
از هر چند مقداری اندکیکه باقی مانده است.
03:40
So we decided to do exactly that.
82
208541
2714
بنابراین تصمیم گرفتیم دقیقا همین کار را بکنیم.
03:43
We set out with a little bit of funding
from the National Science Foundation,
from the National Science Foundation,
83
211255
3403
ما کار خود را با یافته های کمی از بنیاد ملی علوم آغاز کردیم
03:46
to create custom-crafted voices that captured
84
214658
3565
تا صداهای دستساز مخصوص این افراد را بسازیم
03:50
their unique vocal identities.
85
218223
1536
که از هویت صوتی منحصر به فرد آنها گرفته شده باشد.
03:51
We call this project VocaliD, or vocal I.D.,
86
219759
3203
ما این پروژه را وکالید یا وکال آی. دی نامیدیم
03:54
for vocal identity.
87
222962
2033
برای هویت صوتی.
03:56
Now before I get into the details of how
88
224995
2674
حالا قبل از اینکه من وارد جزئیاتی شوم
03:59
the voice is made and let you listen to it,
89
227669
2048
که چطور این صدا ساخته شده است و بگذارم این صدا را گوش دهید،
04:01
I need to give you a real quick
speech science lesson. Okay?
speech science lesson. Okay?
90
229717
3350
لازم است یک درس واقعا سریع از علم گفتار به شما بدهم.
04:05
So first, we know that the voice is changing
91
233067
3159
خب،ابتدا، ما می دانیم که صدا
04:08
dramatically over the course of development.
92
236226
2854
در طی مسیر رشد به طور چشمگیری تغییر می کند.
04:11
Children sound different from teens
93
239080
2090
صدای بچه ها از نوجوانان متفاوت است
04:13
who sound different from adults.
94
241170
1463
و صدای نوجوانان از افراد مسن متفاوت می باشد.
04:14
We've all experienced this.
95
242633
2642
همه ما این مسئله را تجربه کرده ایم.
04:17
Fact number two is that speech
96
245275
3363
حقیقت شماره دو این است که گفتار
04:20
is a combination of the source,
97
248638
2553
ترکیبی از منبع است
04:23
which is the vibrations generated by your voice box,
98
251191
3479
که منبع ارتعاشات تولید شده از جعبه صدا است،
04:26
which are then pushed through
99
254670
1939
که سپس این ارتعاشات
04:28
the rest of the vocal tract.
100
256609
2437
به بقیه سیستم صوتی رانده می شوند.
04:31
These are the chambers of your head and neck
101
259046
2484
محفظه هایی در سر و گردن شما وجود دارد
04:33
that vibrate,
102
261530
1239
که ارتعاش می کنند
04:34
and they actually filter that source sound
103
262769
2110
و آنها در واقع صدای منبع را فیلتر می کنند
04:36
to produce consonants and vowels.
104
264879
2537
تا حروف بی صدا و صدا دار تولید شوند.
04:39
So the combination of source and filter
105
267416
3860
بنابراین ترکیب منبع و فیلتر،
04:43
is how we produce speech.
106
271276
2630
روشی است که ما گفتار را تولید می کنیم.
04:45
And that happens in one individual.
107
273906
3026
و این مسئله در هر فرد رخ می دهد.
04:48
Now I told you earlier that I'd spent
108
276932
2626
حالا، من قبلا به شما گفتم که
04:51
a good part of my career
109
279558
2025
یک قسمت خوب از کارم را صرف
04:53
understanding and studying
110
281583
2453
فهمیدن و مطالعه کردن
04:56
the source characteristics of people
111
284036
1958
مشخصه های منبع افرادی
04:57
with severe speech disorder,
112
285994
2301
با ناهنجاری های گفتاری شدید کردم،
05:00
and what I've found
113
288295
1465
و چیزی که فهمیدم
05:01
is that even though their filters were impaired,
114
289760
3366
این است که با وجود اینکه فیلتر این افراد آسیب دیده بود،
05:05
they were able to modulate their source:
115
293126
2961
آنها قادر بودند منبع خود را تنظیم کنند:
05:08
the pitch, the loudness, the tempo of their voice.
116
296087
3262
زیر و بمی صدا، بلندی، سرعت صدایشان.
