TEDWomen 2013
Rupal Patel: Synthetic voices, as unique as fingerprints
Rupal Patel: လက်ဗွေလိုပဲ တစ်မူထူးတဲ့ ဖန်တီးမှု အသံများ။
Filmed:
Readability: 3.9
944,754 views
စကားပြောရာတွင် ဆိုးဆိုးဝါးဝါး ပြဿနာရှိသူ အများအပြားဟာ ဆက်သွယ်ဖို့အတွက် ကွန်ပြူတာသုံး ကိရိယာတွေကို သုံးကြရပါတယ်။ ဒါတောင် အသံပိုင်းဆိုင်ရာ ရွေးချယ်စရာဟာ နည်းတတ်ပါတယ်။ ဒါကြောင့် Stephen Hawking ဟာ အမေရိကန်သံ ဝဲနေပြီး၊ ဘာကြောင့် လူများစွာဟာ အသံ အတူတူဖြစ်သွားလဲဆိုတာဟာ မကြာခဏတော့ အပ်စပ်မှုမရှိတဲ့ သက်ရောက်မှုပါ။ စကားပြောမှုဆိုင်ရာ သိပ္ပံပညာရှင် Rupal Patel ကနေပြီး ဒါနဲ့ ပတ်သက်ပြီး တစ်ခုခု လုပ်ချင်ခဲ့တာပါ။ ဒီသူမရဲ့ အံ့သြဖွယ် ဟေပြောချက်မှာ အသံမဲ့တွေအတွက် ထူးခြားတဲ့ အသံတွေကို စီမံတည်ဆောက်တဲ့ သူမရဲ့ လုပ်ရပ်ကို မျှဝေထားပါတယ်။
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
ဒီနေ့ပြောချင်တာက
00:14
about a powerful and fundamental aspect
1
2209
2927
ကျွန်မတို့ ဘယ်သူဆိုတာရဲ့
စွမ်းအားရှိပြီး
စွမ်းအားရှိပြီး
00:17
of who we are: our voice.
2
5136
3598
အခြေခံကျတဲ့ ကဏ္ဍပါ။
ကျွန်မတို့ရဲ့ အသံအကြောင်းပါ။
ကျွန်မတို့ရဲ့ အသံအကြောင်းပါ။
00:20
Each one of us has a unique voiceprint
3
8734
2746
ကျွန်မတို့ တစ်ဦးစီမှာ
အသက်၊ အရွယ်အစားနဲ့
အသက်၊ အရွယ်အစားနဲ့
00:23
that reflects our age, our size,
4
11480
2289
ဘဝနေဟန်နဲ့
ပင်ကိုယ်စရိုက်ကိုတောင်မှ
ပင်ကိုယ်စရိုက်ကိုတောင်မှ
00:25
even our lifestyle and personality.
5
13769
3237
ထင်ဟပ်တဲ့ ထူးခြားတဲ့
အသံပုံစံတွေရှိပါတယ်။
အသံပုံစံတွေရှိပါတယ်။
00:29
In the words of the poet Longfellow,
6
17006
2142
ကဗျာဆရာ Longfellow ရဲ့
စကားလုံးတွေထဲမှာ
စကားလုံးတွေထဲမှာ
00:31
"the human voice is the organ of the soul."
7
19148
3870
"လူသားအသံဟာ စိတ်ဝိဉာဉ်ရဲ့
အော်ဂင်တဲ့။"
အော်ဂင်တဲ့။"
00:35
As a speech scientist, I'm fascinated
8
23018
2747
စကားပြော သိပ္ပံပညာရှင်အနေနဲ့
အသံတွေထုတ်လုပ်ပုံကို
အသံတွေထုတ်လုပ်ပုံကို
00:37
by how the voice is produced,
9
25765
1829
စိတ်ဝင်စားမိပြီး
00:39
and I have an idea for how it can be engineered.
10
27594
3658
ဒါကို ဘယ်လို စီမံနိုင်မလဲဆိုတာ
အတွက် စိတ်ကူး တစ်ခုရှိပါတယ်။
အတွက် စိတ်ကူး တစ်ခုရှိပါတယ်။
00:43
That's what I'd like to share with you.
11
31252
2210
ဒါကို ရှင်တို့နဲ့ မျှဝေချင်တာပါ။
00:45
I'm going to start by playing you a sample
12
33462
1814
ရှင်တို့ မှတ်မိလောက်မယ့်
နမူနာ အသံတစ်ခု
နမူနာ အသံတစ်ခု
00:47
of a voice that you may recognize.
13
35276
1871
ဖွင့်ပြရင်း စလိုက်ပါမယ်။
00:49
(Recording) Stephen Hawking: "I would have thought
14
37147
1304
(အသံဖမ်း) Stephen Hawking:
00:50
it was fairly obvious what I meant."
15
38451
2749
"ကျုပ်ဆိုလိုတာ အတော်လေး
ရှင်းလင်းတယ်လို့ ထင်မိခဲ့တယ်။"
ရှင်းလင်းတယ်လို့ ထင်မိခဲ့တယ်။"
00:53
Rupal Patel: That was the voice
16
41200
1280
Rupal Patel: ဒါက ပါမောက္ခ
00:54
of Professor Stephen Hawking.
17
42480
2086
Stephen Hawking ရဲ့ အသံပါ။
00:56
What you may not know is that same voice
18
44566
3849
ရှင်တို့ မသိနိုင်လောက်တာက ဒီအသံကို
01:00
may also be used by this little girl
19
48415
2478
နာ့ဗ်ကြောဆိုင်ရာ အခြေအနေကြောင့်
01:02
who is unable to speak
20
50893
1697
စကားမပြောနိုင်တဲ့
01:04
because of a neurological condition.
