വായിക്കാൻ 3 മിനിറ്റ്
ശബ്ദ ക്ലോണിങ്: കമ്പ്യൂട്ടർ നിങ്ങളുടെ ശബ്ദശൈലി കൃത്യമായി പഠിച്ചെടുക്കുന്നത് എങ്ങനെ?
30 സെക്കൻഡിൽ സാരം
ശബ്ദ ക്ലോണിങ് എന്നാൽ കൃത്രിമബുദ്ധിയുടെ സഹായത്തോടെ ഒരു വ്യക്തിയുടെ ശബ്ദത്തിന്റെ പിച്ചി, ഉച്ചാരണരീതി, സംസാരിക്കുന്ന വേഗത എന്നിവ പഠിച്ചെടുത്ത്, ആ വ്യക്തി ജീവിതത്തിൽ ഒരിക്കലും പറയാത്ത പുതിയ വാക്കുകൾ അവരുടെ തനത് സ്വരത്തിൽ കേൾപ്പിക്കുന്ന സാങ്കേതികവിദ്യയാണ്. ഇത് പഴയ റെക്കോർഡിംഗുകൾ കേൾപ്പിക്കുന്നതിനേക്കാൾ വ്യത്യസ്തമായി പുതിയ കാര്യങ്ങൾ സംസാരിക്കുന്നു.
ശബ്ദ ക്ലോണിങ് സാങ്കേതികവിദ്യ സംസാരശൈലി പകർത്തുന്നത് എങ്ങനെ?
നിങ്ങളുടെ വിരലടയാളം പോലെ തന്നെ സവിശേഷമാണ് നിങ്ങളുടെ സംസാര ശബ്ദവും. നിങ്ങൾ സംസാരിക്കുമ്പോൾ ശബ്ദപേടകത്തിൽ നിന്ന് വായു പുറത്തുവരുന്ന രീതി, ചുണ്ടുകളുടെയും നാക്കിന്റെയും ചലനങ്ങൾ എന്നിവ ഓരോരുത്തർക്കും തികച്ചും വ്യത്യസ്തമായ ഒരു ശബ്ദഗുണം നൽകുന്നു. മുൻകാലങ്ങളിൽ മറ്റൊരാളുടെ ശബ്ദം അനുകരിക്കാൻ വർഷങ്ങളോളം പരിശീലനം നേടിയ മിമിക്രി കലാകാരന്മാർ വേണ്ടിയിരുന്നു. എന്നാൽ ഇന്നത്തെ കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യയ്ക്ക് ഏതാനും നിമിഷത്തെ നിങ്ങളുടെ സംസാരം കേട്ട് നിങ്ങളെപ്പോലെ സംസാരിക്കാൻ കഴിയും. നമ്മുടെ സംസാരത്തിലെ നാട്ടുശൈലിയും ശബ്ദത്തിന്റെ ഭാവവ്യത്യാസങ്ങളും നാം പോലും അറിയാതെ മറ്റുള്ളവർക്ക് നമ്മുടെ സാന്നിധ്യം അറിയിക്കുന്നു.
ഇവിടെ കമ്പ്യൂട്ടർ പഴയ ടേപ്പ് റെക്കോർഡർ പോലെ വാക്കുകൾ മുഴുവനായി ശേഖരിച്ചുവെക്കുകയല്ല ചെയ്യുന്നത്. പകരം നിങ്ങൾ സംസാരിക്കുമ്പോൾ ശബ്ദം എങ്ങനെ ഉയരുന്നു, ചോദ്യം ചോദിക്കുമ്പോൾ ഒടുവിൽ എങ്ങനെ നിൽക്കുന്നു, വാക്കുകൾക്കിടയിൽ എത്ര സമയം ശ്വാസമെടുക്കാൻ നിർത്തുന്നു എന്നിവയെല്ലാം സൂക്ഷ്മമായി കണക്കുകൂട്ടുന്നു. ഈ മാതൃകയുടെ സഹായത്തോടെ നിങ്ങൾ ഒരിക്കലും മൈക്രോഫോണിന് മുന്നിൽ ഉച്ചരിക്കാത്ത പുതിയ വാക്യങ്ങൾ നിങ്ങളുടെ സ്വന്തം സ്വരത്തിൽ അത് സംസാരിക്കുന്നു. ഒരു മിനിറ്റിൽ താഴെ മാത്രം ദൈർഘ്യമുള്ള ഓഡിയോ സാമ്പിളുകൾ ഉണ്ടെങ്കിൽ പോലും കമ്പ്യൂട്ടറിന് ആ ശബ്ദത്തിന്റെ സമ്പൂർണ്ണ ഘടന പഠിച്ചെടുക്കാൻ ഇന്ന് സാധിക്കുന്നുണ്ട്.