05:11
These are called prosody, and
I've been documenting for years
I've been documenting for years
117
299349
3368
به این مسئله الگو و ریتم صدا می گویند، و من سالها مستندسازی کرده‌ام که
05:14
that the prosodic abilities of these individuals
118
302717
2277
توانایی الگو و ریتم صدای این افراد
05:16
are preserved.
119
304994
1575
حفظ می شود.
05:18
So when I realized that those same cues
120
306569
4087
بنابراین وقتی فهمیدم که آن نشانه
05:22
are also important for speaker identity,
121
310656
2769
نیز برای هویت صحبت کننده مهم هستند،
05:25
I had this idea.
122
313425
2015
این ایده را داشتم
05:27
Why don't we take the source
123
315440
2516
چرا ما منبع را
05:29
from the person we want the voice to sound like,
124
317956
2213
از فردی که می خواهیم صدا، شبیه به صدای او باشد نگیریم
05:32
because it's preserved,
125
320169
1463
زیرا منبع آنها حفظ شده است
05:33
and borrow the filter
126
321632
2135
چرا فیلتر را
05:35
from someone about the same age and size,
127
323767
3229
از فردی که حدودا سن و اندازه مشابهی دارد، قرض نگیریم
05:39
because they can articulate speech,
128
327011
2407
زیرا آنها می توانند گفتار را واضح و شمرده سازند
05:41
and then mix them?
129
329418
1791
و سپس آنها را ترکیب کنیم؟
05:43
Because when we mix them,
130
331209
1787
زیرا وقتی ما آنها را مخلوط کنیم
05:44
we can get a voice that's as clear
131
332996
1698
می توانیم به صدایی به واضحی
05:46
as our surrogate talker --
132
334694
1754
سخن گویان جایگزین مان برسیم
05:48
that's the person we borrowed the filter from—
133
336448
2595
-فردی که ما فیلتر را از او قرض گرفتیم-
05:51
and is similar in identity to our target talker.
134
339043
4649
و ماهیت آن به سخن گوی هدفمان شبیه است.
05:55
It's that simple.
135
343692
1427
مسئله به همین سادگی است.
05:57
That's the science behind what we're doing.
136
345119
2934
این مسئله علمی پشت چیزی است که ما انجام دادیم.
06:00
So once you have that in mind,
137
348053
3533
بنابراین وقتی شما این مسئله را در نظر داشته باشید
06:03
how do you go about building this voice?
138
351586
2258
شما چطور ساخت این صدا را شروع می کنید؟
06:05
Well, you have to find someone
139
353844
1480
خب
06:07
who is willing to be a surrogate.
140
355324
2400
شما باید فردی را پیدا کنید که تمایل داشته باشد فرد جانشین باشد.
06:09
It's not such an ominous thing.
141
357724
2264
این مسئله چیز ناخوشایندی نیست.
06:11
Being a surrogate donor
142
359988
1523
یک دهنده جانشین بودن
06:13
only requires you to say a few hundred
143
361511
2788
تنها نیازمند این است که شما
06:16
to a few thousand utterances.
144
364299
2242
چند صد تا چند هزار سخن را بگویید.
06:18
The process goes something like this.
145
366541
2003
این فرآیند همانند چیزی شبیه به این پیش می رود
06:20
(Video) Voice: Things happen in pairs.
146
368544
2190
چیزها بصورت جفت اتفاق می افتند
06:22
I love to sleep.
147
370734
1925
من دوست دارم بخوابم
06:24
The sky is blue without clouds.
148
372659
3882
آسمان آبی بدون ابر است.
06:28
RP: Now she's going to go on like this
149
376541
2002
حالا او به همین صورت
06:30
for about three to four hours,
150
378543
1919
برای سه تا چهار ساعت ادامه می دهد
06:32
and the idea is not for her to say everything
151
380462
3005
و تصور این نیست که او
06:35
that the target is going to want to say,
152
383467
2045
هر چیزی را بگوید که فرد هدف می خواهد بگوید.
06:37
but the idea is to cover all the different combinations
153
385512
3395
بلکه تصور این است که تمام ترکیب های مختلف
06:40
of the sounds that occur in the language.
