TEDWomen 2013
Rupal Patel: Synthetic voices, as unique as fingerprints
รูเพล พาเทล (Rupal Patel): เสียงสังเคราะห์ มีเอกลักษณ์ดุจลายนิ้วมือ
Filmed:
Readability: 3.9
944,754 views
หลายคนที่มีความผิดปกติเกี่ยวกับการออกเสียงใช้อุปกรณ์ที่ควบคุมด้วยคอมพิวเตอร์ในการสื่อสาร แต่กระนั้นพวกเขาก็มีตัวเลือกเสียงไม่มาก นั่นเป็นเหตุว่าทำไม สตีเฟน ฮอว์คิง ถึงได้มีสำเนียงอเมริกัน และทำไมผู้คนมากมายถึงมีเสียงเหมือนกัน และก็บ่อยครั้งที่มันไม่สอดคล้องกับตัวตนผู้ใช้ นักวิทยาศาสตร์ด้านการพูด รูเพล พาเทล ต้องการที่จะทำอะไรบางอย่างเกี่ยวกับสิ่งนี้ และในการบรรยายที่น่าประทับใจนี้ เธอได้แบ่งปันงานของเธอ ที่ได้ทำการสร้างเสียงที่มีเอกลักษณ์สำหรับผู้ที่ไร้เสียง
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
วันนี้ฉันอยากจะพูด
00:14
about a powerful and fundamental aspect
1
2209
2927
เกี่ยวกับมุมมองที่ทรงพลังและสำคัญ
00:17
of who we are: our voice.
2
5136
3598
ของตัวตนของเรา: เสียงพูดของเรา
00:20
Each one of us has a unique voiceprint
3
8734
2746
พวกเราแต่ละคนมีรูปแบบเสียงที่เป็นเอกลักษณ์
00:23
that reflects our age, our size,
4
11480
2289
ซึ่งสะท้อนอายุ ขนาด
00:25
even our lifestyle and personality.
5
13769
3237
หรือแม้กระทั่งวิถีชีวิตและบุคลิกภาพของเรา
00:29
In the words of the poet Longfellow,
6
17006
2142
นักกวีนาม ลองเฟลโลว์ กล่าวไว้ว่า
00:31
"the human voice is the organ of the soul."
7
19148
3870
"เสียงของมนุษย์คือเครื่องดนตรีของจิตวิญญาณ"
00:35
As a speech scientist, I'm fascinated
8
23018
2747
ในฐานะนักวิทยาศาสตร์ด้านการพูด ฉันสนใจว่า
00:37
by how the voice is produced,
9
25765
1829
เสียงถูกผลิตออกมาอย่างไร
00:39
and I have an idea for how it can be engineered.
10
27594
3658
และฉันมีความคิดว่ามันจะถูกสร้างขึ้นมาได้อย่างไร
00:43
That's what I'd like to share with you.
11
31252
2210
นั่นคือสิ่งที่ฉันอยากจะแบ่งปันกับคุณ
00:45
I'm going to start by playing you a sample
12
33462
1814
ฉันอยากจะเริ่มโดยให้คุณได้ชมตัวอย่าง
00:47
of a voice that you may recognize.
13
35276
1871
ของเสียงที่คุณอาจจะจำได้
00:49
(Recording) Stephen Hawking: "I would have thought
14
37147
1304
(เสียงบันทึก) สตีเฟน ฮอว์คิง: "ผมคิดไปว่า
00:50
it was fairly obvious what I meant."
15
38451
2749
มันค่อนข้างจะชัดเจนว่าผมหมายความว่าอย่างไร"
00:53
Rupal Patel: That was the voice
16
41200
1280
รูแพล พาเทล: นั่นเป็นเสียง
00:54
of Professor Stephen Hawking.
17
42480
2086
ของศาสตราจารย์สตีเฟน ฮอว์คิง
00:56
What you may not know is that same voice
18
44566
3849
สิ่งที่คุณอาจไม่รู้ก็คือเสียงเดียวกันนี้
01:00
may also be used by this little girl
19
48415
2478
อาจถูกใช้โดยเด็กผู้หญิงตัวเล็กๆ คนนี้
01:02
who is unable to speak
20
50893
1697
ผู้ซึ่งไม่สามารถพูดได้
01:04
because of a neurological condition.
21
52590
2597
ด้วยความผิดปกติเกี่ยวกับระบบประสาท
01:07
In fact, all of these individuals
22
55187
2068
อันที่จริง คนเหล่านี้
01:09
may be using the same voice,
23
57255
2012
อาจกำลังใช้เสียงเดียวกัน
01:11
and that's because there's
only a few options available.
only a few options available.