21
52590
2597
ကလေးမလေးကလည်း
သုံးနိုင်တယ်ဆိုတာပါ။
သုံးနိုင်တယ်ဆိုတာပါ။
01:07
In fact, all of these individuals
22
55187
2068
တကယ်တော့ ဒီပုဂ္ဂိုလ်အားလုံးဟာ
01:09
may be using the same voice,
23
57255
2012
ဒီအသံကိုပဲ သုံးနေနိုင်ပြီး
01:11
and that's because there's
only a few options available.
only a few options available.
24
59267
3557
ဒီလိုဖြစ်တဲ့အကြောင်းက
ရွေးစရာ နည်းနည်းပဲ ရှိလို့ပါ။
ရွေးစရာ နည်းနည်းပဲ ရှိလို့ပါ။
01:14
In the U.S. alone, there are 2.5 million Americans
25
62824
4317
U.S တစ်ခုတည်းမှာတင် စကားမပြောနိင်တဲ့
01:19
who are unable to speak,
26
67141
1610
အမေရိကန် ၂.၅ သန်းရှိပြီး
01:20
and many of whom use computerized devices
27
68751
2622
သူတို့ထဲက အများအပြားဟာ
ဆက်သွယ်ဖို့ ကွန်ပြူတာသုံး
ဆက်သွယ်ဖို့ ကွန်ပြူတာသုံး
01:23
to communicate.
28
71373
1522
ကိရိယာတွေ သုံးကြပါတယ်။
01:24
Now that's millions of people worldwide
29
72895
3479
အခု အမေရိကန် အသံဝဲတဲ့ အသံကို သုံးတဲ့
01:28
who are using generic voices,
30
76374
1652
ပါမောက္ခ Hawking အပါအဝင်
01:30
including Professor Hawking,
31
78026
1446
ယျေဘုယျ အသံတွေကို သုံးနေတဲ့
01:31
who uses an American-accented voice.
32
79472
4833
ကမ္ဘာအနှံ့က လူတွေဟာ သန်းချီရှိပါတယ်။
01:36
This lack of individuation of the synthetic voice
33
84305
3328
ဒီဖန်တီးထားတဲ့ ပင်ကိုယ်လက္ခဏာကင်းတဲ့
01:39
really hit home
34
87633
1416
အသံက တကယ်ပဲ အရှိုက်ထိခဲ့တယ်၊
01:41
when I was at an assistive technology conference
35
89049
2472
နှစ်အနည်းငယ်က အထောက်အကူပေးတဲ့
01:43
a few years ago,
36
91521
1850
နည်းပညာ ညီလာခံတစ်ခုမှာ ရှိတုန်းက
01:45
and I recall walking into an exhibit hall
37
93371
3604
မှတ်မိနေတာက ပြပွဲခန်းမ တစ်ခုထဲကို
လမ်းလျှောက်ဝင်သွားတော့
လမ်းလျှောက်ဝင်သွားတော့
01:48
and seeing a little girl and a grown man
38
96975
3044
ကလေးမလေးတစ်ယောက်နဲ့ အရွယ်
ရောက် လူကြီးတစ်ယောက်ကို မြင်ပြီး
ရောက် လူကြီးတစ်ယောက်ကို မြင်ပြီး
01:52
having a conversation using their devices,
39
100019
2916
သူတို့ ကိရိယာတွေ သုံးပြီး စကားပြောနေတာပါ။
01:54
different devices, but the same voice.
40
102935
4284
ကိရိယာက အမျိုးမျိုး၊ အသံကတော့ တစ်သံတည်းပါ။
01:59
And I looked around and I saw this happening
41
107219
1909
လှည့်ကြည့်လိုက်တော့ မြင်လိုက်ရတာက
02:01
all around me, literally hundreds of individuals
42
109128
4190
ကိုယ့်ပတ်ချာလည်မှာ ဖြစ်နေတာက
ပြောရရင် ရာချီတဲ့ လူတွေဟာ
ပြောရရင် ရာချီတဲ့ လူတွေဟာ
02:05
using a handful of voices,
43
113318
2738
လက်တစ်ဆုပ်စာ အသံတွေ သုံးနေတာပါ။
02:08
voices that didn't fit their bodies
44
116056
3091
သူတို့ ခန္ဓာတွေ (သို့)
ကိုယ်ရည်ကိုယ်သွေးတွေနဲ့
ကိုယ်ရည်ကိုယ်သွေးတွေနဲ့
02:11
or their personalities.
45
119147
2082
မလိုက်တဲ့ အသံတွေပါ။
02:13
We wouldn't dream of fitting a little girl
46
121229
2727
အရွယ်ရောက် လူကြီးတစ်ယောက်ရဲ့
ကိုယ်အင်္ဂါ အတုနဲ့
ကိုယ်အင်္ဂါ အတုနဲ့
02:15
with the prosthetic limb of a grown man.
47
123956
3396
ကလေးမလေးကို တပ်ဖို့ဆိုတာ
အိပ်မက်မက်မိမှာ မဟုတ်ဘူး။
အိပ်မက်မက်မိမှာ မဟုတ်ဘူး။
02:19
So why then the same prosthetic voice?
48
127352
3304
ဒါဆိုရင် ဘာဖြစ်လို့ အသံတုက တူနေတာလဲ။
02:22
It really struck me,
49
130656
1291
တကယ် စိတ်ဝင်စားမိပြီး
02:23
and I wanted to do something about this.
50
131947
3151
ဒါနဲ့ ပတ်သက်ပြီး တစ်ခုခု လုပ်ချင်ခဲ့တယ်။
02:27
I'm going to play you now a sample
51
135098
1953
အခု လူတစ်ယောက်၊ တကယ်တော့
02:29
of someone who has, two people actually,
52
137051
3288
ဆိုးဆိုးဝါးဝါး ပြဿနာရှိသူတွေရဲ့
တကယ်တော့ လူ နှစ်ယောက်ရဲ့
တကယ်တော့ လူ နှစ်ယောက်ရဲ့
02:32
who have severe speech disorders.
53
140339
1768
အသံနမူနာတစ်ခု ဖွင့်ပြပါ့မယ်။
02:34
I want you to take a listen to how they sound.
