TEDWomen 2013
Rupal Patel: Synthetic voices, as unique as fingerprints
Rupal Patel: Synthetische stemmen, zo uniek als vingerafdrukken
Filmed:
Readability: 3.9
944,754 views
Velen met een ernstige spraakstoornis gebruiken een spraakcomputer om te communiceren. Ze kunnen maar uit een paar stemmen kiezen. Daarom heeft Stephen Hawking een Amerikaans accent en zijn veel mensen behept met dezelfde stem, wat veelal incongruent overkomt. Spraakwetenschapper Rupal Patel wilde hier iets aan doen. In deze prachtige talk deelt ze haar werk: het construeren van unieke stemmen voor de stemlozen.
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
Ik wil het vandaag hebben
00:14
about a powerful and fundamental aspect
1
2209
2927
over een krachtig en fundamenteel aspect
00:17
of who we are: our voice.
2
5136
3598
van wie we zijn: onze stem.
00:20
Each one of us has a unique voiceprint
3
8734
2746
Ieder van ons heeft
een unieke stemafdruk
een unieke stemafdruk
00:23
that reflects our age, our size,
4
11480
2289
die onze leeftijd
en afmetingen weerspiegelt
en afmetingen weerspiegelt
00:25
even our lifestyle and personality.
5
13769
3237
en zelfs onze manier van leven
en persoonlijkheid.
en persoonlijkheid.
00:29
In the words of the poet Longfellow,
6
17006
2142
Met de woorden van de dichter Longfellow:
00:31
"the human voice is the organ of the soul."
7
19148
3870
"De menselijke stem
is het orgaan van de ziel."
is het orgaan van de ziel."
00:35
As a speech scientist, I'm fascinated
8
23018
2747
Als spraakwetenschapper
ben ik gefascineerd
ben ik gefascineerd
00:37
by how the voice is produced,
9
25765
1829
door hoe de stem wordt geproduceerd.
00:39
and I have an idea for how it can be engineered.
10
27594
3658
Ik heb een idee om
een stem te construeren.
een stem te construeren.
00:43
That's what I'd like to share with you.
11
31252
2210
Dat wil ik graag aan jullie vertellen.
00:45
I'm going to start by playing you a sample
12
33462
1814
Ik zal beginnen met
een stukje te laten horen
een stukje te laten horen
00:47
of a voice that you may recognize.
13
35276
1871
van een stem die je misschien herkent.
00:49
(Recording) Stephen Hawking: "I would have thought
14
37147
1304
(Opname) Stephen Hawking:
"Ik dacht
"Ik dacht
00:50
it was fairly obvious what I meant."
15
38451
2749
dat het vrij duidelijk was
wat ik bedoelde."
wat ik bedoelde."
00:53
Rupal Patel: That was the voice
16
41200
1280
Pupal Patel: Dat was de stem
00:54
of Professor Stephen Hawking.
17
42480
2086
van Professor Stephen Hawking.
00:56
What you may not know is that same voice
18
44566
3849
Wat je misschien niet weet,
is dat dezelfde stem
is dat dezelfde stem
01:00
may also be used by this little girl
19
48415
2478
misschien ook wordt gebruikt
door dit meisje
door dit meisje
01:02
who is unable to speak
20
50893
1697
dat niet kan praten
01:04
because of a neurological condition.
21
52590
2597
vanwege een neurologische aandoening.
01:07
In fact, all of these individuals
22
55187
2068
Misschien gebruiken al deze mensen
01:09
may be using the same voice,
23
57255
2012
wel dezelfde stem,
01:11
and that's because there's
only a few options available.
only a few options available.
24
59267
3557
want er zijn maar een paar opties beschikbaar.
01:14
In the U.S. alone, there are 2.5 million Americans
25
62824
4317
In de VS alleen,
zijn er 2,5 miljoen Amerikanen
zijn er 2,5 miljoen Amerikanen
01:19
who are unable to speak,
26
67141
1610
die niet kunnen praten.
01:20
and many of whom use computerized devices
27
68751
2622
Velen van hen gebruiken spraakcomputers
01:23
to communicate.
28
71373
1522
om te communiceren.
01:24
Now that's millions of people worldwide
29
72895
3479
Dat zijn dus miljoenen mensen wereldwijd
01:28
who are using generic voices,
30
76374
1652
die generieke stemmen gebruiken,
01:30
including Professor Hawking,
31
78026
1446
inclusief Professor Hawking,
01:31
who uses an American-accented voice.
