Vicomtech-ek errealismoa gehitzen dio XRey podcastari, Adimen Artifizialean oinarritutako ahotsa klonatzeko teknologiaren bidez
Ahots-klonazioaren adibide hau erronka zientifiko-teknologiko handia da, Vicomtechek hizketaren prozesamenduari aplikatutako adimen artifizialeko teknologien bidez konpondu duena. XRey Spotifyren podcast esklusibo bat da, The Story Lab-ek ekoitzia, errege emerituaren irudiaren gainean argiak eta itzalak errepasatzen dituena. Francoren ahots klonatua sortu da, soilik gidoiaren bi une nagusitarako eta bonus track-erako, non haren sortze-prozesua nolakoa izan den azaltzen den.
03.06.2020
Vicomtech-ek beste urrats bat egin du Adimen Artifizialeko teknologien aplikazioan, Franco diktadorearen ahotsa zehaztasun maila altuarekin klonatzea lortzen duen hizkuntzako sintesi eredu bat garatuz.
Garapen horren helburu bakarra izan da teknologiaren bidez erantzutea XReyren gidoiaren eskakizun bati, hau da, Francoren ahotsa 4. kapituluan erreproduzitzea. Bertan, berak Juan jaunari idatzi zion gutun bat irakurtzen du, Juan Carlos semea Estatuaren buruzagitzan oinordeko proposatuz, eta 5. kapituluan beste esku-hartze bat egiten du.
Adimen artifizialean oinarritutako garapen honen erronka teknologikoa ahots partikular baten klonazioa teknika narratibo berritzaile bati aplikatzean datza, oraindik esploratzeko dauden aukera askorekin.
Erabilitako teknologiarekin eta sare neuronal sakonetan oinarrituta, hasieran gutxienez 20 orduko entrenamendu-audioa bilatu zen, kalitate-eredu bat sortzeko. Hala ere, kasu honetan, audioak egoera onean, zaratarik gabe eta bilatzen zen estilo narratiboan aurkitzeko zailtasunaren ondorioz, eredua 6 ordurekin soilik sortu behar izan zen, nagusiki Diktatzailearen Gabonetako diskurtsoez osatuak. Material mugatu horrekin eta Adimen Artifizialeko teknologia aurreratuaren aplikazioarekin, Vicomtechek aukera eman du Francoren ahotsaren berezitasun, ñabardura eta estilo guztiak bereganatzen dituen hizkera errealista sintesi eredu bat sortzeko.
Garatutako teknologia hainbat asteren lanaren emaitza izan da, eta Vicomtecheko Hitz eta Hizkuntza Naturalaren Teknologien Ikerketa Taldearen inplikazioa.
XRey podcast seriea The Story Lab ekoizpen bat da, soilik Spotifyn eskuragarri dagoena, errege emerituaren irudiaren gaineko argiak eta itzalak errepasatzen dituena 20 minutu inguruko hamar atalen bidez.
Ekainaren 2ko datarekin serieko kapituluen osagarri gisa argitaratu den bonus track honetan, ahots honen klonazio prozesua nolakoa izan den eta zein helbururekin egin den azaltzen da xehetasunez.
Bonus Track "Cómo la inteligencia artificial recreó la voz de Franco"