24
59267
3557
และนั่นก็เป็นเพราะว่า มันมีทางเลือกไม่มากนัก
01:14
In the U.S. alone, there are 2.5 million Americans
25
62824
4317
ในสหรัฐฯประเทศเดียว มีชาวอเมริกัน 2.5 ล้านคน
01:19
who are unable to speak,
26
67141
1610
ที่ไม่สามารถพูดได้
01:20
and many of whom use computerized devices
27
68751
2622
และมีหลายคนที่ใช้อุปกรณ์ที่ควบคุมโดยคอมพิวเตอร์
01:23
to communicate.
28
71373
1522
ในการสื่อสาร
01:24
Now that's millions of people worldwide
29
72895
3479
ทีนี้ คนหลายล้านทั่วโลก
01:28
who are using generic voices,
30
76374
1652
ผู้ที่กำลังใช้เสียงพื้นฐาน
01:30
including Professor Hawking,
31
78026
1446
ซึ่งรวมไปถึงศาสตราจารย์ฮอว์คิง
01:31
who uses an American-accented voice.
32
79472
4833
ผู้ที่ใช้เสียงที่มีสำเนียงอเมริกัน
01:36
This lack of individuation of the synthetic voice
33
84305
3328
ความไร้ตัวตนของเสียงสังเคราะห์นี้
01:39
really hit home
34
87633
1416
ชัดเจนสำหรับฉัน
01:41
when I was at an assistive technology conference
35
89049
2472
เมื่อฉันร่วมงานสัมมนาเกี่ยวกับเทคโนโลยีอุปกรณ์ช่วย
01:43
a few years ago,
36
91521
1850
เมื่อไม่กี่ปีก่อน
01:45
and I recall walking into an exhibit hall
37
93371
3604
และฉันจำได้ถึงตอนที่เดินเข้าไปในโถงนิทรรศการ
01:48
and seeing a little girl and a grown man
38
96975
3044
และเห็นเด็กผู้หญิงตัวเล็กๆ และผู้ใหญ่เพศชาย
01:52
having a conversation using their devices,
39
100019
2916
กำลังคุยกันโดยใช้เครื่องของพวกเขา
01:54
different devices, but the same voice.
40
102935
4284
คนละเครื่องแต่มีเสียงเดียวกัน
01:59
And I looked around and I saw this happening
41
107219
1909
และฉันก็มองไปรอบๆ และเห็นสิ่งนี้เกิดขึ้น
02:01
all around me, literally hundreds of individuals
42
109128
4190
รอบๆ ตัวฉัน ผู้คนมากนับร้อย
02:05
using a handful of voices,
43
113318
2738
ใช้เสียงพูดเพียงหยิบมือเดียว
02:08
voices that didn't fit their bodies
44
116056
3091
เสียงที่ไม่ได้เหมาะกับร่างกายของเขา
02:11
or their personalities.
45
119147
2082
หรือบุคลิกภาพของพวกเขา
02:13
We wouldn't dream of fitting a little girl
46
121229
2727
เราคงไม่คาดไม่ฝันว่าที่จะให้เด็กผู้หญิงตัวเล็กๆ
02:15
with the prosthetic limb of a grown man.
47
123956
3396
มีแขนขาเทียมของผู้ใหญ่เพศชาย
02:19
So why then the same prosthetic voice?
48
127352
3304
แล้วทำไมถึงทำแบบนั้นกับเสียงเทียม
02:22
It really struck me,
49
130656
1291
มันกระตุ้นฉันอย่างจัง
02:23
and I wanted to do something about this.
50
131947
3151
และฉันต้องการที่จะทำอะไรบางอย่างกับมัน
02:27
I'm going to play you now a sample
51
135098
1953
ฉันกำลังจะเล่นตัวอย่างให้คุณชม
02:29
of someone who has, two people actually,
52
137051
3288
เกี่ยวกับบุคคลสองคน
02:32
who have severe speech disorders.
53
140339
1768
ที่มีการพูดผิดปกติขั้นรุนแรง
02:34
I want you to take a listen to how they sound.
54
142107
3230
ฉันอยากให้คุณฟังว่าเสียงพวกเขาเป็นอย่างไร
02:37
They're saying the same utterance.
55
145337
2357
พวกเขากำลังเปล่งคำเสียงเดียวกัน
02:39
(First voice)
56
147694
2432
(เสียงแรก)
02:42
(Second voice)
57
150126
3617
(เสียงที่สอง)
02:45
You probably didn't understand what they said,
58
153743
2412
คุณอาจไม่เข้าใจหรอกว่าพวกเขาพูดอะไร
02:48
but I hope that you heard
59
156155
1854
แต่ฉันหวังว่าคุณจะได้ยิน
02:50
their unique vocal identities.