32
79472
4833
die een stem met Amerikaans accent bezigt.
01:36
This lack of individuation of the synthetic voice
33
84305
3328
Dit gebrek aan individualiteit
van de synthetische stem
van de synthetische stem
01:39
really hit home
34
87633
1416
drong pas echt tot me door
01:41
when I was at an assistive technology conference
35
89049
2472
op een conferentie
over hulpmiddelen voor gehandicapten,
over hulpmiddelen voor gehandicapten,
01:43
a few years ago,
36
91521
1850
een paar jaar geleden.
01:45
and I recall walking into an exhibit hall
37
93371
3604
Ik weet nog dat ik een zaal inliep
01:48
and seeing a little girl and a grown man
38
96975
3044
en een meisje en een volwassen man
01:52
having a conversation using their devices,
39
100019
2916
met elkaar zag praten met hun apparaten,
01:54
different devices, but the same voice.
40
102935
4284
verschillende apparaten,
maar dezelfde stem.
maar dezelfde stem.
01:59
And I looked around and I saw this happening
41
107219
1909
Toen keek ik rond en zag dit
02:01
all around me, literally hundreds of individuals
42
109128
4190
overal om me heen:
echt honderden mensen
echt honderden mensen
02:05
using a handful of voices,
43
113318
2738
die een handjevol stemmen bezigden.
02:08
voices that didn't fit their bodies
44
116056
3091
Stemmen die niet pasten bij hun lichaam
02:11
or their personalities.
45
119147
2082
of hun persoonlijkheid.
02:13
We wouldn't dream of fitting a little girl
46
121229
2727
We zouden er niet aan moeten denken
om een klein meisje
om een klein meisje
02:15
with the prosthetic limb of a grown man.
47
123956
3396
de prothese van een volwassen man
aan te meten.
aan te meten.
02:19
So why then the same prosthetic voice?
48
127352
3304
Waarom dan wel dezelfde stemprothese?
02:22
It really struck me,
49
130656
1291
Het raakte me echt.
02:23
and I wanted to do something about this.
50
131947
3151
Ik wilde hier iets aan doen.
02:27
I'm going to play you now a sample
51
135098
1953
Ik zal jullie nu een stukje laten horen
02:29
of someone who has, two people actually,
52
137051
3288
van iemand die -- of eigenlijk
van twee mensen
van twee mensen
02:32
who have severe speech disorders.
53
140339
1768
die een ernstige spraakhandicap hebben.
02:34
I want you to take a listen to how they sound.
54
142107
3230
Ik wil dat je luistert
naar hoe ze klinken.
naar hoe ze klinken.
02:37
They're saying the same utterance.
55
145337
2357
Ze uiten hetzelfde.
02:39
(First voice)
56
147694
2432
(Eerste stem)
02:42
(Second voice)
57
150126
3617
(Tweede stem)
02:45
You probably didn't understand what they said,
58
153743
2412
Je begreep waarschijnlijk niet
wat ze zeiden,
wat ze zeiden,
02:48
but I hope that you heard
59
156155
1854
maar ik hoop dat je
02:50
their unique vocal identities.
60
158009
4283
hun unieke stemidentiteit hoorde.
02:54
So what I wanted to do next is,
61
162292
2813
Vervolgens wilde ik uitvinden
02:57
I wanted to find out how we could harness
62
165105
2384
hoe we de resterende stemvermogens
zouden kunnen vangen
zouden kunnen vangen
02:59
these residual vocal abilities
63
167489
1821
03:01
and build a technology
64
169310
2016
om een technologie te bouwen
03:03
that could be customized for them,
65
171326
2143
die gepersonaliseerd kan worden,
03:05
voices that could be customized for them.
66
173469
2429
gepersonaliseerde stemmen.
03:07
So I reached out to my collaborator, Tim Bunnell.
67
175898
2685
Dus vroeg ik steun aan Tim Bunnel,
met wie ik werk.
met wie ik werk.
03:10
Dr. Bunnell is an expert in speech synthesis,
68
178583
3063
Dr. Bunnell is
een expert in spraaksynthese.
een expert in spraaksynthese.
