TEDWomen 2013
Rupal Patel: Synthetic voices, as unique as fingerprints
Rupal Patel: Parmak izleri kadar özgün yapay sesler
Filmed:
Readability: 3.9
944,754 views
Ciddi konuşma bozukluğu olanların çoğu iletişim kurmak için bilgisayar donanımlı araçlar kullanır. Fakat çok sayılı seçenek arasından seçim yaparlar. Stephen Hawking'in Amerikan aksanlı bir ses kullanmasının ve çoğu insanın sıklıkla uyuşmaz etkilerle aynı sesi kullanmasının nedeni budur. Rupal Patel bu konuda bir şeyler yapmak istiyor ve bu harika konuşmada konuşamayanlar için özgün sesler tasarlama çalışmasını paylaşıyor.
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
Bugün kim olduğumuza dair
00:14
about a powerful and fundamental aspect
1
2209
2927
güçlü ve temel bir husus hakkında
00:17
of who we are: our voice.
2
5136
3598
konuşmak istiyorum: sesimiz.
00:20
Each one of us has a unique voiceprint
3
8734
2746
Her birimiz yaşımızı, bedenimizi
00:23
that reflects our age, our size,
4
11480
2289
hatta yaşam tarzımızı ve kişiliğimizi
00:25
even our lifestyle and personality.
5
13769
3237
yansıtan özgün ses özelliklerine sahibiz.
00:29
In the words of the poet Longfellow,
6
17006
2142
Şair Longfellow'un deyişiyle
00:31
"the human voice is the organ of the soul."
7
19148
3870
"İnsan sesi ruhun organıdır.''
00:35
As a speech scientist, I'm fascinated
8
23018
2747
Bir konuşma bilimcisi olarak,
sesin nasıl üretildiğine hayranım
00:37
by how the voice is produced,
9
25765
1829
00:39
and I have an idea for how it can be engineered.
10
27594
3658
ve onun tasarımına dair bir fikrim var.
00:43
That's what I'd like to share with you.
11
31252
2210
Sizinle paylaşmak istediğim de bu.
00:45
I'm going to start by playing you a sample
12
33462
1814
Tanıyabileceğiniz bir ses örneğini
00:47
of a voice that you may recognize.
13
35276
1871
dinleterek başlayacağım.
00:49
(Recording) Stephen Hawking: "I would have thought
14
37147
1304
(Ses kaydı) Stephen Hawking:
Demek istediğimin oldukça
Demek istediğimin oldukça
00:50
it was fairly obvious what I meant."
15
38451
2749
aşikar olduğunu düşünürdüm.
00:53
Rupal Patel: That was the voice
16
41200
1280
Rupal Patel: Bu Prof. Stephen
Hawking'in sesiydi.
Hawking'in sesiydi.
00:54
of Professor Stephen Hawking.
17
42480
2086
00:56
What you may not know is that same voice
18
44566
3849
Sizin bilmiyor olabileceğiniz şey
aynı sesin nörolojik bir koşuldan dolayı
01:00
may also be used by this little girl
19
48415
2478
konuşamayan bu küçük kız tarafından
01:02
who is unable to speak
20
50893
1697
da kullanılabileceğidir.
01:04
because of a neurological condition.
21
52590
2597
01:07
In fact, all of these individuals
22
55187
2068
Açıkçası, bütün bu bireyler
01:09
may be using the same voice,
23
57255
2012
sayılı seçenekleri olduğundan dolayı
01:11
and that's because there's
only a few options available.
only a few options available.
24
59267
3557
aynı sesi kullanıyor olabilirler.
01:14
In the U.S. alone, there are 2.5 million Americans
25
62824
4317
Sadece ABD'de konuşamayan
2.5 milyon Amerikan var
2.5 milyon Amerikan var
ve bunların çoğu
01:19
who are unable to speak,
26
67141
1610
01:20
and many of whom use computerized devices
27
68751
2622
iletişim kurabilmek için
bilgisayar donanımlı
bilgisayar donanımlı
01:23
to communicate.
28
71373
1522
araçlar kullanıyorlar.
01:24
Now that's millions of people worldwide
29
72895
3479
Dünya genelinde jenerik sesleri kullanan
01:28
who are using generic voices,
30
76374
1652
milyonlarca insan var.
01:30
including Professor Hawking,
31
78026
1446
Buna Amerikan aksanlı sesi kullanan
01:31
who uses an American-accented voice.