60
158009
4283
เสียงที่เป็นเอกลักษณ์ประจำตัวของพวกเขา
02:54
So what I wanted to do next is,
61
162292
2813
ดังนั้น สิ่งที่ฉันต้องการทำต่อไปก็คือ
02:57
I wanted to find out how we could harness
62
165105
2384
ฉันต้องการค้นหาว่าเราจะใช้ประโยชน์
02:59
these residual vocal abilities
63
167489
1821
ศักยภาพของเสียงที่เหลืออยู่เหล่านี้ได้อย่างไร
03:01
and build a technology
64
169310
2016
และสร้างเทคโนโลยี
03:03
that could be customized for them,
65
171326
2143
ที่สามารถสนองความต้องการของพวกเขา
03:05
voices that could be customized for them.
66
173469
2429
เสียงที่สามารถปรับแต่งให้เข้ากับพวกเขา
03:07
So I reached out to my collaborator, Tim Bunnell.
67
175898
2685
ฉันจึงขอความช่วยเหลือจากผู้ร่วมโครงการ
ทิม บันเนล
ทิม บันเนล
03:10
Dr. Bunnell is an expert in speech synthesis,
68
178583
3063
ดร. บันเนล เป็นผู้เชี่ยวชาญเรื่องเสียงสังเคราะห์
03:13
and what he'd been doing is building
69
181646
2033
และเขากำลังสร้าง
03:15
personalized voices for people
70
183679
1881
เสียงที่สร้างสำหรับแต่ละคน
03:17
by putting together
71
185560
2097
โดยผสาน
03:19
pre-recorded samples of their voice
72
187657
2150
ตัวอย่างเสียงของพวกเขาที่บันทึกเอาไว้
03:21
and reconstructing a voice for them.
73
189807
2879
และเสียงของพวกเขาที่สร้างขึ้นใหม่
03:24
These are people who had lost their voice
74
192686
1712
นี่คือผู้คนที่สูญเสียเสียงของพวกเขาไป
03:26
later in life.
75
194398
1911
ในภายหลัง
03:28
We didn't have the luxury
76
196309
1394
เราไม่ได้มีตัวอย่างเสียงที่บันทึกการพูด
03:29
of pre-recorded samples of speech
77
197703
1774
เอาไว้อย่างมากมาย
03:31
for those born with speech disorder.
78
199477
2292
สำหรับผู้ที่มีความผิดปกติทางการพูดมาแต่กำเนิด
03:33
But I thought, there had to be a way
79
201769
2537
แต่ฉันคิดว่า มันจะต้องมีหนทาง
03:36
to reverse engineer a voice
80
204306
1944
ที่จะเปลี่ยนเสียงที่ทำขึ้น
03:38
from whatever little is left over.
81
206250
2291
ย้อนกลับไปหาสิ่งที่ยังเหลืออยู่เล็กน้อย
03:40
So we decided to do exactly that.
82
208541
2714
ดังนั้น เราตัดสินใจที่จะทำอย่างนั้น
03:43
We set out with a little bit of funding
from the National Science Foundation,
from the National Science Foundation,
83
211255
3403
เราเริ่มด้วยเงินทุนเพียงเล็กน้อย
จากองค์กรวิทยาศาสตร์แห่งชาติ
จากองค์กรวิทยาศาสตร์แห่งชาติ
03:46
to create custom-crafted voices that captured
84
214658
3565
เพื่อจะสร้างเสียงที่ทำขึ้นตามสั่ง
03:50
their unique vocal identities.
85
218223
1536
ที่มีเอาเสียงที่เป็นเอกลักษณ์ของพวกเขาไว้
03:51
We call this project VocaliD, or vocal I.D.,
86
219759
3203
เราเรียกโครงการนี้ว่า VocaliD หรือ vocal I.D
03:54
for vocal identity.
87
222962
2033
ที่ย่อมาจาก เอกลักษณ์เสียง (vocal identity)
03:56
Now before I get into the details of how
88
224995
2674
ทีนี้ ก่อนที่จะฉันพูดถึงรายละเอียดที่ว่า
03:59
the voice is made and let you listen to it,
89
227669
2048
เสียงทำได้อย่างไร และให้คุณได้รับฟัง
04:01
I need to give you a real quick
speech science lesson. Okay?
speech science lesson. Okay?