03:13
and what he'd been doing is building
69
181646
2033
Hij heeft gewerkt aan het bouwen
03:15
personalized voices for people
70
183679
1881
van gepersonaliseerde stemmen voor mensen
03:17
by putting together
71
185560
2097
met behulp van
03:19
pre-recorded samples of their voice
72
187657
2150
vooraf opgenomen fragmenten van hun stem.
03:21
and reconstructing a voice for them.
73
189807
2879
Daarmee reconstrueert hij
stemmen voor hen.
stemmen voor hen.
03:24
These are people who had lost their voice
74
192686
1712
Dat zijn mensen
die hun stem zijn verloren
die hun stem zijn verloren
03:26
later in life.
75
194398
1911
op latere leeftijd.
03:28
We didn't have the luxury
76
196309
1394
Wij hadden niet de luxe
03:29
of pre-recorded samples of speech
77
197703
1774
van vooraf opgenomen stemfragmenten
03:31
for those born with speech disorder.
78
199477
2292
voor degenen
met aangeboren spraakstoornissen.
met aangeboren spraakstoornissen.
03:33
But I thought, there had to be a way
79
201769
2537
Maar ik dacht dat er
een manier moest zijn
een manier moest zijn
03:36
to reverse engineer a voice
80
204306
1944
om een stem te construeren
03:38
from whatever little is left over.
81
206250
2291
uit wat ervan overblijft,
hoe weinig dat ook is.
hoe weinig dat ook is.
03:40
So we decided to do exactly that.
82
208541
2714
Dus besloten we precies dat te doen.
03:43
We set out with a little bit of funding
from the National Science Foundation,
from the National Science Foundation,
83
211255
3403
We begonnen met wat subsidie
van de National Science Foundation
van de National Science Foundation
03:46
to create custom-crafted voices that captured
84
214658
3565
om gepersonaliseerde stemmen te maken
met behoud van
hun unieke vocale identiteiten.
hun unieke vocale identiteiten.
03:50
their unique vocal identities.
85
218223
1536
03:51
We call this project VocaliD, or vocal I.D.,
86
219759
3203
We noemen dit project VocaliD,
of vocaal ID,
of vocaal ID,
03:54
for vocal identity.
87
222962
2033
voor vocale identiteit.
03:56
Now before I get into the details of how
88
224995
2674
Voordat ik in detail treed over hoe
03:59
the voice is made and let you listen to it,
89
227669
2048
de stem wordt gemaakt en hem laat horen,
04:01
I need to give you a real quick
speech science lesson. Okay?
speech science lesson. Okay?
90
229717
3350
moet ik jullie heel even
spraakwetenschapsles geven, oké?
spraakwetenschapsles geven, oké?
04:05
So first, we know that the voice is changing
91
233067
3159
Allereerst weten we dat de stem
gedurende de ontwikkeling
dramatisch verandert.
dramatisch verandert.
04:08
dramatically over the course of development.
92
236226
2854
04:11
Children sound different from teens
93
239080
2090
Kinderen klinken anders dan tieners
04:13
who sound different from adults.
94
241170
1463
die anders klinken dan volwassenen.
04:14
We've all experienced this.
95
242633
2642
Dat hebben we allemaal ervaren.
04:17
Fact number two is that speech
96
245275
3363
Ten tweede is spraak
04:20
is a combination of the source,
97
248638
2553
een combinatie van de bron,
04:23
which is the vibrations generated by your voice box,
98
251191
3479
wat de trillingen van je strottenhoofd zijn,
04:26
which are then pushed through
99
254670
1939
die dan verder worden geduwd
04:28
the rest of the vocal tract.
100
256609
2437
door de rest van het spraakkanaal.
04:31
These are the chambers of your head and neck
101
259046
2484
Dat zijn de holten in je hoofd en nek
04:33
that vibrate,
102
261530
1239
die vibreren.
04:34
and they actually filter that source sound
103
262769
2110
Die filteren dat brongeluid
04:36
to produce consonants and vowels.
104
264879
2537
om klinkers en medeklinkers te produceren.
04:39
So the combination of source and filter
105
267416
3860
Dus de combinatie van bron en filter
04:43
is how we produce speech.
106
271276
2630
is hoe we spraak produceren.
04:45
And that happens in one individual.
107
273906
3026
Dat gebeurt in één individu.