32
79472
4833
Stephan Hawking de dahil.
01:36
This lack of individuation of the synthetic voice
33
84305
3328
Birkaç yıl önce yardımcı teknoloji
01:39
really hit home
34
87633
1416
ürünleri konferansında
01:41
when I was at an assistive technology conference
35
89049
2472
yapay sesin bireysellikten yoksunluğu
01:43
a few years ago,
36
91521
1850
beni derinden sarstı
01:45
and I recall walking into an exhibit hall
37
93371
3604
ve bir sergi salonunda
01:48
and seeing a little girl and a grown man
38
96975
3044
kendi cihazlarıyla iletişim kuran
01:52
having a conversation using their devices,
39
100019
2916
farklı cihazları fakat aynı sesi kullanan
01:54
different devices, but the same voice.
40
102935
4284
küçük bir kızla yetişkin birini anımsadım.
01:59
And I looked around and I saw this happening
41
107219
1909
Etrafıma baktım ve bunun
02:01
all around me, literally hundreds of individuals
42
109128
4190
tüm çevremde böyle olduğunu gördüm.
Abartısız yüzlerce birey
02:05
using a handful of voices,
43
113318
2738
kendi bedenlerine ve
02:08
voices that didn't fit their bodies
44
116056
3091
kişiliklerine uymayan
bir avuç sesi kullanıyordu.
bir avuç sesi kullanıyordu.
02:11
or their personalities.
45
119147
2082
02:13
We wouldn't dream of fitting a little girl
46
121229
2727
Küçük bir kıza yetişkin bir bireyin
02:15
with the prosthetic limb of a grown man.
47
123956
3396
prostetik bacağını yerleştirmeyi düşünmeyiz.
02:19
So why then the same prosthetic voice?
48
127352
3304
Peki neden aynı ses?
02:22
It really struck me,
49
130656
1291
Bu sahiden kafama dank etti
02:23
and I wanted to do something about this.
50
131947
3151
ve bu konuda bir şeyler yapmak istedim.
02:27
I'm going to play you now a sample
51
135098
1953
Şimdi sizlere ciddi konuşma bozuklukları
02:29
of someone who has, two people actually,
52
137051
3288
olan birinin -aslında iki kişi-
02:32
who have severe speech disorders.
53
140339
1768
örneklerini dinleteceğim.
02:34
I want you to take a listen to how they sound.
54
142107
3230
Seslerinin nasıl çıktığını
dinlemenizi istiyorum.
02:37
They're saying the same utterance.
55
145337
2357
Her ikisi de aynı şeyi söylüyorlar.
(Birinci ses)
02:39
(First voice)
56
147694
2432
02:42
(Second voice)
57
150126
3617
(İkinci ses)
02:45
You probably didn't understand what they said,
58
153743
2412
Muhtemelen ne söylediklerini anlamadınız,
02:48
but I hope that you heard
59
156155
1854
fakat kendi özgün ses kimliklerini
02:50
their unique vocal identities.
60
158009
4283
duyduğunuzu umuyorum
02:54
So what I wanted to do next is,
61
162292
2813
Bundan sonra yapmak istediğim şey
02:57
I wanted to find out how we could harness
62
165105
2384
kalan bu ses yeteneklerinden
02:59
these residual vocal abilities
63
167489
1821
nasıl yararlanabileceğimizi bulmak
03:01
and build a technology
64
169310
2016
ve onlar için kişiselleştirilmiş
03:03
that could be customized for them,
65
171326
2143
bir teknoloji geliştirmekti,
03:05
voices that could be customized for them.
66
173469
2429
kendilerine özgü olabilecek sesler.
03:07
So I reached out to my collaborator, Tim Bunnell.
67
175898
2685
Bu yüzden iş arkadaşım
Tim Bunnell'e ulaştım.
Tim Bunnell'e ulaştım.
03:10
Dr. Bunnell is an expert in speech synthesis,
68
178583
3063
Dr. Bunnell yapay konuşma uzmanıdır.
03:13
and what he'd been doing is building
69
181646
2033
Onun yapmakta olduğu şey
insanların önceden kaydedilmiş seslerini
03:15
personalized voices for people
70
183679
1881
03:17
by putting together
71
185560
2097
bir araya getirerek
03:19
pre-recorded samples of their voice
72
187657
2150
onlar için yeniden
03:21
and reconstructing a voice for them.