54
142107
3230
သူတို့ အသံဘယ်လိုထွက်တယ်ဆိုတာ
နားထောင်စေချင်ပါတယ်။
နားထောင်စေချင်ပါတယ်။
02:37
They're saying the same utterance.
55
145337
2357
သူတို့ဟာ အသံတစ်မျိုးတည်း ပြောနေတာပါ။
02:39
(First voice)
56
147694
2432
(ပထမ အသံ)
02:42
(Second voice)
57
150126
3617
(ဒုတိယ အသံ)
02:45
You probably didn't understand what they said,
58
153743
2412
သူတို့ပြောတာ ရှင်တို့
နားလည်ချင်မှ နားလည်မှာပါ။
နားလည်ချင်မှ နားလည်မှာပါ။
02:48
but I hope that you heard
59
156155
1854
ဒါပေမဲ့ သူတို့ရဲ့ ထူးခြားတဲ့ အသံပိုင်း
02:50
their unique vocal identities.
60
158009
4283
လက္ခဏာတွေကိုတော့ ကြားမယ် မျှော်လင့်ပါတယ်။
02:54
So what I wanted to do next is,
61
162292
2813
ဒီတော့ ကျွန်မ နောက်လုပ်ချင်တာက
02:57
I wanted to find out how we could harness
62
165105
2384
ဒီကြွင်းကျန်တဲ့ အသံစွမ်းရည်တွေကို ဘယ်လို
02:59
these residual vocal abilities
63
167489
1821
ထိန်းချုပ်၊အသုံးချပြီး သူတို့အတွက်
03:01
and build a technology
64
169310
2016
အထူးလုပ်ပေးနိုင်တဲ့ အသံတွေ သူတို့အတွက်
03:03
that could be customized for them,
65
171326
2143
အထူးပြုလုပ်ပေးနိုင်တဲ့နည်းပညာ
03:05
voices that could be customized for them.
66
173469
2429
တည်ဆောက်နိုင်တယ်ဆိုတာ ရှာဖွေချင်တာပါ။
03:07
So I reached out to my collaborator, Tim Bunnell.
67
175898
2685
ဒါနဲ့ ပူးပေါင်းဆောင်ရွက်သူ
Tim Bunnell ဆီသွားပါတယ်။
Tim Bunnell ဆီသွားပါတယ်။
03:10
Dr. Bunnell is an expert in speech synthesis,
68
178583
3063
Dr. Bunnell ဟာ စကားသံ ပေါင်းစပ်ခြင်း
ကျွမ်းကျင်သူဖြစ်ပြီး
ကျွမ်းကျင်သူဖြစ်ပြီး
03:13
and what he'd been doing is building
69
181646
2033
သူလုပ်ဆောင်နေတာက
03:15
personalized voices for people
70
183679
1881
ကြိုတင်သွင်းထားတဲ့ သူတို့ရဲ့
03:17
by putting together
71
185560
2097
အသံနမူနာတွေကို စုပေါင်းပြီး
သူတို့အတွက်
သူတို့အတွက်
03:19
pre-recorded samples of their voice
72
187657
2150
အသံတစ်ခုကို ပြန်တည်ဆောက်ခြင်းနဲ့
03:21
and reconstructing a voice for them.
73
189807
2879
လူတွေအတွက် ကိုယ်ပိုင် အသံတွေ
တည်ဆောက်တာပါ။
တည်ဆောက်တာပါ။
03:24
These are people who had lost their voice
74
192686
1712
ဒီလူတွေဟာ ကြီးလာမှ
03:26
later in life.
75
194398
1911
အသံပျောက်သွားကြသူတွေပါ။
03:28
We didn't have the luxury
76
196309
1394
မွေးရာပါ စကားပြော
03:29
of pre-recorded samples of speech
77
197703
1774
ချွတ်ယွင်းသူတွေအတွက်
ကြိုသွင်းထားတဲ့
ကြိုသွင်းထားတဲ့
03:31
for those born with speech disorder.
78
199477
2292
စကားသံ နမူနာတွေ ကျွန်မတို့မှာ
အရံသင့်မရှိခဲ့ဘူး။
အရံသင့်မရှိခဲ့ဘူး။
03:33
But I thought, there had to be a way
79
201769
2537
ဒါပေမဲ့ ကျွန်မတွေးမိတာက
ကျန်နေတာလေးကနေ
ကျန်နေတာလေးကနေ
03:36
to reverse engineer a voice
80
204306
1944
စီမံထားတဲ့ အသံကို ပြန်ပြောင်းဖို့
03:38
from whatever little is left over.
81
206250
2291
နည်းလမ်းတစ်ခုတော့ ရှိဖို့လိုတယ်ပေါ့။
03:40
So we decided to do exactly that.
82
208541
2714
ဒါကို တစ်သွေမတိမ်းလုပ်ဖို့
ဆုံးဖြတ်လိုက်တယ်။
ဆုံးဖြတ်လိုက်တယ်။
03:43
We set out with a little bit of funding
from the National Science Foundation,
from the National Science Foundation,
83
211255
3403
National Science Foundation ကနေ
လူတွေရဲ့ ထူးခြားတဲ့ အသံလက္ခဏာတွေကို
လူတွေရဲ့ ထူးခြားတဲ့ အသံလက္ခဏာတွေကို
03:46
to create custom-crafted voices that captured
84
214658
3565
ဖမ်းယူတဲ့ အထူးပြုလုပ်ထားတဲ့
အသံတွေဖန်တီးဖို့ ရံပုံငွေ
အသံတွေဖန်တီးဖို့ ရံပုံငွေ
03:50
their unique vocal identities.
85
218223
1536
နည်းနည်းလေး ထောင်လိုက်တယ်။
03:51
We call this project VocaliD, or vocal I.D.,
86
219759
3203
ဒီပရောဂျက်ကို အသံပိုင်း လက္ခဏာအတွက်
03:54
for vocal identity.