04:48
Now I told you earlier that I'd spent
108
276932
2626
Ik vertelde al eerder dat ik
04:51
a good part of my career
109
279558
2025
een groot deel van mijn carrière
04:53
understanding and studying
110
281583
2453
heb gewijd aan het begrijpen en bestuderen
04:56
the source characteristics of people
111
284036
1958
van de bronkarakteristieken van mensen
04:57
with severe speech disorder,
112
285994
2301
met ernstige spraakstoornissen.
05:00
and what I've found
113
288295
1465
Ik heb vastgesteld
05:01
is that even though their filters were impaired,
114
289760
3366
dat, al waren hun filters verstoord,
05:05
they were able to modulate their source:
115
293126
2961
ze in staat waren
om hun bron te moduleren:
om hun bron te moduleren:
05:08
the pitch, the loudness, the tempo of their voice.
116
296087
3262
de toon, het volume,
het tempo van hun stem.
het tempo van hun stem.
05:11
These are called prosody, and
I've been documenting for years
I've been documenting for years
117
299349
3368
Dat heet de prosodie.
Ik heb jarenlang gedocumenteerd
Ik heb jarenlang gedocumenteerd
05:14
that the prosodic abilities of these individuals
118
302717
2277
dat deze individuen in staat blijven
tot prosodie.
tot prosodie.
05:16
are preserved.
119
304994
1575
05:18
So when I realized that those same cues
120
306569
4087
Dus toen ik me realiseerde
dat diezelfde hints
dat diezelfde hints
05:22
are also important for speaker identity,
121
310656
2769
ook belangrijk zijn
voor de identiteit van de spreker,
voor de identiteit van de spreker,
05:25
I had this idea.
122
313425
2015
kreeg ik dit idee.
05:27
Why don't we take the source
123
315440
2516
Waarom nemen we niet de bron
05:29
from the person we want the voice to sound like,
124
317956
2213
van degene waarop
het stemgeluid moet lijken,
het stemgeluid moet lijken,
05:32
because it's preserved,
125
320169
1463
omdat die bewaard is,
05:33
and borrow the filter
126
321632
2135
en lenen we het filter
05:35
from someone about the same age and size,
127
323767
3229
van iemand die ongeveer
van dezelfde leeftijd en grootte,
van dezelfde leeftijd en grootte,
05:39
because they can articulate speech,
128
327011
2407
die spraak kan articuleren
05:41
and then mix them?
129
329418
1791
en mengen we die vervolgens?
05:43
Because when we mix them,
130
331209
1787
Want als we ze mengen, kunnen we
net zo'n heldere stem krijgen
net zo'n heldere stem krijgen
05:44
we can get a voice that's as clear
131
332996
1698
05:46
as our surrogate talker --
132
334694
1754
als onze surrogaat-spreker --
05:48
that's the person we borrowed the filter from—
133
336448
2595
degene van wie we het filter lenen --
05:51
and is similar in identity to our target talker.
134
339043
4649
met een identiteit die vergelijkbaar is
met onze doelspreker.
met onze doelspreker.
05:55
It's that simple.
135
343692
1427
Zo simpel is het.
05:57
That's the science behind what we're doing.
136
345119
2934
Dat is de wetenschap achter wat we doen.
06:00
So once you have that in mind,
137
348053
3533
Als je dat eenmaal in gedachten hebt,
06:03
how do you go about building this voice?
138
351586
2258
hoe construeer je dan die stem?
06:05
Well, you have to find someone
139
353844
1480
Nou, je moet iemand vinden
06:07
who is willing to be a surrogate.
140
355324
2400
die surrogaat wil zijn.
06:09
It's not such an ominous thing.
141
357724
2264
Dat is niet zo verontrustend.
06:11
Being a surrogate donor
142
359988
1523
Om surrogaatdonor te zijn,
06:13
only requires you to say a few hundred
143
361511
2788
hoef je alleen maar een paar honderd
06:16
to a few thousand utterances.
144
364299
2242
tot een paar duizend uitingen te doen.
06:18
The process goes something like this.
145
366541
2003
Het proces gaat ongeveer zo.
06:20
(Video) Voice: Things happen in pairs.
146
368544
2190
(Video) Stem: Dingen gebeuren in paren.
06:22
I love to sleep.
147
370734
1925
Ik hou van slapen.