154
388907
3271
صداها که در یک زبان اتفاق می افتد، پوشش داده شود.
06:44
The more speech you have,
155
392178
1638
هر چه شما گفتار بیشتری داشته باشید
06:45
the better sounding voice you're going to have.
156
393816
2305
صدای بهتری را خواهید داشت.
06:48
Once you have those recordings,
157
396121
1673
وقتی که شما این صداهای ضبط شده را داشته باشید
06:49
what we need to do
158
397794
1413
چیزی که ما باید انجام دهیم
06:51
is we have to parse these recordings
159
399207
2718
این است که باید این صداهای ضبط شده را
06:53
into little snippets of speech,
160
401925
2449
به قطعات کوچک گفتار تجزیه کنیم
06:56
one- or two-sound combinations,
161
404374
2337
ترکیب یک-یا دو صدا
06:58
sometimes even whole words
162
406711
1883
گاهی حتی تمام کلمات
07:00
that start populating a dataset or a database.
163
408594
4516
که شروع به جمع کردن یک مجموعه داده ها یا یک پایگاه داده می‌کند.
07:05
We're going to call this database a voice bank.
164
413110
3717
ما قصد داریم این پایگاه داده را بانک صدا بنامیم.
07:08
Now the power of the voice bank
165
416827
2096
حالا توانایی بانک صدا
07:10
is that from this voice bank,
166
418923
2014
این است که از این بانک صدا
07:12
we can now say any new utterance,
167
420937
2011
حالا می توانیم هر سخن جدیدی را بگوییم
07:14
like, "I love chocolate" --
168
422948
1424
مثل " من شکلات دوست دارم."
07:16
everyone needs to be able to say that—
169
424372
1739
هر کس نیاز دارد بتواند این جمله را بگوید.
07:18
fish through that database
170
426111
1831
جستجو در آن پایگاه داده
07:19
and find all the segments necessary
171
427942
1940
و پیدا کردن تمام بخش های
07:21
to say that utterance.
172
429882
1929
لازم برای گفتن آن سخن.
07:23
(Video) Voice: I love chocolate.
173
431811
1789
(ویدیو) صدا: من شکلات دوست دارم
07:25
RP: So that's speech synthesis.
174
433600
1391
بنابراین این ساخت گفتار است.
07:26
It's called concatenative synthesis,
and that's what we're using.
and that's what we're using.
175
434991
2573
این مسئله ساخت الحاقی نام دارد و این چیزی است که ما از آن استفاده می کنیم.
07:29
That's not the novel part.
176
437564
1533
این مسئله قسمت جدیدی نیست.
07:31
What's novel is how we make it sound
177
439097
2221
چیزی که جدید است، روشی است که
07:33
like this young woman.
178
441318
1457
ما آ نرا شبیه صدای این دختر جوان کردیم.
07:34
This is Samantha.
179
442775
1524
این سامانتا است.
07:36
I met her when she was nine,
180
444299
2346
من او را وقتی 9 ساله بود ملاقات کردم
07:38
and since then, my team and I
181
446645
1897
و از آن به بعد تیم من و من
07:40
have been trying to build her a personalized voice.
182
448542
2714
تلاش کردیم برای او یک صدای شخصی سازی شده بسازیم.
07:43
We first had to find a surrogate donor,
183
451256
3099
ما اول مجبور بودیم یک دهنده جانشین پیدا کنیم
07:46
and then we had to have Samantha
184
454355
1818
و سپس ما مجبور بودیم از سامانتا بخواهیم
07:48
produce some utterances.
185
456173
1929
چند نطق تولید کند.
07:50
What she can produce are mostly vowel-like sounds,
186
458102
2379
چیزی که او می تواند تولید کند اکثرا صداهایی شبیه به حروف صدا دار است
07:52
but that's enough for us to extract
187
460481
2479
اما همان برای ما کافی بود تا
07:54
her source characteristics.
188
462960
2285
مشخصه های منبع او را استخراج کنیم
07:57
What happens next is best described
189
465245
3271
چیزی که بعدا رخ می دهد به بهترین صورت
08:00
by my daughter's analogy. She's six.
190
468516
2767
با قیاس دختر من توصیف می شود. او شش سال دارد.