87
222962
2033
VocaliD (သို့) vocal I.D လို့ခေါ်ပါတယ်။
03:56
Now before I get into the details of how
88
224995
2674
အခု ဒီအသံ ဘယ်လိုလုပ်လဲဆိုတာ
အသေးစိတ် မရှင်းခင်
အသေးစိတ် မရှင်းခင်
03:59
the voice is made and let you listen to it,
89
227669
2048
ဒါကို ရှင်တို့ကို ပေးနားထောင်ပါ့မယ်။
04:01
I need to give you a real quick
speech science lesson. Okay?
speech science lesson. Okay?
90
229717
3350
တကယ် စကားပြော မြန်တဲ့ သိပ္ပံ
သင်ခန်းစာ တစ်ခု ပေးဖို့လိုတာပေါ့နော်။
သင်ခန်းစာ တစ်ခု ပေးဖို့လိုတာပေါ့နော်။
04:05
So first, we know that the voice is changing
91
233067
3159
ဒီတော့ ပထမက ဖွံ့ဖြိုးလာတဲ့တစ်လျှောက်
04:08
dramatically over the course of development.
92
236226
2854
အသံဟာ သိသာစွာ ပြောင်းလဲတာ သိကြပါတယ်။
04:11
Children sound different from teens
93
239080
2090
လူကြီးနဲ့ အသံထွက်မတူတဲ့ ဆယ်ကျော်သက်တွေဟာ
04:13
who sound different from adults.
94
241170
1463
ကလေးတွေနဲ့ မတူပါဘူး။
04:14
We've all experienced this.
95
242633
2642
ဒါကို အားလုံး တွေ့ကြုံဖူးပါတယ်။
04:17
Fact number two is that speech
96
245275
3363
နံပါတ်နှစ် အချက်က
စကားပြောဟာ
စကားပြောဟာ
04:20
is a combination of the source,
97
248638
2553
သင့် အသံအိုးက ထုတ်လုပ်ပြီး
04:23
which is the vibrations generated by your voice box,
98
251191
3479
တစ်ဖန် ကျန်တဲ့ အသံလမ်းကြောင်း
တစ်လျှောက်ကို
တစ်လျှောက်ကို
04:26
which are then pushed through
99
254670
1939
တွန်းထုတ်ခံရတဲ့ တုန်ခါမှုတွေဖြစ်တဲ့
04:28
the rest of the vocal tract.
100
256609
2437
ရင်းမြစ်ရဲ့
ပေါင်းစပ်မှုတစ်ခုပါ။
ပေါင်းစပ်မှုတစ်ခုပါ။
04:31
These are the chambers of your head and neck
101
259046
2484
ဒါတွေက တုန်ခါတဲ့ ခေါင်းနဲ့ လည်ပင်းရဲ့
04:33
that vibrate,
102
261530
1239
အကန့်တွေဖြစ်ပြီး
04:34
and they actually filter that source sound
103
262769
2110
ဒါတွေဟာ တကယ်တော့ ဗျည်းနဲ့ သရသံတွေ
04:36
to produce consonants and vowels.
104
264879
2537
ထုတ်ဖို့ အရင်းသံတွေကို စစ်ပေးပါတယ်။
04:39
So the combination of source and filter
105
267416
3860
ဒီတော့ ရင်းမြစ်နဲ့ စစ်တာ ပေါင်းစပ်ခြင်းဟာ
04:43
is how we produce speech.
106
271276
2630
စကားသံ ထုတ်လုပ်ပုံပါ။
04:45
And that happens in one individual.
107
273906
3026
ဒါက တစ်ဦးချင်းစီမှာ ဖြစ်ပေါ်ပါတယ်။
04:48
Now I told you earlier that I'd spent
108
276932
2626
ကဲ အစောပိုင်းက ပြောခဲ့တာက
04:51
a good part of my career
109
279558
2025
ကျွန်မအလုပ်ရဲ့ အစိတ်အပိုင်းကောင်းတစ်ခုကို
04:53
understanding and studying
110
281583
2453
ပြင်းထန်တဲ့ စကားပြောမှုဆိုင်ရာ ကမောက်ကမ
04:56
the source characteristics of people
111
284036
1958
ဖြစ်နေသူတွေရဲ့ ရင်းမြစ် လက္ခဏာတွေကို
04:57
with severe speech disorder,
112
285994
2301
နားလည်ခြင်းနဲ့ လေ့လာခြင်းမှာ
သုံးမယ်လို့ဖြစ်ပြီး
သုံးမယ်လို့ဖြစ်ပြီး
05:00
and what I've found
113
288295
1465
တွေ့ရှိရတာက
05:01
is that even though their filters were impaired,
114
289760
3366
သူတိုရဲ့ အစစ်တွေ ထိခိုက်နေတာတောင်မှ
05:05
they were able to modulate their source:
115
293126
2961
သူတို့ရဲ့ အရင်းအမြစ်ဖြစ်တဲ့
အသံရဲ့ အနိမ့်အမြင့်၊
အသံရဲ့ အနိမ့်အမြင့်၊
05:08
the pitch, the loudness, the tempo of their voice.
116
296087
3262
အတိုးအကျယ်၊ အနှေးအမြန်ကို ညှိနိုင်ကြပါတယ်။
05:11
These are called prosody, and
I've been documenting for years
I've been documenting for years
117
299349
3368
ဒါတွေကို ဋ္ဌာန်ကရိုဏ်းလို့ခေါ်ပြီး
တစ်ဦးချင်းရဲ့ ဋ္ဌာန်ကရိုဏ်းဆိုင်ရာ
တစ်ဦးချင်းရဲ့ ဋ္ဌာန်ကရိုဏ်းဆိုင်ရာ
05:14
that the prosodic abilities of these individuals
118
302717
2277
အစွမ်းတွေ ထိန်းသိမ်းထားတာကို နှစ်များစွာ
05:16
are preserved.