06:24
The sky is blue without clouds.
148
372659
3882
De hemel is blauw zonder wolken.
06:28
RP: Now she's going to go on like this
149
376541
2002
RP: Zo gaat ze een uur of drie door,
06:30
for about three to four hours,
150
378543
1919
RP: Zo gaat ze een uur of drie door,
06:32
and the idea is not for her to say everything
151
380462
3005
en het idee is niet
dat ze alles moet zeggen
dat ze alles moet zeggen
06:35
that the target is going to want to say,
152
383467
2045
wat het doel zal willen zeggen,
06:37
but the idea is to cover all the different combinations
153
385512
3395
maar het idee is
om alle verschillende combinaties
om alle verschillende combinaties
06:40
of the sounds that occur in the language.
154
388907
3271
van geluiden die in de taal voorkomen
te vormen.
te vormen.
06:44
The more speech you have,
155
392178
1638
Hoe meer spraak je hebt,
06:45
the better sounding voice you're going to have.
156
393816
2305
hoe beter de resulterende stem
zal klinken.
zal klinken.
06:48
Once you have those recordings,
157
396121
1673
Als je die opnames eenmaal hebt,
06:49
what we need to do
158
397794
1413
moeten we
06:51
is we have to parse these recordings
159
399207
2718
de opnames ontleden
06:53
into little snippets of speech,
160
401925
2449
in kleine spraaksnippertjes,
06:56
one- or two-sound combinations,
161
404374
2337
geluiden of combinaties van twee geluiden,
06:58
sometimes even whole words
162
406711
1883
soms zelfs hele woorden
07:00
that start populating a dataset or a database.
163
408594
4516
die een gegevensverzameling of -bestand
zullen beginnen te vormen.
zullen beginnen te vormen.
07:05
We're going to call this database a voice bank.
164
413110
3717
We zullen dat gegevensbestand
een stembank noemen.
een stembank noemen.
07:08
Now the power of the voice bank
165
416827
2096
De kracht van de stembank
07:10
is that from this voice bank,
166
418923
2014
is dat we vanuit deze stembank
07:12
we can now say any new utterance,
167
420937
2011
nu willekeurige nieuwe uitingen
kunnen doen
kunnen doen
07:14
like, "I love chocolate" --
168
422948
1424
zoals: "Ik hou van chocola" --
07:16
everyone needs to be able to say that—
169
424372
1739
iedereen moet dat kunnen zeggen --
07:18
fish through that database
170
426111
1831
we vissen in het gegevensbestand
07:19
and find all the segments necessary
171
427942
1940
en vinden alle benodigde segmenten
07:21
to say that utterance.
172
429882
1929
om die uiting te doen.
07:23
(Video) Voice: I love chocolate.
173
431811
1789
(Video) Stem: Ik hou van chocola.
07:25
RP: So that's speech synthesis.
174
433600
1391
RP: Dus dat is spraaksynthese.
07:26
It's called concatenative synthesis,
and that's what we're using.
and that's what we're using.
175
434991
2573
Dat heet concatenatieve synthese
en dat doen we.
en dat doen we.
07:29
That's not the novel part.
176
437564
1533
Dat is niet het nieuwe stuk.
07:31
What's novel is how we make it sound
177
439097
2221
Het nieuwe is hoe we het laten klinken
07:33
like this young woman.
178
441318
1457
als deze jonge vrouw.
07:34
This is Samantha.
179
442775
1524
Dit is Samantha.
07:36
I met her when she was nine,
180
444299
2346
Ik heb haar ontmoet
toen ze negen was,
toen ze negen was,
07:38
and since then, my team and I
181
446645
1897
en sindsdien proberen mijn team en ik
07:40
have been trying to build her a personalized voice.
182
448542
2714
voor haar een gepersonaliseerde stem
te construeren.
te construeren.
07:43
We first had to find a surrogate donor,
183
451256
3099
We moesten eerst
een surrogaatdonor voor haar vinden.
een surrogaatdonor voor haar vinden.
07:46
and then we had to have Samantha
184
454355
1818
Daarna moesten we Samantha
07:48
produce some utterances.
185
456173
1929
wat geluiden laten maken.
07:50
What she can produce are mostly vowel-like sounds,
186
458102
2379
Zij kan vooral
klinkerachtige klanken maken,
klinkerachtige klanken maken,
07:52
but that's enough for us to extract
187
460481
2479
maar dat is genoeg voor ons
07:54
her source characteristics.