73
189807
2879
kişiselleştirilmiş sesler oluşturmaktı.
03:24
These are people who had lost their voice
74
192686
1712
Bu kişiler
seslerini sonradan kaybeden insanlardı.
03:26
later in life.
75
194398
1911
03:28
We didn't have the luxury
76
196309
1394
Konuşma hastalıklarıyla doğanlar için
03:29
of pre-recorded samples of speech
77
197703
1774
önceden kaydedilmiş ses örneklerine
03:31
for those born with speech disorder.
78
199477
2292
sahip olmak gibi bir lüksümüz yoktu.
03:33
But I thought, there had to be a way
79
201769
2537
Fakat sesten geriye ne kaldıysa
03:36
to reverse engineer a voice
80
204306
1944
onu geri döndürmek için
03:38
from whatever little is left over.
81
206250
2291
bir yol olması gerektiğini düşündüm.
03:40
So we decided to do exactly that.
82
208541
2714
Ve biz de tam olarak
bunu yapmaya karar verdik.
bunu yapmaya karar verdik.
03:43
We set out with a little bit of funding
from the National Science Foundation,
from the National Science Foundation,
83
211255
3403
Kişisel özgün ses özellikleriyle
özel hazırlanmış sesler oluşturmak için
03:46
to create custom-crafted voices that captured
84
214658
3565
öncelikle Uluslarası Bilim Kuruluşundan
bir miktar finansman
sağlayarak yola çıktık.
sağlayarak yola çıktık.
03:50
their unique vocal identities.
85
218223
1536
03:51
We call this project VocaliD, or vocal I.D.,
86
219759
3203
Bu projeye ses kimliğinden dolayı
VocaliD veya vocal I.D. adını verdik.
03:54
for vocal identity.
87
222962
2033
03:56
Now before I get into the details of how
88
224995
2674
Şimdi size sesi dinletmeden
ve nasıl yapıldığına dair
detaylara inmeden önce,
detaylara inmeden önce,
03:59
the voice is made and let you listen to it,
89
227669
2048
04:01
I need to give you a real quick
speech science lesson. Okay?
speech science lesson. Okay?
90
229717
3350
hızlı bir konuşma bilimi
dersi vermem gerekiyor.
dersi vermem gerekiyor.
Tamam mı?
04:05
So first, we know that the voice is changing
91
233067
3159
Öncelikle insanın gelişimi boyunca
sesin önemli ölçüde
değiştiğini biliyorduk.
değiştiğini biliyorduk.
04:08
dramatically over the course of development.
92
236226
2854
04:11
Children sound different from teens
93
239080
2090
Bir çocuğun sesi gencin sesinden,
gencinki de yaşlınınkinden farklıdır.
04:13
who sound different from adults.
94
241170
1463
04:14
We've all experienced this.
95
242633
2642
Bunu hepimiz yaşamışızdır.
04:17
Fact number two is that speech
96
245275
3363
İkinci gerçek,
konuşmanın gırtlağınızda üretilip
04:20
is a combination of the source,
97
248638
2553
daha sonra
04:23
which is the vibrations generated by your voice box,
98
251191
3479
kalan ses kanalınız boyunca
iletilen titreşimlerinden kaynaklanan
04:26
which are then pushed through
99
254670
1939
04:28
the rest of the vocal tract.
100
256609
2437
bir kombinasyon olduğudur.
04:31
These are the chambers of your head and neck
101
259046
2484
Bunlar başınızda ve boynunuzda
04:33
that vibrate,
102
261530
1239
titreşen boşluklardır
04:34
and they actually filter that source sound
103
262769
2110
ve gerçekten de
kaynak sesleri filtreleyerek
04:36
to produce consonants and vowels.
104
264879
2537
sesli ve sessizleri üretirler.
04:39
So the combination of source and filter
105
267416
3860
Böylelikle kaynakların kombinasyonu
ve filtre sayesinde
ve filtre sayesinde
04:43
is how we produce speech.
106
271276
2630
biz ses üretiriz.
04:45
And that happens in one individual.
107
273906
3026
Bir bireyde meydana gelenler bunlardır.