119
304994
1575
မှတ်တမ်းပြုစုခဲ့ပါတယ်။
05:18
So when I realized that those same cues
120
306569
4087
ဒါနဲ့ ဒီတူညီတဲ့ အချိတ်အဆက်တွေဟာ
လည်း စကားပြောသူ လက္ခဏာအတွက်
လည်း စကားပြောသူ လက္ခဏာအတွက်
05:22
are also important for speaker identity,
121
310656
2769
အရေးပါတယ်ဆိုတာ သိရှိတဲ့အခါ
05:25
I had this idea.
122
313425
2015
ဒီစိတ်ကူးရခဲ့ပါတယ်။
05:27
Why don't we take the source
123
315440
2516
ထိန်းသိမ်းထားတဲ့အတွက်
05:29
from the person we want the voice to sound like,
124
317956
2213
ဒီအသံမျိုး စကားသံကို ကိုယ်လိုချင်တဲ့လူဆီက
05:32
because it's preserved,
125
320169
1463
အရင်းအမြစ်ယူလိုက်ပြီး
05:33
and borrow the filter
126
321632
2135
စကားသံ ရွတ်နိုင်တဲ့အတွက်
05:35
from someone about the same age and size,
127
323767
3229
အသက်တူ၊အရွယ်အစားတူလောက်ရှိတဲ့
05:39
because they can articulate speech,
128
327011
2407
လူတစ်ယောက်ဆီက အစစ်ငှားကာ
05:41
and then mix them?
129
329418
1791
ဒါတွေကို ရောလိုက်မယ်ဆိုရင်ရော။
05:43
Because when we mix them,
130
331209
1787
အကြောင်းက ဒါတွေကို ရောလိုက်တဲ့အခါ
05:44
we can get a voice that's as clear
131
332996
1698
အစစ်ငှားထားတဲ့လူ
05:46
as our surrogate talker --
132
334694
1754
ကိုယ်စား စကားပြောသူလို
05:48
that's the person we borrowed the filter from—
133
336448
2595
ကြည်လင်ပြီး ကိုယ်ဦးတည်ထားတဲ့
05:51
and is similar in identity to our target talker.
134
339043
4649
စကားပြောသူနဲ့ တူညီတဲ့
စကားသံတစ်သံ ရနိုင်လို့ပါ။
စကားသံတစ်သံ ရနိုင်လို့ပါ။
05:55
It's that simple.
135
343692
1427
ဒီလောက်ကို ရိုးစင်းပါတယ်။
05:57
That's the science behind what we're doing.
136
345119
2934
ဒါက ကျွန်မတို့ လုပ်နေတာရဲ့
နောက်ကွယ်က သိပ္ပံပညာပါ။
နောက်ကွယ်က သိပ္ပံပညာပါ။
06:00
So once you have that in mind,
137
348053
3533
ဒီတော့ ဒါ စိတ်ထဲမှာ ရှိပြီဆိုတာနဲ့
06:03
how do you go about building this voice?
138
351586
2258
အသံတည်ဆောက်တာ ဘယ်လိုလုပ်လဲပေါ့။
06:05
Well, you have to find someone
139
353844
1480
ကောင်းပြီ၊ ကိုယ်စားပြောပေးဖို့
06:07
who is willing to be a surrogate.
140
355324
2400
စိတ်ဆန္ဒရှိသူ တစ်ယောက်ကို ရှာဖို့လိုပါတယ်။
06:09
It's not such an ominous thing.
141
357724
2264
ဒါက ဒီလောက် ဆိုးဝါးတဲ့ အရာမဟုတ်ပါဘူး။
06:11
Being a surrogate donor
142
359988
1523
ကိုယ်စား အလှူရှင်ဖြစ်ဖို့
06:13
only requires you to say a few hundred
143
361511
2788
ရာကနေ ထောင်လောက်ရှိတဲ့ အသံတွေကို
06:16
to a few thousand utterances.
144
364299
2242
ပြောရုံပဲ လိုတာပါ။
06:18
The process goes something like this.
145
366541
2003
ဖြစ်စဉ်က ဒီလိုပါ။
06:20
(Video) Voice: Things happen in pairs.
146
368544
2190
(ဗီဒီယို) အသံ၊ အရာတွေဟာ တွဲပြီးဖြစ်ပါတယ်။
06:22
I love to sleep.
147
370734
1925
အိပ်ရတာ နှစ်သက်တယ်။
06:24
The sky is blue without clouds.
148
372659
3882
ကောင်းကင်က တိမ်တွေစင်ပြီး
ပြာနေတယ်။
ပြာနေတယ်။
06:28
RP: Now she's going to go on like this
149
376541
2002
RP: ကဲ သူမဟာ ဒီအတိုင်း
06:30
for about three to four hours,
150
378543
1919
သုံး၊ လေးနာရီ ဆက်ဖြစ်နေမယ်၊
06:32
and the idea is not for her to say everything
151
380462
3005
ရည်ရွယ်ချက်က သူမဟာ ဦးတည်သူ ပြောချင်မယ့်
06:35
that the target is going to want to say,
152
383467
2045
အရာတိုင်းကို ပြောဖို့မဟုတ်ပဲ
06:37
but the idea is to cover all the different combinations
153
385512
3395
ဘာသာစကားမှာဖြစ်ပေါ်တဲ့ အသံတွေရဲ့
အားလုံးသောပေါင်းစပ်မှု
အားလုံးသောပေါင်းစပ်မှု
06:40
of the sounds that occur in the language.
154
388907
3271
အမျိုးမျိုးကို ပြောင်းဖို့ရည်ရွယ်တာပါ။
06:44
The more speech you have,
155
392178
1638
စကားပြော ပိုရှိလေလေ၊
06:45
the better sounding voice you're going to have.