90
229717
3350
ฉันต้องสอนเรื่องวิทยาศาสตร์การพูดแบบคร่าวๆ ก่อนนะคะ
04:05
So first, we know that the voice is changing
91
233067
3159
ก่อนอื่น เรารู้ว่าเสียงนั้นเปลี่ยนไปอย่างมาก
04:08
dramatically over the course of development.
92
236226
2854
ระหว่างที่เราเจริญเติบโต
04:11
Children sound different from teens
93
239080
2090
เสียงเด็กต่างจากวัยรุ่น
04:13
who sound different from adults.
94
241170
1463
ซึ่งก็มีเสียงต่างจากผู้ใหญ่
04:14
We've all experienced this.
95
242633
2642
พวกเราเคยมีประสบการณ์เหล่านี้
04:17
Fact number two is that speech
96
245275
3363
ข้อเท็จจริงที่สองก็คือ
04:20
is a combination of the source,
97
248638
2553
เสียงนั้นประกอบขึ้นจากแหล่ง
04:23
which is the vibrations generated by your voice box,
98
251191
3479
ซึ่งก็คือการสั่นสะเทือนที่เกิดจากกล่องเสียงของคุณ
04:26
which are then pushed through
99
254670
1939
ซึ่งมันจะถูกดันขึ้น
04:28
the rest of the vocal tract.
100
256609
2437
ผ่านหลอดเสียง
04:31
These are the chambers of your head and neck
101
259046
2484
นี่คือช่องโพรงต่างๆ ในศีรษะและคอของคุณ
04:33
that vibrate,
102
261530
1239
ที่สั่นสะเทือน
04:34
and they actually filter that source sound
103
262769
2110
และที่จริงแล้วพวกมันก็เป็นตัวกรองเสียงจากแหล่ง
04:36
to produce consonants and vowels.
104
264879
2537
เพื่อจะสร้างพยัญชนะและสระ
04:39
So the combination of source and filter
105
267416
3860
ดังนั้นส่วนผสมจากแหล่งและตัวกรอง
04:43
is how we produce speech.
106
271276
2630
ก็เป็นตัวก่อให้เกิดเสียงของเรา
04:45
And that happens in one individual.
107
273906
3026
และนั่นเกิดขึ้นในตัวบุคคล
04:48
Now I told you earlier that I'd spent
108
276932
2626
ฉันบอกคุณไว้ก่อนหน้านี้ว่า
04:51
a good part of my career
109
279558
2025
ฉันได้ใช้เวลาส่วนใหญ่ในชีวิตการทำงาน
04:53
understanding and studying
110
281583
2453
เพื่อที่จะเข้าใจและศึกษา
04:56
the source characteristics of people
111
284036
1958
ลักษณะของแหล่งของบุคคล
04:57
with severe speech disorder,
112
285994
2301
ที่มีความผิดปกติด้านการพูด
05:00
and what I've found
113
288295
1465
และสิ่งที่ฉันได้พบ
05:01
is that even though their filters were impaired,
114
289760
3366
ก็คือแม้ว่าตัวกรองของพวกเขาจะผิดปกติ
05:05
they were able to modulate their source:
115
293126
2961
พวกเขาสามารถที่จะเปลี่ยนระดับเสียงของแหล่งได้
05:08
the pitch, the loudness, the tempo of their voice.
116
296087
3262
เสียงสูงต่ำ ความดัง และจังหวะของเสียง
05:11
These are called prosody, and
I've been documenting for years
I've been documenting for years
117
299349
3368
เหล่านี้เรียกว่า ฉันทลักษณ์ [เสียงและจังหวะ]
และฉันได้ทำการรวบรวมมาหลายปี
และฉันได้ทำการรวบรวมมาหลายปี
05:14
that the prosodic abilities of these individuals
118
302717
2277
ว่าความสามารถในเชิงฉันทลักษณ์ของคนเหล่านี้
05:16
are preserved.
119
304994
1575
ถูกรักษาเอาไว้
05:18
So when I realized that those same cues
120
306569
4087
ดังนั้น เมื่อฉันตระหนักว่าเบาะแสเดียวกันนั้น
05:22
are also important for speaker identity,
121
310656
2769
สำคัญต่อเอกลักษณ์ของผู้พูดเช่นกัน
05:25
I had this idea.
