Η τεχνολογία VoCo της Adobe θέλει να κάνει παιχνιδάκι την επεξεργασία ηχητικής ομιλίας

[Hal9000]

Η Adobe μας έχει συνηθίσει σε διάφορες «μαγικές» τεχνολογίες που περιλαμβάνει στα διάφορα προϊόντα της, και όπως φαίνεται έχει ένα ακόμη στα σκαριά με την ονομασία VoCo.

Η τεχνολογία VoCo που παρουσιάστηκε στο πρόσφατο συνέδριο της Adobe MAX 2016, επιτρέπει την ηχογράφηση της φωνής μας, και στη συνέχεια την επεξεργασία της, επιτρέποντας όχι μόνο να αλλάξουμε τη σειρά των λέξεων που έχουμε πει διατηρώντας τον ρεαλισμό σε υψηλά επίπεδα, αλλά και να πληκτρολογήσουμε προτάσεις οι οποίες μπορούν να εκφωνηθούν με τη φωνή μας χωρίς να τις έχουμε πει ποτέ!.

 

Στο demo που παρουσιάστηκε όπως μπορείτε να δείτε στο βίντεο, η εφαρμογή διαθέτει ένα πλαίσιο κειμένου το οποίο εμφανίζει μετά από την αναγνώριση φωνής που έχει προηγηθεί, το κείμενο που αντιστοιχεί στο ηχογραφημένο ηχητικό μήνυμα. Στη συνέχεια το στέλεχος της Adobe μετακινεί μία λέξη σε άλλη θέση πάνω στην πρόταση, διαγράφει κάποιες άλλες λέξεις και μετά από μια γρήγορη επεξεργασία, το πρόγραμμα εκφωνεί την πρόταση με εντυπωσιακά αποτελέσματα αν και δεν αποφεύγει να δώσει την εντύπωση μιας "συνθετικής" φωνής.

 

Η τεχνολογία VoCo σύμφωνα με την Adobe λειτουργεί με την εισαγωγή περίπου 20 λεπτών ομιλίας του χρήστη στο πρόγραμμα, δημιουργώντας ανάλογα με τις λέξεις που εκφωνεί, τα αντίστοιχα phonemes. Τα phonemes είναι μικροί ήχοι που διακρίνουν μία λέξη από την άλλη, σε μια συγκεκριμένη γλώσσα (πχ kiss με kill). Χρησιμοποιώντας έτσι τα phonemes, το VoCo προσπαθεί να δημιουργήσει ένα "μοντέλο φωνής" του χρήστη, επιτρέποντας έτσι την εκφώνηση λέξεων τις οποίες δεν έχει εκφωνήσει ποτέ στο πρόγραμμα, αν πρώτα δεν τις εντοπίσει μέσα στο 20λεπτο ηχητικό κλιπ.

 

 

Για την ώρα η τεχνολογία VoCo βρίσκετε σε πειραματικό στάδιο ενώ η Adobe δε δίνει περισσότερες τεχνικές λεπτομέρειες για το πότε και αν θα κυκλοφορήσει εμπορικά. Σε περίπτωση που αυτό γίνει, οι χρήσεις της είναι πολλές, συμπεριλαμβανομένου βεβαίως και της δημιουργίας ηχητικών κλιπ με celebrities, πολιτικών κ.α

 

Site: ArsTechnica

[Neg]

Εντυπωσιακό! Μπράβο, μακάρι να την διαθέσουν στο κοινό την παραπάνω τεχνολογία.

[coffeex]

 

 

αλλά και να πληκτρολογήσουμε προτάσεις οι οποίες μπορούν να εκφωνηθούν με τη φωνή μας χωρίς να τις έχουμε πει ποτέ!.

[Garuger]

Αρα με αυτο θεωρητικα μπορουμε να επαναφερουμε

εν δρασει ολους τους νεκρους ηθοποιους΄ή μπορουμε

να φτιαξουμε Ε-books με φωνες αυτων των ηθοποιων

ή τραγουδιστων . Φαντασου Ε-book απο Frank Sinatra,

Vincent Price κτλ ή ακομα και καινουργια τραγουδια

από Dio , Barry White , Michael Jackson κτλ.

Πραγματικα αμα γινει αυτό διαθεσιμο θα γινει χαμος

[Kyro]

Και τι τηλεφωνικές απάτες έχουν να γίνουν.

[MosquitoTerminator]

Η Adobe ποτε δε θα σταματησει να με εκπλησει (θετικα), παντα καταφερνει να προσθετει νεα futures, που οντως ειναι χρησιμα χωρις να αυξανει τη τιμη των προιοντων της.

[kosmega]

Επίσης:

Text to speech το καινούριο μυθιστόρημα με τη φωνή του αγαπημένου σας αφηγητή. Αν βγάλει σε "add-on" τη φωνή του ο Attenborough θα τον βάλω να μου διαβάζει Wikipedia.

[Garuger]

Επίσης:

Text to speech το καινούριο μυθιστόρημα με τη φωνή του αγαπημένου σας αφηγητή. Αν βγάλει σε "add-on" τη φωνή του ο Attenborough θα τον βάλω να μου διαβάζει Wikipedia.

Το βλεπω το μελλον μαθε Γερμανικα μαζι με τον Χιτλερ και Ρωσικα με τον Λενιν

[buuren]

Πραγματικα εντυπωσιακο αλλα τωρα που πεθαινουν οι θειοι μας που θα  βρουμε το crack ρε γμτ? 

[paparovic]

ΚΑΤΑΠΛΗΚΤΙΚΟ, το θέλω!

[Athoz]

[Hapatingo]

Προφανώς είναι μόνο για την αγγλική γλώσσα, τουλάχιστον την αρχή. Η adobe πάντα ήταν αρχηγός στον κόσμο software.

[elvisjedi]

εμπνευσμενο απο την δευτερη σεζον του 24 για οσους την εχουν δει....cyprus recording....

[Mi_ka]

και έτσι αρχίζει ο Νεομεσαίωνας όπου σε αντίθεση με τον παλιό Μεσαίωνα που δεν ρέανε οι πληροφορίες, τώρα οι σημαντικές πληροφορίες είναι απλά εντελώς αναξιόπιστες-σκουπίδια...

πως την λέγανε την παλιά ταινία με τον Σβατζενέγκερ με ρήαλ-τάιμ τέτοια παραποίηση των γεγονότων?? "The Running Man" νομίζω του '87

[Regulus]

Έχει να πέσει απάτη και μονταζιέρα με το τσουβάλι (αφού εξελιχθεί η τεχνολογία βέβαια).

Οι δυνατότητες βεβαίως είναι τεράστιες. Tο Photoshop για τον ήχο.

 

Spooky!!