04:48
Now I told you earlier that I'd spent
108
276932
2626
Sizlere önceden
kariyerimin büyük bir kısmını
04:51
a good part of my career
109
279558
2025
04:53
understanding and studying
110
281583
2453
ciddi konuşma bozukları olan insanların
kaynak özelliklerini çalışarak ve
anlayarak geçirdiğimi söylemiştim.
anlayarak geçirdiğimi söylemiştim.
04:56
the source characteristics of people
111
284036
1958
04:57
with severe speech disorder,
112
285994
2301
05:00
and what I've found
113
288295
1465
Ve bulduğum şey,
05:01
is that even though their filters were impaired,
114
289760
3366
onların filtreleri harap olmuş olsa dahi
05:05
they were able to modulate their source:
115
293126
2961
seslerinin kaynaklarını
ayarlayabiliyor olduklarıydı:
ayarlayabiliyor olduklarıydı:
05:08
the pitch, the loudness, the tempo of their voice.
116
296087
3262
Ses perdesi, ses şiddeti, ses temposu.
05:11
These are called prosody, and
I've been documenting for years
I've been documenting for years
117
299349
3368
Bunlara bürün denir
ve ben yıllardır bu bireylerin
05:14
that the prosodic abilities of these individuals
118
302717
2277
bürünsel özelliklerinin
korunduğunu belgeliyorum.
korunduğunu belgeliyorum.
05:16
are preserved.
119
304994
1575
05:18
So when I realized that those same cues
120
306569
4087
Bu işaretlerin konuşmacı kimliği için de
önemli olduğunu farkettiğimde
önemli olduğunu farkettiğimde
05:22
are also important for speaker identity,
121
310656
2769
05:25
I had this idea.
122
313425
2015
şöyle bir fikrim oluştu.
05:27
Why don't we take the source
123
315440
2516
Neden kaynağı, sesin benzemesini
istediğimiz kişiden almıyoruz?
istediğimiz kişiden almıyoruz?
05:29
from the person we want the voice to sound like,
124
317956
2213
05:32
because it's preserved,
125
320169
1463
Çünkü kaynak korunmuştur.
05:33
and borrow the filter
126
321632
2135
Filtreyi de aynı yaşlarda
ve boyutlarda olan birinden alalım
ve boyutlarda olan birinden alalım
05:35
from someone about the same age and size,
127
323767
3229
05:39
because they can articulate speech,
128
327011
2407
çünkü onlar açıkça konuşabiliyorlar.
Daha sonra bunları karıştıralım.
05:41
and then mix them?
129
329418
1791
05:43
Because when we mix them,
130
331209
1787
Çünkü bunları karıştırdığımızda
05:44
we can get a voice that's as clear
131
332996
1698
vekil konuşmacımızınki kadar temiz
05:46
as our surrogate talker --
132
334694
1754
05:48
that's the person we borrowed the filter from—
133
336448
2595
- bu filtreyi aldığımız kişi -
05:51
and is similar in identity to our target talker.
134
339043
4649
ve kimlik olarak hedef konuşmacımızınkiyle
aynı bir ses elde edebiliriz.
aynı bir ses elde edebiliriz.
05:55
It's that simple.
135
343692
1427
İşte bu kadar basit.
Yapıyor olduğumuz şeyin
arkasındaki bilim bu.
arkasındaki bilim bu.
05:57
That's the science behind what we're doing.
136
345119
2934
06:00
So once you have that in mind,
137
348053
3533
Bunu bir kere aklına koyduktan sonra
06:03
how do you go about building this voice?
138
351586
2258
sesi inşa etme işine nasıl koyuluyorsun?
06:05
Well, you have to find someone
139
353844
1480
Peki, vekil olmaya istekli birini
bulman gerekiyor.
bulman gerekiyor.
06:07
who is willing to be a surrogate.
140
355324
2400
06:09
It's not such an ominous thing.
141
357724
2264
Bu uğursuz bir şey değil.
06:11
Being a surrogate donor
142
359988
1523
Vekil olmak yalnızca
06:13
only requires you to say a few hundred
143
361511
2788
birkaç yüz ile birkaç bin arasında
06:16
to a few thousand utterances.
144
364299
2242
cümle söylemeni gerektiriyor.
06:18
The process goes something like this.
145
366541
2003
Süreç bunun gibi işliyor.
06:20
(Video) Voice: Things happen in pairs.
146
368544
2190
(Video) Ses: Olaylar
çift olarak gerçekleşir.
çift olarak gerçekleşir.
06:22
I love to sleep.