122
313425
2015
ฉันก็เกิดความคิดนี้
05:27
Why don't we take the source
123
315440
2516
ทำไมเราไม่นำแหล่ง
05:29
from the person we want the voice to sound like,
124
317956
2213
จากคนที่เราต้องการให้เสียงเป็นแบบเขา
05:32
because it's preserved,
125
320169
1463
เพราะว่ามันถูกรักษาเอาไว้
05:33
and borrow the filter
126
321632
2135
และยืมตัวกรอง
05:35
from someone about the same age and size,
127
323767
3229
จากใครสักคนที่มีอายุและขนาดเท่าๆ กัน
05:39
because they can articulate speech,
128
327011
2407
เพราะพวกเขาพูดได้อย่างชัดเจน
05:41
and then mix them?
129
329418
1791
และผสมมันเข้าด้วยกัน
05:43
Because when we mix them,
130
331209
1787
เพราะเมื่อเราผสมมันแล้ว
05:44
we can get a voice that's as clear
131
332996
1698
เราจะได้เสียงที่ชัดเจน
05:46
as our surrogate talker --
132
334694
1754
พอกับเสียงจากผู้พูดที่เป็นตัวแทนของเรา
05:48
that's the person we borrowed the filter from—
133
336448
2595
ซึ่งเรายืมตัวกรองมาจากเขา
05:51
and is similar in identity to our target talker.
134
339043
4649
และมีความเป็นเอกลักษณ์ที่ใกล้เคียง
กับผู้พูดที่เป็นเป้าหมายของเรา
กับผู้พูดที่เป็นเป้าหมายของเรา
05:55
It's that simple.
135
343692
1427
ง่ายๆ แบบนั้นล่ะค่ะ
05:57
That's the science behind what we're doing.
136
345119
2934
นั่นคือความรู้เบื้องหลังที่เราใช้
06:00
So once you have that in mind,
137
348053
3533
ดังนั้น เมื่อคุณมีสิ่งนั้นอยู่ในใจแล้ว
06:03
how do you go about building this voice?
138
351586
2258
คุณจะสร้างเสียงขึ้นมาได้อย่างไร
06:05
Well, you have to find someone
139
353844
1480
เอาล่ะ คุณต้องหาใครสักคน
06:07
who is willing to be a surrogate.
140
355324
2400
ผู้ที่เต็มใจจะเป็นตัวแทน
06:09
It's not such an ominous thing.
141
357724
2264
มันไม่ได้เป็นเรื่องเลวร้ายอะไร
06:11
Being a surrogate donor
142
359988
1523
การเป็นตัวแทนนั้น
06:13
only requires you to say a few hundred
143
361511
2788
คุณก็แค่ต้องเปล่งเสียงสักร้อย
06:16
to a few thousand utterances.
144
364299
2242
ถึงพันเสียง
06:18
The process goes something like this.
145
366541
2003
ขึ้นตอนเป็นไปประมาณนี้
06:20
(Video) Voice: Things happen in pairs.
146
368544
2190
(วีดีโอ) เสียง: สิ่งนั้นเกิดขึ้นเป็นคู่
06:22
I love to sleep.
147
370734
1925
ฉันชอบนอน
06:24
The sky is blue without clouds.
148
372659
3882
ท้องฟ้าสีครามไร้ซึ่งเมฆ
06:28
RP: Now she's going to go on like this
149
376541
2002
รูแพล: เอาล่ะ เธอจะพูดแบบนั้นไปเรื่อยๆ
06:30
for about three to four hours,
150
378543
1919
สักสามถึงสี่ชั่วโมง
06:32
and the idea is not for her to say everything
151
380462
3005
และไม่ใช่ว่าจะให้เธอพูดทุกๆ อย่าง
06:35
that the target is going to want to say,
152
383467
2045
ที่เป้าหมายต้องการจะพูด
06:37
but the idea is to cover all the different combinations
153
385512
3395
แต่แผนก็คือเพื่อที่จะให้มันครอบคลุมส่วนผสมต่างๆ ทั้งหมด
06:40
of the sounds that occur in the language.
154
388907
3271
ของเสียงที่มีอยู่ในภาษา
06:44
The more speech you have,
155
392178
1638
ยิ่งมีถ้อยคำมากเท่าไร
06:45
the better sounding voice you're going to have.
156
393816
2305
คุณก็จะยิ่งได้เสียงที่ฟังดูดี
06:48
Once you have those recordings,
157
396121
1673
เมื่อคุณได้ทำการบันทึกเสียงแล้ว
06:49
what we need to do
158
397794
1413
ที่เราต้องทำก็คือ
06:51
is we have to parse these recordings
159
399207
2718
เราต้องแจงสิ่งที่บันทึกไว้
06:53
into little snippets of speech,
160
401925
2449
ให้เป็นส่วนเล็กๆ ของถ้อยคำ
06:56
one- or two-sound combinations,
161
404374
2337
เสียงผสมหนึ่งหรือสองเสียง
06:58
sometimes even whole words
162
406711
1883
หรือบางครั้งทั้งคำ
07:00
that start populating a dataset or a database.
