Український стартап Respeecher розробив технологію, яка з допомогою штучного інтелекту дозволяє одній людині говорити голосом іншої. Команда працює вже понад три роки - за цей час їм вдалося пройти шлях від пропозицій для озвучення київського метро до роботи з найбільшими студіями Голлівуду. Співзасновник стартапу та CEO Repseecher Олександр Сердюк стверджує, що зараз на ринку немає такої технології, яка б за якістю відповідала їхній.
Саме висока якість звуку була пріоритетом стартапу - скільки б часу і ресурсів це не зайняло. Щоб натренувати систему говорити чиїмось голосом, в систему потрібно завантажити близько однієї години аудіо. Саме “тренування” займає від двох до трьох тижнів часу.
Наша технологія може зробити так, щоб один голос звучав точним тембром іншого.Олександ Сердюк, CEO Respeecher
“В нас є модель - це нейронна мережа, яка дозволяє зрозуміти різницю між двома або більше конкретними голосами, - пояснює Олександр. - І після того, як вона цю різницю зрозуміє, то може зробити так, щоб один голос звучав точним тембром іншого, залишаючи весь емоційний контекст недоторканим”.
Однією з перших спроб використати технологію був експеримент з озвученням зупинок у київському метро три роки тому. Коли станцію “Петрівка” перейменували на “Почайну” й виникла потреба в новій озвучці, штучний інтелект відтворив добре відомий киянам голос покійного диктора Миколи Петренка. Але зрештою, в Київському метрополітені таку ідею відкинули й переозвучили всі станції заново. “Я вважаю, що Київ трохи втратив від цього, - зізнається Олександр. - Це такий дуже київський голос”.
Тепер українську технологію використовують на великому екрані - Respeecher працює практично зі всіма основними студіями Голлівуду. Зокрема, їхню технологію використали у творах про всесвіт “Зоряних воєн”. У серіалі Disney “Мандалорець” Respeecher допомагав “омолодити” голос Люка Скайвокера. Втім, Олександр Сердюк відмовився розповідати про це більше, посилаючись на договір про нерозголошення.
Один з останніх великих проектів української компанії - Super Bowl - фінал чемпіонату з американського футболу США. Завданням Respeecher було оживити легендарного американського тренера Вінса Ломбарді і зробити так, щоб він виступив з новою промовою. Олександр каже, що це був один з найважчих проектів: “Даних було критично мало. Вони були старі, і якісних записів Вінса було зовсім небагато. Але в результаті звучить класно”.
За словами засновника стартапу, їхня технологія дає можливість по-новому подивитись на історію. Respeecher озвучив ніколи не виголошену промову президента США Річарда Ніксона - яку Білий дім підготував на випадок, якби висадка американців на Місяць не вдалась. Її презентували на фестивалі в Нідерландах.
“Це був не просто відеоролик, а ціла кімната, - пригадує Олександр. - Вона була зроблена в стилі 50-60 років, зі старим телевізором, людина приходила, сідала, натискала кнопку, бачила стару рекламу і потім Ніксон з’являвся і розказував свою промову. Ця промова дуже сильна, але вона залишилась в архівах на багато років. А ми зробили так, що президент Ніксон її сказав”.
Зараз засновники стартапу працюють над новою функцією, яка дозволить змінювати акцент - і робити його зрозумілішим для носіїв рідної мови. Олександр пояснює, що це може мати практичне застосування.
Ми можемо зробити так, щоб люди на Філіппінах чи люди в Індії розмовляли з менш відчутним акцентом для багатьох людей в США.Олександр Сердюк, CEO Respeecher
“Наприклад, комусь в Америці можуть не подобатись акценти кол-центрів зі східних регіонів Азії. Ми можемо зробити так, щоб люди на Філіппінах чи люди в Індії розмовляли з менш відчутним акцентом для багатьох людей в США. І таким чином змінити розклад сил. Працівники матимуть більше роботи, її будуть краще оплачувати, і це в принципі справедливіше”.
Олександр Сердюк каже, що абсолютно усвідомлює, які ризики відкриває їхня технологія, і яку відповідальність це накладає на компанію. Через це засновники стартапу вимагають від клієнтів дотримання всіх авторських прав, а самого інструменту немає у вільному доступі.“В нас дуже серйозна етична політика з цього питання, - розповідає Олександр. - Ми не дозволяємо використовувати нашу технологію, якщо немає дозволу на конкретний голос”.
Попри це, він переконаний, що технологію рано чи пізно спробують використати в зловмисних цілях. Тому частина відповідальності полягає в тому, щоб переконатись: люди знають, що зараз будь-що можна змінити та підробити.
“Це та сама історія, яка була з фотошопом. Коли люди бачили зображення, вони звикли в це вірити. Зараз ми вже знаємо, що це не так. Тому такий самий період адаптації має пройти технологія, схожа на нашу”.
Дивіться також: Як перевірити автентичність будь-якого зображення онлайн.