156
393816
2305
ပိုကောင်းတဲ့အသံ ပိုရှိလေလေ
ဖြစ်မှာပါ။
ဖြစ်မှာပါ။
06:48
Once you have those recordings,
157
396121
1673
ဒီအသံသွင်းတာတွေ ရှိပြီဆိုတာနဲ့
06:49
what we need to do
158
397794
1413
လုပ်ဖို့လိုတာက
06:51
is we have to parse these recordings
159
399207
2718
ဒီအသံသွင်းတာတွေကို စကားပြော
06:53
into little snippets of speech,
160
401925
2449
အတိုအထွာတွေထဲမှာ
စိတ်ဖြာဖို့ လိုပါတယ်။
စိတ်ဖြာဖို့ လိုပါတယ်။
06:56
one- or two-sound combinations,
161
404374
2337
အသံပေါင်းစပ်မှု တစ်ခု နှစ်ခု၊
06:58
sometimes even whole words
162
406711
1883
တစ်ခါတစ်လေ ဒေတာအစုမှာ
07:00
that start populating a dataset or a database.
163
408594
4516
စတင်နေရာယူလာတဲ့
စကားလုံးတွေ အပြည့်တောင်ပေါ့။
စကားလုံးတွေ အပြည့်တောင်ပေါ့။
07:05
We're going to call this database a voice bank.
164
413110
3717
ဒီဒေတာအစုကို အသံဘဏ်လို့ ခေါ်ပါတယ်။
07:08
Now the power of the voice bank
165
416827
2096
အသံဘဏ်ရဲ့ စွမ်းအားက
07:10
is that from this voice bank,
166
418923
2014
ဒီအသံဘဏ်ကပါ၊
07:12
we can now say any new utterance,
167
420937
2011
ဘယ်စကားသံကိုမဆို
ပြောနိုင်ပါတယ်။
ပြောနိုင်ပါတယ်။
07:14
like, "I love chocolate" --
168
422948
1424
ဥပမာ "ချောကလက် ကြိုက်တယ်။"
07:16
everyone needs to be able to say that—
169
424372
1739
ဒါကို လူတိုင်းပြောနိုင်ဖို့ လိုတယ်။
07:18
fish through that database
170
426111
1831
ဒီစကားသံပြောဖို့ ဒေတာစုထဲက
07:19
and find all the segments necessary
171
427942
1940
ဆွဲထုတ်ပြီး လိုအပ်ရာ
07:21
to say that utterance.
172
429882
1929
အသံပိုင်းအားလုံးကို ရှာပါတယ်။
07:23
(Video) Voice: I love chocolate.
173
431811
1789
(ဗီဒီယို) အသံ၊ ချောကလက်ကြိုက်တယ်။
07:25
RP: So that's speech synthesis.
174
433600
1391
RP: ဒါက စကားသံ ဖန်တီးမှုပါ။
07:26
It's called concatenative synthesis,
and that's what we're using.
and that's what we're using.
175
434991
2573
ကွင်းဆက် ဖန်တီးမှုလို့ ခေါ်တယ်၊
ကျွန်မတို့ သုံးနေတာပါ။
ကျွန်မတို့ သုံးနေတာပါ။
07:29
That's not the novel part.
176
437564
1533
ဒါက ဆန်းသစ်တဲ့ အပိုင်းမဟုတ်ဘူး။
07:31
What's novel is how we make it sound
177
439097
2221
ဆန်းသစ်တာက ဒီအမျိုးသမီးငယ်လို
07:33
like this young woman.
178
441318
1457
အသံကို ဖန်တီးပုံပါ။
07:34
This is Samantha.
179
442775
1524
သူမက Samantha ပါ။
07:36
I met her when she was nine,
180
444299
2346
သူမ ကိုးနှစ်မှာ ဆုံခဲ့ပါတယ်။
07:38
and since then, my team and I
181
446645
1897
အဲဒီကတည်းက ကွန်မနဲ့ ကျွန်မအသင်းဟာ
07:40
have been trying to build her a personalized voice.
182
448542
2714
သူမကို ကိုယ်ပိုင်အသံ တည်ဆောက်ပေးဖို့
ကြိုးပမ်းနေခဲ့တာပါ။
ကြိုးပမ်းနေခဲ့တာပါ။
07:43
We first had to find a surrogate donor,
183
451256
3099
ပထမဆုံး ကိုယ်စား အလှူရှင် ရှာဖို့လိုပြီး
07:46
and then we had to have Samantha
184
454355
1818
Samantha ကို စကားသံတစ်ချို့
07:48
produce some utterances.
185
456173
1929
ထွက်ခိုင်းပါတယ်။
07:50
What she can produce are mostly vowel-like sounds,
186
458102
2379
သူမထုတ်နိုင်တာတွေက အများစုက
သရသံ လိုမျိုးတွေပါ။
သရသံ လိုမျိုးတွေပါ။
07:52
but that's enough for us to extract
187
460481
2479
ဒါပေမဲ့ သူမရဲ့ ရင်းမြစ်လက္ခဏာကို
07:54
her source characteristics.
188
462960
2285
ထုတ်ယူဖို့ လုံလောက်ပါတယ်။
07:57
What happens next is best described
189
465245
3271
နောက်ဖြစ်သွားတာက
ကျွန်မ သမီးရဲ့ နှိုင်းယှဉ်ဆင်ခြင်မှုနဲ့
ကျွန်မ သမီးရဲ့ နှိုင်းယှဉ်ဆင်ခြင်မှုနဲ့
08:00
by my daughter's analogy. She's six.
190
468516
2767
အကောင်းဆုံး သရုပ်ဖော်တာပါ။
သူမက ခြောက်နှစ်ပါ။
သူမက ခြောက်နှစ်ပါ။
08:03
She calls it mixing colors to paint voices.
191
471283
5422
သူမက ဒါကို အသံကို ဆေးခြယ်ဖို့
အရောင်စပ်တာလို့ ခေါ်တယ်။
အရောင်စပ်တာလို့ ခေါ်တယ်။
08:08
It's beautiful. It's exactly that.