163
408594
4516
ที่เริ่มจะพบบ่อยๆ ในผลลัพท์หรือฐานข้อมูล
07:05
We're going to call this database a voice bank.
164
413110
3717
เราจะเรียกฐานข้อมูลนี้ว่าคลังของเสียง
07:08
Now the power of the voice bank
165
416827
2096
ความสามารถของคลังเสียงก็คือ
07:10
is that from this voice bank,
166
418923
2014
จากคลังเสียงนี้
07:12
we can now say any new utterance,
167
420937
2011
เราสามารถเปล่งเสียงใหม่เป็นอะไรก็ได้
07:14
like, "I love chocolate" --
168
422948
1424
เช่น "ฉันชอบช๊อกโกแลต"
07:16
everyone needs to be able to say that—
169
424372
1739
ทุกคนควรที่จะพูดได้จริงไหมคะ
07:18
fish through that database
170
426111
1831
ค้นหาจากในคลังเสียง
07:19
and find all the segments necessary
171
427942
1940
และหาส่วนทั้งหมดที่สำคัญ
07:21
to say that utterance.
172
429882
1929
ที่จะเปล่งคำเหล่านั้นออกมา
07:23
(Video) Voice: I love chocolate.
173
431811
1789
(วีดีโอ) เสียง: ฉันชอบช๊อกโกแลต
07:25
RP: So that's speech synthesis.
174
433600
1391
รูแพล: นั่นคือการสังเคราะห์เสียง
07:26
It's called concatenative synthesis,
and that's what we're using.
and that's what we're using.
175
434991
2573
มันถูกเรียกว่า การสังเคราะห์แบบเชื่อมต่อกัน
และนั่นก็เป็นสิ่งที่เราใช้
และนั่นก็เป็นสิ่งที่เราใช้
07:29
That's not the novel part.
176
437564
1533
นั่นไม่ใช่สิ่งใหม่อะไร
07:31
What's novel is how we make it sound
177
439097
2221
ส่วนที่เป็นสิ่งใหม่ก็คือวิธีที่เราทำให้เสียง
07:33
like this young woman.
178
441318
1457
เหมือนกับผู้หญิงวัยเยาว์
07:34
This is Samantha.
179
442775
1524
นี่คือซาแมนทา
07:36
I met her when she was nine,
180
444299
2346
ฉันพบเธอเมื่อเธอได้เก้าขวบ
07:38
and since then, my team and I
181
446645
1897
และจับจากนั้น ฉันและกลุ่มวิจัย
07:40
have been trying to build her a personalized voice.
182
448542
2714
ก็ได้พยายามที่จะสร้างเสียงที่มีตัวตนเป็นเธอ
07:43
We first had to find a surrogate donor,
183
451256
3099
ก่อนอื่นเราต้องหาตัวแทนผู้บริจาค
07:46
and then we had to have Samantha
184
454355
1818
และจากนั้นเราต้องให้ซาแมนทา
07:48
produce some utterances.
185
456173
1929
ทำการเปล่งเสียง
07:50
What she can produce are mostly vowel-like sounds,
186
458102
2379
สิ่งที่เธอสามารถทำได้มันจะเป็นเสียงสระ
07:52
but that's enough for us to extract
187
460481
2479
แต่มันก็เพียงพอสำหรับเราที่จะสกัด
07:54
her source characteristics.
188
462960
2285
แหล่งที่มาของลักษณะตัวตนของเธอ
07:57
What happens next is best described
189
465245
3271
สิ่งที่เกิดขึ้นต่อไปนั้น มีการอธิบายไว้เป็นอย่างดี
08:00
by my daughter's analogy. She's six.
190
468516
2767
ด้วยการบรรยายเชิงอุปมาของลูกสาวของฉัน
อายุหกขวบ
อายุหกขวบ
08:03
She calls it mixing colors to paint voices.
191
471283
5422
เธอเรียกมันว่าผสมสีเพื่อวาดเสียง
08:08
It's beautiful. It's exactly that.
192
476705
2555
มันงดงาม และมันก็เป็นเช่นนั้น
08:11
Samantha's voice is like a concentrated sample
193
479260
2860
เสียงของซาแมนทาเหมือนกับตัวอย่างเข้มข้น
08:14
of red food dye which we can infuse
194
482120
2609
ของสีผสมอาหารสีแดงซึ่งเราสามารถทำให้มันซึมซาบ
08:16
into the recordings of her surrogate
195
484729
2540
เข้าไปในบันทึกของตัวแทนของเธอ
08:19
to get a pink voice just like this.