08:03
She calls it mixing colors to paint voices.
191
471283
5422
او این مسئله را مخلوط رنگ ها برای رنگ آمیزی صداها می خواند.
08:08
It's beautiful. It's exactly that.
192
476705
2555
آن زیبا است. این مسئله واقعا همین است.
08:11
Samantha's voice is like a concentrated sample
193
479260
2860
صدای سامانتا شبیه یک نمونه غلیظ از
08:14
of red food dye which we can infuse
194
482120
2609
رنگ خوراک قرمزی است که می توانیم آن را
08:16
into the recordings of her surrogate
195
484729
2540
داخل صدای ضبط شده جانشین او بریزیم
08:19
to get a pink voice just like this.
196
487269
4387
تا یک صدای صورتی دقیقا شبیه این بدست آوریم.
08:23
(Video) Samantha: Aaaaaah.
197
491656
4491
(ویدیو) سامانتا: آآآآآ
08:28
RP: So now, Samantha can say this.
198
496147
2808
RP: بنابراین حالا، سامانتا می تواند این را بگوید
08:30
(Video) Samantha: This voice is only for me.
199
498955
3069
(ویدیو) سامانتا: این صدا فقط برای من است.
08:34
I can't wait to use my new voice with my friends.
200
502024
6305
من نمی توانم صبر کنم تا از صدای جدیدم با دوستانم استفاده کنم.
08:40
RP: Thank you. (Applause)
201
508329
6417
متشکرم (تشویق)
08:46
I'll never forget the gentle smile
202
514746
2333
من هرگز آن لبخند ملایمی را
08:49
that spread across her face
203
517079
1902
که در سراسر صورت او گسترده شدفراموش نمی کنم
08:50
when she heard that voice for the first time.
204
518981
3649
وقتی او برای اولین بار آن صدا را شنید.
08:54
Now there's millions of people
205
522630
1882
حالا میلیون ها نفر
08:56
around the world like Samantha, millions,
206
524512
2833
در سراسر دنیا شبیه ساماتا وجود دارد، میلیونها نفر
08:59
and we've only begun to scratch the surface.
207
527345
3440
و ما تنها در ابتدای راه هستیم.
09:02
What we've done so far is we have
208
530785
1642
چیزی که ما تا کنون انجام داده ایم
09:04
a few surrogate talkers from around the U.S.
209
532427
3859
این است که ما تعداد کمی سخن گوی جانشین از سراسر آمریکا داریم که
09:08
who have donated their voices,
210
536286
1507
صدایشان را اهدا کرده اند
09:09
and we have been using those
211
537793
1928
و ما از آنها استفاده کرده ایم
09:11
to build our first few personalized voices.
212
539721
4472
تا تعداد کمی از صداهای شخصی سازی شده اولیه مان را بسازیم.
09:16
But there's so much more work to be done.
213
544193
1756
اما کارهای بسیار بیشتری برای انجام دادن وجود دارد.
09:17
For Samantha, her surrogate
214
545949
2188
برای سامانتا، جانشین او
09:20
came from somewhere in the Midwest, a stranger
215
548137
3046
از جایی در ناحیه مرکزی آمریکا بود، یک غریبه
09:23
who gave her the gift of voice.
216
551183
3841
که هدیه صدا را به او داد.
09:27
And as a scientist, I'm so excited
217
555024
2153
و به عنوان یک محقق،بسیار هیجان زده هستم
09:29
to take this work out of the laboratory
218
557177
1935
که این کار را به خارج از آزمایشگاه ببرم
09:31
and finally into the real world
219
559112
1800
و نهایتا آن را به دنیای واقعی وارد کنم
09:32
so it can have real-world impact.
220
560912
3165
در نتیجه این کار می تواند تاثیری در دنیای واقعی داشته باشد.
09:36
What I want to share with you next
221
564077
1582
چیزی که پس از آن من می خواهم با شما به اشتراک بگذارم
09:37
is how I envision taking this work
222
565659
2175
این است که من چه رویایی
09:39
to that next level.
223
567834
2711
برای بردن این کار به این سطح بعدی دارم.