192
476705
2555
လှပါတယ်။ ဒီအတိုင်း ထပ်တူပါ။
08:11
Samantha's voice is like a concentrated sample
193
479260
2860
Samantha ရဲ့အသံက
ဒီလို ပန်းရောင်ရဖို့
ဒီလို ပန်းရောင်ရဖို့
08:14
of red food dye which we can infuse
194
482120
2609
သူမရဲ့ ကိုယ်စားအသံရဲ့
08:16
into the recordings of her surrogate
195
484729
2540
အသံသွင်းတာတွေထဲ
ပေါင်းစပ်နိုင်တဲ့
ပေါင်းစပ်နိုင်တဲ့
08:19
to get a pink voice just like this.
196
487269
4387
အစာဆိုးဆေး အနီရဲ့
စုစည်းထားတဲ့ နမူနာတစ်ခုလိုပါ။
စုစည်းထားတဲ့ နမူနာတစ်ခုလိုပါ။
08:23
(Video) Samantha: Aaaaaah.
197
491656
4491
(ဗီဒီယို) Samantha အား။
08:28
RP: So now, Samantha can say this.
198
496147
2808
RP: ကဲ ဒီတော့ Samantha ဒါကို
ပြောနိုင်တယ်။
ပြောနိုင်တယ်။
08:30
(Video) Samantha: This voice is only for me.
199
498955
3069
ဗီဒီယို) Samantha ဒီအသံက ကျွန်မအတွက်ပါပဲ။
08:34
I can't wait to use my new voice with my friends.
200
502024
6305
သူငယ်ချင်းတွေနဲ့ အသံသစ်ကိုသုံးဖို့
မစောင့်နိုင်တော့ဘူး။
မစောင့်နိုင်တော့ဘူး။
08:40
RP: Thank you. (Applause)
201
508329
6417
RP: ကျေးဇူးပါ။. (လက်ခုပ်သံများ)
08:46
I'll never forget the gentle smile
202
514746
2333
အသံကို သူမ ပထမဆုံးကြားတုန်းက
08:49
that spread across her face
203
517079
1902
သူမရဲ့ မျက်နှာပြင်မှာ သန်းသွားတဲ့
08:50
when she heard that voice for the first time.
204
518981
3649
အပြုံးနုလေးကို ကျွန်မ ဘယ်တော့မှ
မေ့မှာ မဟုတ်တော့ဘူး။
မေ့မှာ မဟုတ်တော့ဘူး။
08:54
Now there's millions of people
205
522630
1882
အခု ကမ္ဘာတစ်လွှားမှာ Samantha လို
08:56
around the world like Samantha, millions,
206
524512
2833
သန်းချီရှိပါတယ်၊ သန်းချီပြီးတော့ပါ။
08:59
and we've only begun to scratch the surface.
207
527345
3440
အပေါ်ယံ အစပဲရှိသေးတာပါ။
09:02
What we've done so far is we have
208
530785
1642
အခုထိ ကျွန်မတို့ လုပ်ထားတာက
09:04
a few surrogate talkers from around the U.S.
209
532427
3859
U.S တစ်ဝိုက်က အသံလှူတဲ့
09:08
who have donated their voices,
210
536286
1507
ကိုယ်စား စကားပြောသူ
09:09
and we have been using those
211
537793
1928
အနည်းငယ်ပဲ ရှိပြီး ပထမဆုံး
09:11
to build our first few personalized voices.
212
539721
4472
ကိုယ်ပိုင်အသံတွေ တည်ဆောက်ဖို့
ဒါတွေကို သုံးနေတာပါ။
ဒါတွေကို သုံးနေတာပါ။
09:16
But there's so much more work to be done.
213
544193
1756
ဒါပေမဲ့ လုပ်စရာ အများကြီးရှိသေးတယ်။
09:17
For Samantha, her surrogate
214
545949
2188
Samantha အတွက် သူ့မရဲ့ ကိုယ်စားက
09:20
came from somewhere in the Midwest, a stranger
215
548137
3046
အနောက်အလယ်ပိုင်း တစ်နေရာက
သူမကို
သူမကို
09:23
who gave her the gift of voice.
216
551183
3841
အသံလက်ဆောင်ပေးတဲ့ သူစိမ်းတစ်ဦးဆီက လာတာပါ။
09:27
And as a scientist, I'm so excited
217
555024
2153
သိပ္ပံပညာရှင် အနေနဲ့ တကယ့် ကမ္ဘာမှာ
09:29
to take this work out of the laboratory
218
557177
1935
အရာထင်ဖို့နိုင်ဖို့ ဒီအလုပ်ကို
09:31
and finally into the real world
219
559112
1800
လက်တွေ့ခန်းက နောက်ဆုံး
တကယ့် ကမ္ဘာထဲ
တကယ့် ကမ္ဘာထဲ
09:32
so it can have real-world impact.
220
560912
3165
ထုတ်ယူတာကို သိပ် စိတ်လှုပ်ရှားမိပါတယ်။
09:36
What I want to share with you next
221
564077
1582
နောက်ထပ် မျှဝေချင်တာက
09:37
is how I envision taking this work
222
565659
2175
ဒီအလုပ်ကို နောက်တစ်ဆင့်ထိ ယူဆောင်ဖို့
09:39
to that next level.
223
567834
2711
ကျွန်မ ဘယ်လို စိတ်ကူးမြင်ယောင်တာကိုပါ။
09:42
I imagine a whole world of surrogate donors
224
570545
3887
ကိုယ်စား အလှူရှင်တွေရဲ့ ကမ္ဘာတစ်ခုလုံးကို
စိတ်ကူးကြည့်မိတယ်။
စိတ်ကူးကြည့်မိတယ်။
09:46
from all walks of life, different sizes, different ages,
225
574432
3260
အလွှာစုံ၊ အရွယ်စုံ၊ အသက်အရွယ်ပေါင်းစုံက
09:49
coming together in this voice drive
226
577692
3058
ဒီအသံ မောင်းနှင်စက်ထဲကို
09:52
to give people voices
227
580750
2270
သူတို့ရဲ့ စရိုက်တွေအတိုင်း အရောင်စုံတဲ့
09:55
that are as colorful as their personalities.