196
487269
4387
เพื่อที่จะได้เสียงสีชมพู
08:23
(Video) Samantha: Aaaaaah.
197
491656
4491
(วีดีโอ) ซาแมนทา: อาาาาาาห์
08:28
RP: So now, Samantha can say this.
198
496147
2808
รูเพล: ถึงตอนนี้ ซาแมนทาสามารถพูดได้ว่า
08:30
(Video) Samantha: This voice is only for me.
199
498955
3069
วีดีโอ) ซาแมนทา: เสียงนี้สำหรับฉันเท่านั้น
08:34
I can't wait to use my new voice with my friends.
200
502024
6305
ฉันอดใจไม่ไหวที่จะใช้เสียงหใม่ของฉันกับเพื่อนๆ
08:40
RP: Thank you. (Applause)
201
508329
6417
รูเพล: ขอบคุณค่ะ (เสียงปรบมือ)
08:46
I'll never forget the gentle smile
202
514746
2333
ฉันจะไม่ลืมรอยยิ้มอันอ่อนโยน
08:49
that spread across her face
203
517079
1902
ที่ฉาบไปทั่วใบหน้าของเธอ
08:50
when she heard that voice for the first time.
204
518981
3649
เมื่อเธอได้ยินเสียงนั้นเป็นครั้งแรก
08:54
Now there's millions of people
205
522630
1882
ตอนนี้มีผู้คนหลายล้าน
08:56
around the world like Samantha, millions,
206
524512
2833
ทั่วโลกที่เป็นเหมือนซาแมนทา
08:59
and we've only begun to scratch the surface.
207
527345
3440
และพวกเรานั้นแค่เริ่มแบบผิวเผินเท่านั้นเอง
09:02
What we've done so far is we have
208
530785
1642
สิ่งที่เราได้ทำมาก็คือ
09:04
a few surrogate talkers from around the U.S.
209
532427
3859
เรามีผู้พูดตัวแทนจำนวนหนึ่งทั่วทั้งสหรัฐอเมริกาฯ
09:08
who have donated their voices,
210
536286
1507
ผู้ซึ่งบริจาคเสียงของพวกเขา
09:09
and we have been using those
211
537793
1928
และพวกเราก็ได้ใช้มัน
09:11
to build our first few personalized voices.
212
539721
4472
ในการสร้างเสียงส่วนตัวเสียงแรกของเรา
09:16
But there's so much more work to be done.
213
544193
1756
แต่มันยังมีอะไรอีกมากที่ต้องทำ
09:17
For Samantha, her surrogate
214
545949
2188
สำหรับซาแมนทา ตัวแทนของเธอนั้น
09:20
came from somewhere in the Midwest, a stranger
215
548137
3046
มาจากทางตะวันตกส่วนกลาง เป็นคนแปลกหน้า
09:23
who gave her the gift of voice.
216
551183
3841
ผู้ซึ่งให้ของขวัญแห่งเสียงกับเธอ
09:27
And as a scientist, I'm so excited
217
555024
2153
และในฐานะนักวิทยาศาสตร์ ฉันก็ตื่นเต้นมาก
09:29
to take this work out of the laboratory
218
557177
1935
ที่จะนำงานชิ้นนี้ออกจากห้องทดลอง
09:31
and finally into the real world
219
559112
1800
และในที่สุด เผยมันสู่โลกแห่งความจริง
09:32
so it can have real-world impact.
220
560912
3165
ดังนั้น มันมีอิทธิพลต่อโลกแห่งความเป็นจริงได้
09:36
What I want to share with you next
221
564077
1582
สิ่งที่ฉันต้องการจะแบ่งปันกับคุณต่อไปก็คือ
09:37
is how I envision taking this work
222
565659
2175
การที่ฉันจินตนาการถึงการนำงานนี้
09:39
to that next level.
223
567834
2711
ไปสู่ระดับต่อไป
09:42
I imagine a whole world of surrogate donors
224
570545
3887
ฉันคิดถึงโลกทั้งใบที่ผู้บริจาคตัวแทน
09:46
from all walks of life, different sizes, different ages,
225
574432
3260
จากทุกสารทิศ ไม่ว่าจะใหญ่เล็กหรือมีอายุเท่าไร
09:49
coming together in this voice drive
226
577692
3058
เข้ามารวมตัวกันในการผลักดันทางเสียงนี้
09:52
to give people voices
227
580750
2270
เพื่อที่จะให้เสียงกับผู้คน
09:55
that are as colorful as their personalities.