188
462960
2285
om haar bronkarakteristieken
te extraheren.
te extraheren.
07:57
What happens next is best described
189
465245
3271
Mijn dochter van zes beschrijft wat
dan gebeurt, met een mooie vergelijking.
dan gebeurt, met een mooie vergelijking.
08:00
by my daughter's analogy. She's six.
190
468516
2767
08:03
She calls it mixing colors to paint voices.
191
471283
5422
Ze noemt het kleuren mengen
om stemmen te schilderen.
om stemmen te schilderen.
08:08
It's beautiful. It's exactly that.
192
476705
2555
Dat is prachtig. Het is precies zo.
08:11
Samantha's voice is like a concentrated sample
193
479260
2860
Samantha's stem is net
onverdunde rode kleurstof
onverdunde rode kleurstof
08:14
of red food dye which we can infuse
194
482120
2609
die we kunnen laten intrekken
08:16
into the recordings of her surrogate
195
484729
2540
in de opnames van haar surrogaat
08:19
to get a pink voice just like this.
196
487269
4387
om een roze stem zoals dit te krijgen.
08:23
(Video) Samantha: Aaaaaah.
197
491656
4491
(Video) Samantha: Aaaaaah.
08:28
RP: So now, Samantha can say this.
198
496147
2808
RP: Dus nu kan Samantha dit zeggen.
08:30
(Video) Samantha: This voice is only for me.
199
498955
3069
(Video) Samantha: Deze stem
is alleen voor mij.
is alleen voor mij.
08:34
I can't wait to use my new voice with my friends.
200
502024
6305
Ik kan niet wachten om mijn nieuwe stem
met mijn vrienden te gebruiken.
met mijn vrienden te gebruiken.
08:40
RP: Thank you. (Applause)
201
508329
6417
RP: (Applaus)
Bedankt.
Bedankt.
08:46
I'll never forget the gentle smile
202
514746
2333
Ik zal nooit de zachte glimlach vergeten
08:49
that spread across her face
203
517079
1902
die over haar gezicht kwam
08:50
when she heard that voice for the first time.
204
518981
3649
toen ze die stem voor het eerst hoorde.
08:54
Now there's millions of people
205
522630
1882
Nu zijn er miljoenen mensen ter wereld
08:56
around the world like Samantha, millions,
206
524512
2833
zoals Samantha, miljoenen.
08:59
and we've only begun to scratch the surface.
207
527345
3440
En we hebben nog maar een krasje
op het oppervlak gemaakt.
op het oppervlak gemaakt.
09:02
What we've done so far is we have
208
530785
1642
Tot nu toe hebben we
09:04
a few surrogate talkers from around the U.S.
209
532427
3859
een aantal surrogaatsprekers uit de VS
09:08
who have donated their voices,
210
536286
1507
die hun stem hebben gedoneerd.
09:09
and we have been using those
211
537793
1928
Die hebben we gebruikt
09:11
to build our first few personalized voices.
212
539721
4472
om onze eerste paar
aangepaste stemmen te construeren.
aangepaste stemmen te construeren.
09:16
But there's so much more work to be done.
213
544193
1756
Maar er is zoveel meer werk te doen.
09:17
For Samantha, her surrogate
214
545949
2188
Voor Samantha kwam haar surrogaat
09:20
came from somewhere in the Midwest, a stranger
215
548137
3046
ergens uit het Midwesten, een vreemdeling
09:23
who gave her the gift of voice.
216
551183
3841
die haar de gave
van haar stem schonk.
van haar stem schonk.
09:27
And as a scientist, I'm so excited
217
555024
2153
Als wetenschapper vind ik het zo spannend
09:29
to take this work out of the laboratory
218
557177
1935
om dit werk uit het laboratorium te halen
09:31
and finally into the real world
219
559112
1800
en eindelijk de echte wereld in te nemen
09:32
so it can have real-world impact.
220
560912
3165
zodat het daadwerkelijk
impact kan hebben.
impact kan hebben.
09:36
What I want to share with you next
221
564077
1582
Wat ik nu met jullie wil delen,
09:37
is how I envision taking this work
222
565659
2175
is hoe ik me voorstel dat we dit werk
09:39
to that next level.