147
370734
1925
Uyumayı severim.
06:24
The sky is blue without clouds.
148
372659
3882
Gökyüzü bulutlar olmadan mavidir.
06:28
RP: Now she's going to go on like this
149
376541
2002
Bu şekilde üç veya dört saat devam ediyor.
06:30
for about three to four hours,
150
378543
1919
Düşüncemiz, hedefin söylemek istediği
her şeyi söyletmek değil,
her şeyi söyletmek değil,
06:32
and the idea is not for her to say everything
151
380462
3005
06:35
that the target is going to want to say,
152
383467
2045
06:37
but the idea is to cover all the different combinations
153
385512
3395
Düşüncemiz, söylediklerinin dilde bulunan
06:40
of the sounds that occur in the language.
154
388907
3271
tüm farklı seslerin
kombinasyonlarını içermesi.
kombinasyonlarını içermesi.
06:44
The more speech you have,
155
392178
1638
Ne kadar çok konuşma olursa
06:45
the better sounding voice you're going to have.
156
393816
2305
o kadar iyi bir sese sahip olursunuz.
06:48
Once you have those recordings,
157
396121
1673
Bu kayıtlara sahip olduğumuzda
06:49
what we need to do
158
397794
1413
yapmamız gereken şey
06:51
is we have to parse these recordings
159
399207
2718
onları küçük konuşma kırpıntılarına
ayrıştırmaktır.
ayrıştırmaktır.
06:53
into little snippets of speech,
160
401925
2449
06:56
one- or two-sound combinations,
161
404374
2337
Bir veya iki sesli kombinasyonlara.
06:58
sometimes even whole words
162
406711
1883
Bazen bir veri kümesini veya veritabanını
07:00
that start populating a dataset or a database.
163
408594
4516
doldurmaya başlayan tüm kelimeleri.
07:05
We're going to call this database a voice bank.
164
413110
3717
Bu veritabanlarına ses bankası diyeceğiz.
07:08
Now the power of the voice bank
165
416827
2096
Ses bankasının gücü şudur:
07:10
is that from this voice bank,
166
418923
2014
ses bankasının yardımıyla
07:12
we can now say any new utterance,
167
420937
2011
herhangi yeni bir cümleyi,
07:14
like, "I love chocolate" --
168
422948
1424
"Çikolatayı severim." gibi
-herkes bunu söyleyebilmeli-
-herkes bunu söyleyebilmeli-
07:16
everyone needs to be able to say that—
169
424372
1739
07:18
fish through that database
170
426111
1831
veri tabanından
bu cümleyi söylemek için
07:19
and find all the segments necessary
171
427942
1940
gerekli tüm bölütleri araştırıyoruz
07:21
to say that utterance.
172
429882
1929
07:23
(Video) Voice: I love chocolate.
173
431811
1789
(Video)Ses: Çikolata severim.
RP: İşte bu ses sentezi.
07:25
RP: So that's speech synthesis.
174
433600
1391
Buna bitişik sentez deniliyor ve
biz de bunu kullanıyoruz.
biz de bunu kullanıyoruz.
07:26
It's called concatenative synthesis,
and that's what we're using.
and that's what we're using.
175
434991
2573
07:29
That's not the novel part.
176
437564
1533
Özgün olan kısmı burası değil.
07:31
What's novel is how we make it sound
177
439097
2221
Özgün olan kısmı bunu nasıl
bu genç bayanın sesine benzetebildiğimiz.
07:33
like this young woman.
178
441318
1457
07:34
This is Samantha.
179
442775
1524
Bu Samantha.
Onunla o dokuz yaşındayken tanıştım
07:36
I met her when she was nine,
180
444299
2346
07:38
and since then, my team and I
181
446645
1897
ve tanıştığımızdan beri
ben ve ekibim ona özel bir ses
inşa etmek için uğraşıyoruz.
inşa etmek için uğraşıyoruz.
07:40
have been trying to build her a personalized voice.
182
448542
2714
07:43
We first had to find a surrogate donor,
183
451256
3099
Öncelikle bir vekil donör bulmuştuk,
07:46
and then we had to have Samantha
184
454355
1818
ardından Samantha’ya
07:48
produce some utterances.
185
456173
1929
bir şeyler söyletmemiz gerekmişti.