പിയാനോ ട്യൂണറും തനിയെ വായിക്കുന്ന പിയാനോയും തമ്മിലുള്ള സാദൃശ്യം
പഴയ ഗ്രാമഫോൺ റെക്കോർഡ് ഓർക്കുക: സൂചി കറങ്ങുമ്പോൾ അതിൽ നേരത്തെ പതിപ്പിച്ച പാട്ട് മാത്രമേ വീണ്ടും കേൾപ്പിക്കാൻ അതിന് കഴിയുമായിരുന്നുള്ളൂ. എന്നാൽ ശബ്ദ ക്ലോണിങ് പ്രവർത്തിക്കുന്നത് ഒരു പ്രശസ്ത പിയാനോ വാദകന്റെ കൈയടക്കം പകർത്തിയെടുക്കുന്ന യന്ത്ര പിയാനോ പോലെയാണ്. സാങ്കേതിക വിദഗ്ദ്ധൻ സംഗീതജ്ഞന്റെ ഓരോ താളവും ഹൃദിസ്ഥമാക്കി ആ പഴയ യന്ത്ര പിയാനോയെ അതിനനുസരിച്ച് പൂർണ്ണമായി മാറ്റിയെടുക്കുന്നു.
ഒരു വിദഗ്ദ്ധനായ ട്യൂണർ പിയാനോ വാദകന്റെ കച്ചേരി അതീവ ശ്രദ്ധയോടെ കേൾക്കുന്നു. അയാൾ ഓരോ കീയിലും എത്ര ബലത്തിലാണ് വിരലമർത്തുന്നത്, പെഡൽ എത്ര സമയം പിടിച്ചുനിർത്തുന്നു, തടിയുടെ പെട്ടിയിൽ നിന്ന് നാദം എങ്ങനെ പുറത്തുവരുന്നു എന്നെല്ലാം നിരീക്ഷിക്കുന്നു. തുടർന്ന് യന്ത്ര പിയാനോയിലെ ചുറ്റികകളെ ആ തനത് സ്പർശനത്തിന് അനുസരിച്ച് ക്രമീകരിക്കുന്നു. ഇപ്പോൾ ആ പിയാനോയിലേക്ക് പുതിയൊരു പാട്ടിന്റെ കുറിപ്പ് നൽകിയാൽ, ആ സംഗീതജ്ഞൻ മുമ്പ് വായിച്ചിട്ടില്ലാത്ത പുതിയ പാട്ടുകൾ പോലും അദ്ദേഹത്തിന്റെ ശൈലിയിൽ അത് തനിയെ വായിച്ചു തരുന്നു.
കമ്പ്യൂട്ടറിൽ നിങ്ങൾ നൽകുന്ന ചെറിയ ശബ്ദരേഖ ആ ട്യൂണർക്ക് നൽകിയ സാമ്പിൾ സ്വരത്തിന് തുല്യമാണ്. നിങ്ങൾ ടൈപ്പ് ചെയ്തു കൊടുക്കുന്ന പുതിയ അക്ഷരങ്ങൾ ആ സംഗീത കുറിപ്പ് പോലെ പ്രവർത്തിക്കുന്നു. സാങ്കേതികവിദ്യ നിങ്ങളുടെ സ്വരത്തിന്റെ തരംഗങ്ങൾ കൂട്ടിച്ചേർത്ത് തികച്ചും പുതിയ വാക്യങ്ങൾ നിർമ്മിക്കുന്നു. ഫലമായി നിങ്ങളുടെ സ്വന്തം ശൈലിയിലുള്ള സംസാരം സ്വാഭാവികമായി പുറത്തുവരുന്നു.
ദൈനംദിന ജീവിതത്തിൽ ശബ്ദ ക്ലോണിങ് എവിടെയൊക്കെ ഉപയോഗിക്കുന്നു?
ശബ്ദം പുനർനിർമ്മിക്കുന്ന ഈ സംവിധാനങ്ങൾ സിനിമയിൽ മാത്രമല്ല, നിത്യജീവിതത്തിലെ പല മേഖലകളിലും ഉപയോഗപ്രദമായി മാറിയിരിക്കുന്നു: ഇന്നത്തെ ഡിജിറ്റൽ യുഗത്തിൽ ശബ്ദത്തിന്റെ ഈ അനുകരണ സാധ്യതകൾ പുതിയ വാതിലുകൾ തുറക്കുമ്പോൾ തന്നെ കുടുംബങ്ങളിൽ ജാഗ്രത അനിവാര്യമാക്കുന്നു.
- ശബ്ദം നഷ്ടപ്പെടുന്ന രോഗികൾക്കുള്ള സഹായം: തൊണ്ടയിലെ അസുഖങ്ങൾ കാരണം സംസാരശേഷി നഷ്ടപ്പെടാൻ സാധ്യതയുള്ളവർ നേരത്തെ ശബ്ദം റെക്കോർഡ് ചെയ്തുവെച്ചാൽ, പിന്നീട് മൊബൈൽ വഴി സ്വന്തം സ്വരത്തിൽ സംസാരിക്കാം.