228
583020
3799
လူတွေ အသံတွေ လှူဖို့ အတူစုလာနေတာကိုပါ။
09:58
To do that as a first step,
229
586819
2300
ဒါကို ပထမအဆင့် အဖြစ်လုပ်ဖို့
10:01
we've put together this website, VocaliD.org,
230
589119
3275
VocaliD.org ဆိုတဲ့ ဝက်ဘ်ဆိုဒ်တစ်ခု
စုထောင်လိုက်တယ်။
စုထောင်လိုက်တယ်။
10:04
as a way to bring together those
231
592394
1624
ဘာဖြစ်ဖြစ် ဒီစိတ်ကူးကို
10:06
who want to join us as voice donors,
232
594018
2675
လက်တွေ့လုပ်ဖို့ နည်းလမ်းမှာ
အသံအလှူရှင်တွေ၊
အသံအလှူရှင်တွေ၊
10:08
as expertise donors,
233
596693
1772
ကျွမ်းကျင်တဲ့ အလှူရှင်တွေအနေနဲ့
10:10
in whatever way to make this vision a reality.
234
598465
5339
ကျွန်မတို့နဲ့ ပူးပေါင်းချင်သူတွေကို
စုစည်းဖို့ နည်းလမ်း အနေနဲ့ပေါ့။
စုစည်းဖို့ နည်းလမ်း အနေနဲ့ပေါ့။
10:15
They say that giving blood can save lives.
235
603804
4153
ပြောတာက သွေးလှူတာက
အသက်တွေကို ကယ်နိုင်တယ်တဲ့။
အသက်တွေကို ကယ်နိုင်တယ်တဲ့။
10:19
Well, giving your voice can change lives.
236
607957
4982
ကဲ သင့် အသံတွေကို ပေးလှူခြင်းက
ဘဝတွေကို ပြောင်းလဲနိုင်ပါတယ်။
ဘဝတွေကို ပြောင်းလဲနိုင်ပါတယ်။
10:24
All we need is a few hours of speech
237
612939
3050
ကျွန်မတို့ လိုတာက ကျွန်မတို့ရဲ့
ကိုယ်စားပြောသူဆီက
ကိုယ်စားပြောသူဆီက
10:27
from our surrogate talker,
238
615989
1491
နာရီအနည်းငယ် စကားပြောသံနဲ့
10:29
and as little as a vowel from our target talker,
239
617480
4733
ထူးခြားတဲ့ အသံလက္ခဏာ ဖန်တီးဖို့
10:34
to create a unique vocal identity.
240
622213
3711
ဦးတည်တဲ့ စကားပြောသူဆီက
သရသံ မဆိုစလောက်ပါ။
သရသံ မဆိုစလောက်ပါ။
10:37
So that's the science behind what we're doing.
241
625924
2626
ဒီတော့ ဒါဟာ ကျွန်မတို့လုပ်နေတဲ့
နောက်ကွယ်က သိပ္ပံပညာပါ။
နောက်ကွယ်က သိပ္ပံပညာပါ။
10:40
I want to end by circling back to the human side
242
628550
4455
ဒီလုပ်ရပ်အတွက် တကယ့် စေ့ဆော်မှု
10:45
that is really the inspiration for this work.
243
633005
4102
လူသားဘက်ခြမ်းကို ပြန်လှည့်ရင်း
အဆုံးသတ်ချင်ပါတယ်။
အဆုံးသတ်ချင်ပါတယ်။
10:49
About five years ago, we built our very first voice
244
637107
3699
လွန်ခဲ့တဲ့ ငါနှစ်က William
ဆိုတဲ့ကောင်လေးအတွက်
ဆိုတဲ့ကောင်လေးအတွက်
10:52
for a little boy named William.
245
640806
2501
ပထမဆုံး အသံတည်ဆောက်ခဲ့တယ်။
10:55
When his mom first heard this voice,
246
643307
2357
သူ့အသံကို သူ့အမေ
10:57
she said, "This is what William
247
645664
2345
ပထမဆုံးကြားတော့
ပြောတာက "ဒါဟာ William
ပြောတာက "ဒါဟာ William
11:00
would have sounded like
248
648009
1546
စကားပြောနိုင်မယ်ဆိုရင်
11:01
had he been able to speak."
249
649555
2449
သူပြောမယ့် အသံမျိုးပဲထွက်လိမ့်မယ်။"
11:04
And then I saw William typing a message
250
652004
2418
နောက် William က သူ့ ကိရိယာမှာ
စာတိုရိုက်တာ
စာတိုရိုက်တာ
11:06
on his device.
251
654422
1362
တွေ့လိုက်တယ်။
11:07
I wondered, what was he thinking?
252
655784
3293
တွေးမိတာက သူ ဘာတွေးနေမလဲပေါ့။
11:11
Imagine carrying around someone else's voice
253
659077
3590
အခြားသူတစ်ယောက်ရဲ့ အသံကို
ကိုးနှစ်တာ
ကိုးနှစ်တာ
11:14
for nine years
254
662667
2193
ဆောင်နေခဲ့ပြီး
11:16
and finally finding your own voice.
255
664860
4844
နောက်ဆုံး ကိုယ့် ကိုယ်ပိုင်အသံကို
ရှာတွေ့တာ မြင်ယောင်ကြည့်ပါ။
ရှာတွေ့တာ မြင်ယောင်ကြည့်ပါ။
11:21
Imagine that.
256
669704
1377
ဒါကို မြင်ယောင်ကြည့်ပါ။
11:23
This is what William said:
257
671081
2797
ဒါက William ပြောခဲ့တာပါ။
11:25
"Never heard me before."
258
673878
4463
"ကျွန်တော် ပြောတာကို အရင်က
တစ်ခါမှ မကြားဖူးဘူး။"
တစ်ခါမှ မကြားဖူးဘူး။"
11:32
Thank you.
259
680417
1619
ကျေဇူးတင်ပါတယ်။
11:34
(Applause)
260
682036
4724
(လက်ခုပ်သံများ)
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