Onun ürettiği sesler daha çok
sesli harf benzeriydi
sesli harf benzeriydi
07:50
What she can produce are mostly vowel-like sounds,
186
458102
2379
07:52
but that's enough for us to extract
187
460481
2479
fakat onun sesinin kaynağını
özütleyebilmemiz için
özütleyebilmemiz için
07:54
her source characteristics.
188
462960
2285
bu bize yeterli değildi.
07:57
What happens next is best described
189
465245
3271
Daha sonra olanları
en iyi tarif eden şey
08:00
by my daughter's analogy. She's six.
190
468516
2767
altı yaşındaki kızımın benzetmesi oldu.
08:03
She calls it mixing colors to paint voices.
191
471283
5422
Kızım buna
sesleri çizmek için
renkleri karıştırmak diyor.
renkleri karıştırmak diyor.
08:08
It's beautiful. It's exactly that.
192
476705
2555
Çok güzel, yaptığımız şey tam olarak bu.
08:11
Samantha's voice is like a concentrated sample
193
479260
2860
Samantha’nın sesi konsantre kırmızı
meyve boyası örneği gibiydi.
meyve boyası örneği gibiydi.
08:14
of red food dye which we can infuse
194
482120
2609
Pembe bir ses elde etmek için
08:16
into the recordings of her surrogate
195
484729
2540
onu vekilinin kayıtlarıyla
aşılayabilirdik.
aşılayabilirdik.
08:19
to get a pink voice just like this.
196
487269
4387
Aynen böyle.
(Video) Samantha: Aaaaaah.
08:23
(Video) Samantha: Aaaaaah.
197
491656
4491
08:28
RP: So now, Samantha can say this.
198
496147
2808
RP: Şimdi Samantha bunu söyleyebiliyor.
(Video) Samantha: Bu ses
sadece benim için.
sadece benim için.
08:30
(Video) Samantha: This voice is only for me.
199
498955
3069
08:34
I can't wait to use my new voice with my friends.
200
502024
6305
Yeni sesimi arkadaşlarımla
kullanmak için sabırsızlanıyorum.
kullanmak için sabırsızlanıyorum.
08:40
RP: Thank you. (Applause)
201
508329
6417
RP: Teşekkürler.
(Alkışlar)
08:46
I'll never forget the gentle smile
202
514746
2333
Bu sesi ilk duyduğunda
yüzüne yayılan tatlı gülümsemeyi
08:49
that spread across her face
203
517079
1902
08:50
when she heard that voice for the first time.
204
518981
3649
hiçbir zaman unutamayacağım.
08:54
Now there's millions of people
205
522630
1882
Şu anda Dünya’nın her tarafında
08:56
around the world like Samantha, millions,
206
524512
2833
Samantha gibi milyonlarca insan var
08:59
and we've only begun to scratch the surface.
207
527345
3440
ve biz sadece ilk adımı atarak başladık.
09:02
What we've done so far is we have
208
530785
1642
Şimdiye kadar ABD’den
09:04
a few surrogate talkers from around the U.S.
209
532427
3859
kendi seslerini bağışlayan
birkaç vekil konuşmacımız var
09:08
who have donated their voices,
210
536286
1507
09:09
and we have been using those
211
537793
1928
ve biz onlarla
09:11
to build our first few personalized voices.
212
539721
4472
ilk kişileştirilmiş seslerimizi kuruyoruz.
09:16
But there's so much more work to be done.
213
544193
1756
Fakat yapılacak daha çok fazla iş var.
09:17
For Samantha, her surrogate
214
545949
2188
Samantha için
vekili Ortabatı'dan bir yerden geliyordu,
09:20
came from somewhere in the Midwest, a stranger
215
548137
3046
ona ses hediyesini veren bir yabancı.
09:23
who gave her the gift of voice.
216
551183
3841
09:27
And as a scientist, I'm so excited
217
555024
2153
Ve bir bilimci olarak, bu çalışmayı
09:29
to take this work out of the laboratory
218
557177
1935
sonunda laboratuvardan gerçek dünyaya
09:31
and finally into the real world
219
559112
1800
çıkarabildiğim için çok heyecanlıyım.
09:32
so it can have real-world impact.
220
560912
3165
Böylece gerçek-dünya etkisi olabilir.
Sizinle paylaşmak istediğim diğer şeyse
09:36
What I want to share with you next
221
564077
1582
09:37
is how I envision taking this work
222
565659
2175
bu çalışmayı bir sonraki seviyeye taşımayı
09:39
to that next level.
