Framtidsbloggen

Konstgjort tal om 10-15 år tror forskarna

För att återknyta till inlägget om röstigenkänning så är även talyntes är ett område som går snabbt framåt. Talsyntes är artificiellt tal och innebär att datorerna i möjligaste mån försöker efterlikna den mänskliga rösten. Även här har säkert flera negativa erfarenheter från endera metalliska röster eller från ryckiga sammansättningar av ord och telefonnummer. Men såväl de metalliska rösterna från 50-talets akustiska modeller som det modernare kopierandet och ihopklippandet av olika ord håller på att se sig passerade av nyare tekniker.

Det mest lovande resultaten inom forskningen kommer numera från modeller där man modellerar den mänskliga talapparaten för att skapa realistiska ljud. På så sätt kan ljud åstadkommas som kan beskrivas som organiska och mer naturliga. Forskarna tror att det kommer att vara möjligt att modellera en enskild människas talapparat utifrån dennes röst, för att på så sätt syntetisera tal som låter som den verkliga personens. I framtiden kan det till och med räcka med så lite som en talad mening för att härma någons röst exakt.

Detta kan förstås få konsekvenser för vår integritet om andra personer kan härma vår röst nästintill exakt. Förutom rena practical jokes (”älskling, jag vill göra slut”) så kan främmande personer utge sig från att vara du på telefonen. Det enda som krävs är att de spelar in ett antal ord som du säger. Samtidigt kan man också tänka sig att utvecklingen för röstigenkänning blir så acvancerad att den kan skilja på en äkta röst och en simulerad. En katt-och-råtta-lek kan som som vanligt ta vid när teknik möter människa.