223
567834
2711
naar het volgende niveau tillen.
09:42
I imagine a whole world of surrogate donors
224
570545
3887
Ik stel me een hele wereld
van surrogaatdonoren voor
van surrogaatdonoren voor
09:46
from all walks of life, different sizes, different ages,
225
574432
3260
van allerlei pluimage,
verschillende maten en leeftijden,
verschillende maten en leeftijden,
09:49
coming together in this voice drive
226
577692
3058
die allemaal samenkomen
in deze stemopslag
in deze stemopslag
09:52
to give people voices
227
580750
2270
om mensen stemmen te geven
09:55
that are as colorful as their personalities.
228
583020
3799
die net zo kleurig zijn
als hun persoonlijkheid.
als hun persoonlijkheid.
09:58
To do that as a first step,
229
586819
2300
Om dat te doen,
hebben we als eerste stap
hebben we als eerste stap
10:01
we've put together this website, VocaliD.org,
230
589119
3275
een website samengesteld, VocaliD.org,
10:04
as a way to bring together those
231
592394
1624
als verzamelpunt voor diegenen
10:06
who want to join us as voice donors,
232
594018
2675
die zich als stemdonoren
bij ons willen voegen
bij ons willen voegen
10:08
as expertise donors,
233
596693
1772
of als expertisedonoren
10:10
in whatever way to make this vision a reality.
234
598465
5339
om deze visie op welke manier ook
realiteit te laten worden.
realiteit te laten worden.
10:15
They say that giving blood can save lives.
235
603804
4153
Ze zeggen dat bloed geven
levens kan redden.
levens kan redden.
10:19
Well, giving your voice can change lives.
236
607957
4982
Welnu, je stem geven
kan levens veranderen.
kan levens veranderen.
10:24
All we need is a few hours of speech
237
612939
3050
Het enige dat we nodig hebben,
zijn een paar uren spraak
zijn een paar uren spraak
10:27
from our surrogate talker,
238
615989
1491
van onze surrogaatspreker,
10:29
and as little as a vowel from our target talker,
239
617480
4733
en maar een klinker
van onze doelspreker
van onze doelspreker
10:34
to create a unique vocal identity.
240
622213
3711
om een unieke stemidentiteit te creëren.
10:37
So that's the science behind what we're doing.
241
625924
2626
Dus dat is de wetenschap
achter wat we doen.
achter wat we doen.
10:40
I want to end by circling back to the human side
242
628550
4455
Ik wil afsluiten door terug te komen
op de menselijke kant
op de menselijke kant
10:45
that is really the inspiration for this work.
243
633005
4102
die de eigenlijke inspiratie is
voor dit werk.
voor dit werk.
10:49
About five years ago, we built our very first voice
244
637107
3699
Ongeveer vijf jaar geleden
construeerden we onze allereerste stem
construeerden we onze allereerste stem
10:52
for a little boy named William.
245
640806
2501
voor een jongetje dat William heet.
10:55
When his mom first heard this voice,
246
643307
2357
Toen zijn moeder deze stem
voor het eerst hoorde,
voor het eerst hoorde,
10:57
she said, "This is what William
247
645664
2345
zei ze: "Dit is hoe William
11:00
would have sounded like
248
648009
1546
zou hebben geklonken
11:01
had he been able to speak."
249
649555
2449
als hij kon praten."
11:04
And then I saw William typing a message
250
652004
2418
En toen zag ik William een bericht typen
11:06
on his device.
251
654422
1362
op zijn apparaat.
11:07
I wondered, what was he thinking?
252
655784
3293
Ik vroeg me af wat hij dacht.
11:11
Imagine carrying around someone else's voice
253
659077
3590
Stel je voor dat je negen jaar lang
rondloopt met andermans stem
rondloopt met andermans stem
11:14
for nine years
254
662667
2193
11:16
and finally finding your own voice.
255
664860
4844
en eindelijk je eigen stem tegenkomt.
11:21
Imagine that.
256
669704
1377
Stel je voor.
11:23
This is what William said:
257
671081
2797
Dit is wat William zei:
11:25
"Never heard me before."
258
673878
4463
"Nooit eerder mezelf gehoord."
11:32
Thank you.
259
680417
1619
Bedankt.
11:34
(Applause)
260
682036
4724
(Applaus)
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