228
583020
3799
ซึ่งเสียงนั้นจะมีชีวิตชีวา ไม่ต่างจากบุคลิกภาพของพวกเขา
09:58
To do that as a first step,
229
586819
2300
สำหรับก้าวแรกนั้น
10:01
we've put together this website, VocaliD.org,
230
589119
3275
เราต้องทำให้เว็บไซต์ VocaliD.org
10:04
as a way to bring together those
231
592394
1624
เป็นวิธีการที่จะนำ
10:06
who want to join us as voice donors,
232
594018
2675
ผู้ที่ต้องการจะเข้าร่วมเป็นผู้บริจาคเสียงกับเรา
10:08
as expertise donors,
233
596693
1772
ให้เป็นดั่งผู้บริจาคผู้เชี่ยวชาญ
10:10
in whatever way to make this vision a reality.
234
598465
5339
ให้แนวคิดนี้เป็นรูปธรรม ไม่ว่าทางใดก็ตาม
10:15
They say that giving blood can save lives.
235
603804
4153
พวกเขาบอกว่าการบริจาคเลือดสามารถรักษาชีวิตได้
10:19
Well, giving your voice can change lives.
236
607957
4982
การให้เสียงของคุณนั้น ก็สามารถเปลี่ยนชีวิตได้
10:24
All we need is a few hours of speech
237
612939
3050
ทั้งหมดที่เราต้องการก็เพียงเวลาไม่กี่ชั่วโมงในการพูด
10:27
from our surrogate talker,
238
615989
1491
โดยผู้พูดตัวแทนของเรา
10:29
and as little as a vowel from our target talker,
239
617480
4733
และแค่เพียงสระจากผู้พูดเป้าหมายของเรา
10:34
to create a unique vocal identity.
240
622213
3711
ที่จะสร้างเสียงที่มีเอกลักษณ์เฉพาะได้
10:37
So that's the science behind what we're doing.
241
625924
2626
นั่นเป็นศาสตร์เบื้องหลังสิ่งที่เรากำลังทำอยู่
10:40
I want to end by circling back to the human side
242
628550
4455
ฉันอยากจะจบเรื่องนี้โดยย้อนกลับไป
ยังด้านที่เป็นมนุษย์
ยังด้านที่เป็นมนุษย์
10:45
that is really the inspiration for this work.
243
633005
4102
นั่นเป็นแรงบันดาลใจที่แท้จริงของงานนี้
10:49
About five years ago, we built our very first voice
244
637107
3699
ประมาณห้าปีก่อน เราสร้างเสียงแรกของเรา
10:52
for a little boy named William.
245
640806
2501
สำหรับเด็กผู้ชายตัวเล็กๆ ชื่อว่า วิลเลี่ยม
10:55
When his mom first heard this voice,
246
643307
2357
เมื่อแม่ของเขาได้ยินมันเป็นครั้งแรก
10:57
she said, "This is what William
247
645664
2345
เธอพูดว่า "วิลเลี่ยมน่าจะ
11:00
would have sounded like
248
648009
1546
มีเสียงแบบนี้แหละ
11:01
had he been able to speak."
249
649555
2449
ถ้าเขานั้นพูดได้"
11:04
And then I saw William typing a message
250
652004
2418
และเมื่อฉันได้เห็นวิลเลี่ยนพิมพ์ข้อความ
11:06
on his device.
251
654422
1362
บนอุปกรณ์ของเขา
11:07
I wondered, what was he thinking?
252
655784
3293
ฉันก็สงสัย ว่าเขาคิดอะไรอยู่นะ
11:11
Imagine carrying around someone else's voice
253
659077
3590
ลองจินตนาการถึงการที่คุณมีเสียงของใครสักคน
11:14
for nine years
254
662667
2193
มานานเก้าปี
11:16
and finally finding your own voice.
255
664860
4844
และในที่สุดก็ได้พบกับเสียงของตัวคุณเอง
11:21
Imagine that.
256
669704
1377
ลองคิดดูสิ
11:23
This is what William said:
257
671081
2797
นี่คือสิ่งที่วิลเลี่ยมพูด
11:25
"Never heard me before."
258
673878
4463
"ไม่เคยได้ยินผมมาก่อนเลย"
11:32
Thank you.
259
680417
1619
ขอบคุณค่ะ
11:34
(Applause)
260
682036
4724
(เสียงปรบมือ)
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