09:42
I imagine a whole world of surrogate donors
224
570545
3887
من کل دنیایی را از دهنده های جانشین تصور می کنم
09:46
from all walks of life, different sizes, different ages,
225
574432
3260
از تمام موقعیت های اجتماعی، اندازه های مختلف، سن های متفاوت،
09:49
coming together in this voice drive
226
577692
3058
که در این مسیر صدا با هم جمع شوند
09:52
to give people voices
227
580750
2270
تا به افراد صدایی دهند
09:55
that are as colorful as their personalities.
228
583020
3799
که به اندازه شخصیت های آنها رنگارنگ باشد.
09:58
To do that as a first step,
229
586819
2300
برای انجام این کار به عنوان قدم اول،
10:01
we've put together this website, VocaliD.org,
230
589119
3275
ما این سایت اینترنتی را راه اندازی کرده ایم
VocaliD.org
VocaliD.org
10:04
as a way to bring together those
231
592394
1624
به عنوان مسیری برای جمع کردن آنهایی
10:06
who want to join us as voice donors,
232
594018
2675
که می خواهند به ما بپیوندند به عنوان دهنده صدا،
10:08
as expertise donors,
233
596693
1772
به عنوان اهدا کننده مهارتشان،
10:10
in whatever way to make this vision a reality.
234
598465
5339
یا هر راهی که این تصور را به واقعیت تبدیل کند.
10:15
They say that giving blood can save lives.
235
603804
4153
گفته می شود که دادن خون می تواند زندگی ها را نجات دهد.
10:19
Well, giving your voice can change lives.
236
607957
4982
خب، دادن صدایتان می تواند زندگی ها را تغییر دهد.
10:24
All we need is a few hours of speech
237
612939
3050
تمام چیزی که ما نیاز داریم چند ساعت گفتار
10:27
from our surrogate talker,
238
615989
1491
از سخن گوی جانشین ما است،
10:29
and as little as a vowel from our target talker,
239
617480
4733
و به مقدار کمی به اندازه یک حرف باصدا از سخن گوی هدفمان
10:34
to create a unique vocal identity.
240
622213
3711
تا یک هویت صدای منحصربه فرد بسازیم.
10:37
So that's the science behind what we're doing.
241
625924
2626
بنابراین این دانش پشت چیزی است که ما انجام می دهیم.
10:40
I want to end by circling back to the human side
242
628550
4455
من می خواهم سخنم را پایان دهم با برگشتن به جنبه انسانی
10:45
that is really the inspiration for this work.
243
633005
4102
که واقعا الهام بخش این کار بود.
10:49
About five years ago, we built our very first voice
244
637107
3699
حدود پنج سال قبل، ما صدای بسیار اولیه ای خود را
10:52
for a little boy named William.
245
640806
2501
برای یک پسر کوچک به نام ویلیام ساختیم.
10:55
When his mom first heard this voice,
246
643307
2357
وقتی که مادرش اولین بار این صدا را شنید
10:57
she said, "This is what William
247
645664
2345
گفت، " این چیزی است که
11:00
would have sounded like
248
648009
1546
شبیه صدای ویلیام می بود
11:01
had he been able to speak."
249
649555
2449
اگر او قادر بود حرف بزند."
11:04
And then I saw William typing a message
250
652004
2418
و سپس من دیدم که ویلیام دارد
11:06
on his device.
251
654422
1362
پیامی را روی دستگاهش تایپ می کند.
11:07
I wondered, what was he thinking?
252
655784
3293
من شگفت زده شدم، او داشت به چه فکر می کرد؟
11:11
Imagine carrying around someone else's voice
253
659077
3590
تصور کنید صدای فرد دیگری را به دوش بکشید
11:14
for nine years
254
662667
2193
برای نه سال
11:16
and finally finding your own voice.
255
664860
4844
و نهایتا صدای خودتان را پیدا کنید.
11:21
Imagine that.
256
669704
1377
این را تصور کنید.
11:23
This is what William said:
257
671081
2797
این چیزی است که ویلیام گفت:
11:25
"Never heard me before."
258
673878
4463
"قبلا هرگز صدای من را نشنیده بودید."
11:32
Thank you.
259
680417
1619
متشکرم
11:34
(Applause)
260
682036
4724
(تشویق)
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