- ഓഡിയോ പുസ്തകങ്ങളും മാധ്യമ വിവരണങ്ങളും: എഴുത്തുകാർ സ്റ്റുഡിയോയിൽ ആഴ്ചകളോളം ഇരുന്നു വായിക്കുന്നതിന് പകരം, സ്വന്തം ശബ്ദ മാതൃക ഉപയോഗിച്ച് പുസ്തകങ്ങൾ വേഗത്തിൽ ഓഡിയോ രൂപത്തിലാക്കുന്നു.
- അടിയന്തര ഫോൺ കോൾ തട്ടിപ്പുകൾ: സോഷ്യൽ മീഡിയയിലെ ചെറിയ വീഡിയോകളിൽ നിന്ന് ശബ്ദം കവർന്നെടുത്ത്, മക്കളോ ബന്ധുക്കളോ അപകടത്തിൽ പെട്ടിരിക്കുകയാണെന്ന് പറഞ്ഞ് പണം തട്ടിയെടുക്കുന്ന കുറ്റകൃത്യങ്ങൾ.
- ഓഫീസ് മേലുദ്യോഗസ്ഥരുടെ വ്യാജ സന്ദേശങ്ങൾ: കമ്പനി ഡയറക്ടറുടെ ശബ്ദം അനുകരിച്ച് അക്കൗണ്ട് വിഭാഗത്തിലുള്ള ഉദ്യോഗസ്ഥരെ വിളിച്ച് അടിയന്തരമായി പണം ട്രാൻസ്ഫർ ചെയ്യാൻ നിർദ്ദേശിക്കുന്ന തട്ടിപ്പുകൾ.
വ്യാജ ശബ്ദ കോളുകളിൽ നിന്ന് കുടുംബത്തെ എങ്ങനെ സംരക്ഷിക്കാം?
പരിചിതമായ ശബ്ദത്തിൽ ഒരു സഹായാഭ്യർത്ഥന കേൾക്കുമ്പോൾ ആർക്കും സ്വാഭാവികമായും പരിഭ്രാന്തി തോന്നും. എന്നാൽ മൂന്ന് ലളിതമായ ശീലങ്ങൾ പാലിച്ചാൽ നമുക്ക് ഇത്തരം കെണികളെ ഒഴിവാക്കാം:
- കുടുംബത്തിനുള്ളിൽ ഒരു രഹസ്യ വാക്ക് ഉറപ്പിച്ചു വെക്കുക: വീട്ടിലുള്ളവർക്ക് മാത്രം അറിയാവുന്ന പഴയൊരു ഓർമ്മയോ വളർത്തുമൃഗത്തിന്റെ പേരോ രഹസ്യ കോഡായി വെക്കുക. സംശയാസ്പദമായ കോളുകളിൽ ഈ കോഡ് ചോദിക്കുക.
- സ്വരത്തിലെ അസ്വാഭാവിക ശാന്തത ശ്രദ്ധിക്കുക: കൃത്രിമ ശബ്ദങ്ങൾക്ക് യഥാർത്ഥ പരിഭ്രാന്തിയും വിറയലും കൃത്യമായി പകർത്താൻ കഴിയില്ല. വാക്യങ്ങൾക്കിടയിലെ അസ്വാഭാവികമായ നിശബ്ദതയും റോബോട്ടിക് ഭാവവും ശ്രദ്ധിക്കുക.
- ഫോൺ കട്ട് ചെയ്ത് യഥാർത്ഥ നമ്പറിലേക്ക് വിളിക്കുക: സ്ക്രീനിൽ കാണിക്കുന്ന പേര് വിശ്വസിക്കരുത്. കോൾ അവസാനിപ്പിച്ച് നിങ്ങളുടെ ഫോൺ ബുക്കിലുള്ള അവരുടെ യഥാർത്ഥ നമ്പറിലേക്ക് വിളിച്ച് സംസാരിക്കുക.
കൃത്രിമബുദ്ധിക്ക് ശബ്ദത്തിന്റെ ഈണം പകർത്താൻ സാധിച്ചേക്കാം, എന്നാൽ നാം ഒരുമിച്ച് ജീവിച്ച ജീവിതത്തിലെ യഥാർത്ഥ ഓർമ്മകളെ മോഷ്ടിക്കാൻ അതിന് കഴിയില്ല. അടിയന്തര കോളുകൾ വരുമ്പോൾ പത്ത് സെക്കൻഡ് ശാന്തമായി ചിന്തിച്ച് തിരിച്ചുവിളിക്കുന്ന ശീലം നമ്മെ സദാ സുരക്ഷിതരാക്കും.
ഉറവിടങ്ങൾ
- Preventing Harms from AI-enabled Voice CloningFederal Trade Commission