223
567834
2711
zihnimde nasıl canlandırdığım.
Farklı yaşlardan, farklı bedenlerden
09:42
I imagine a whole world of surrogate donors
224
570545
3887
toplumun her kesiminden
09:46
from all walks of life, different sizes, different ages,
225
574432
3260
vekil donörlerin
insanlara kendi kişilikleri kadar
09:49
coming together in this voice drive
226
577692
3058
renkli sesler vermek için
bu ses koşusunda bir araya geldiği
09:52
to give people voices
227
580750
2270
bir bütün dünya hayal ediyorum.
09:55
that are as colorful as their personalities.
228
583020
3799
09:58
To do that as a first step,
229
586819
2300
Bunu gerçekleştirmek için ilk adım olarak,
10:01
we've put together this website, VocaliD.org,
230
589119
3275
VocaliD.org web sitesini kurduk ve
10:04
as a way to bring together those
231
592394
1624
ses donörü, uzman ses donörü olarak
10:06
who want to join us as voice donors,
232
594018
2675
bu hayali herhangi bir şekilde
gerçeğe dönüştürmek için
gerçeğe dönüştürmek için
10:08
as expertise donors,
233
596693
1772
10:10
in whatever way to make this vision a reality.
234
598465
5339
katılmak isteyen insanları
bir araya getirmek istedik.
10:15
They say that giving blood can save lives.
235
603804
4153
Kan vermenin
hayat kurtarabileceğini söylerler.
hayat kurtarabileceğini söylerler.
10:19
Well, giving your voice can change lives.
236
607957
4982
Sesinizi vermek de hayatları
değiştirebilir.
değiştirebilir.
10:24
All we need is a few hours of speech
237
612939
3050
Özgün ses kimliği oluşturmak için
bize gereken tek şey
bize gereken tek şey
10:27
from our surrogate talker,
238
615989
1491
vekil donörümüzden
sadece birkaç saatlik konuşma
sadece birkaç saatlik konuşma
10:29
and as little as a vowel from our target talker,
239
617480
4733
ve hedef konuşmacımızdan da
çok az bir sesli harftir.
çok az bir sesli harftir.
10:34
to create a unique vocal identity.
240
622213
3711
10:37
So that's the science behind what we're doing.
241
625924
2626
İşte yapmakta olduğumuz şeyin
arkasındaki bilim bu.
arkasındaki bilim bu.
10:40
I want to end by circling back to the human side
242
628550
4455
Bu çalışmanın gerçekten ilhamı olan
insan tarafına geri dönerek
10:45
that is really the inspiration for this work.
243
633005
4102
bitirmek istiyorum.
10:49
About five years ago, we built our very first voice
244
637107
3699
Yaklaşık beş sene önce
Willliam adında küçük bir oğlana
10:52
for a little boy named William.
245
640806
2501
ilk sesimizi inşa etmiştik.
Annesi bu sesi ilk duyduğunda
şöyle demişti:
şöyle demişti:
10:55
When his mom first heard this voice,
246
643307
2357
10:57
she said, "This is what William
247
645664
2345
"Eğer William konuşabilseydi
11:00
would have sounded like
248
648009
1546
sahip olacağı ses bu olurdu."
11:01
had he been able to speak."
249
649555
2449
11:04
And then I saw William typing a message
250
652004
2418
Ve daha sonra William'ı
kendi cihazıyla bir mesaj
yazarken görmüştüm.
yazarken görmüştüm.
11:06
on his device.
251
654422
1362
11:07
I wondered, what was he thinking?
252
655784
3293
Ne düşündüğünü merak etmiştim.
11:11
Imagine carrying around someone else's voice
253
659077
3590
Başka birinin sesini
dokuz yıl taşıdıktan sonra
11:14
for nine years
254
662667
2193
sonunda kendi sesinizi
bulduğunuzu düşünün.
bulduğunuzu düşünün.
11:16
and finally finding your own voice.
255
664860
4844
11:21
Imagine that.
256
669704
1377
Bunu hayal edin.
11:23
This is what William said:
257
671081
2797
William’ın söylediği şuydu:
"Beni daha önce hiç duymadınız."
11:25
"Never heard me before."
258
673878
4463
Teşekkürler.
11:32
Thank you.
259
680417
1619
(Alkışlar)
11:34
(Applause)
260
682036
4724
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