Mākslīgā intelekta balss atdarināšanas sistēma

Abstract

Mūsdienās mākslīgais intelekts strauji attīstās, līdz ar to arī balss atdarināšanas tehnoloģijas, kas arvien precīzāk spēj ģenerēt līdzīgas balsis. Tehnoloģija ir attīstījusies tik tālu, ka reizēm ikdienas dzīvē nevarētu atšķirt reālu balsi no mākslīgi ģenerētas, kā rezultātā ir ieviestas dažāda līmeņa regulācijas, kas cīnās pret nelabvēlīgas balss atdarināšanas izmantošanu un tiek veikti drošības pasākumi, lai novērstu iespējamu kaitējumu. Atbilstoši, tiek apskatītas esošās balss atdarināšanas tehnoloģijas un veikta analīze, lai būtu iespējams vieglāk atšķirt mākslīgi ģenerētu runu. Bakalaura darbā tiek apskatīta mākslīgā intelekta balss atdarināšana un dažādu metožu pielietojums, lai izpētītu balss ģenerēšanas procesu un salīdzinātu datus ar citām esošām sistēmām, analizējot nianses, kvalitāti un visu nepieciešamo balss sintēzei, nodrošinot labvēlīgu sistēmas lietošanu un nepārkāpjot morālus pārkāpumus. Darba mērķi ir apskatīt esošas balss ģenerēšanas sistēmas un pieejamos rīkus, izveidot sistēmu balss ģenerēšanai, kas pēc iespējas precīzāk līdzinātos ievaddatiem, izpētīt sistēmas darbību, salīdzināt un analizēt mākslīgi ģenerētu runu ar reālas personas runu, apskatīt sistēmas pielietojuma metodes un nodrošināt labvēlīgu lietošanu. Veiktie pētījumi tika pielietoti balss ģenerēšanai, kas deva iespēju analizēt iegūtos datus, kā arī dažādos, iespējamos risinājumus un uzlabojumus saistībā ar rezultējošās runas kvalitāti. No esošo un iegūto datu salīdzinājuma varēja veikt secinājumus par mākslīgi ģenerētas runas atšķirībām, skaidri parādot izmantotās metodes efektivitāti un kvalitāti.

Nowadays, artificial intelligence is advancing rapidly and so are voice cloning technologies, which are able to more and more precisely generate similar voices. The technology has advanced to the point where it is sometimes difficult to distinguish a real voice from an artificially generated one, in result various different regulations have been introduced, which combat potentially harmful use of voice cloning, and also security measures are taken to prevent potential harm. Accordingly, existing voice cloning technologies are reviewed and analyzed to make it easier to distinguish an artificially generated speech. The bachelor paper examines artificial intelligence voice cloning and the use of different methods to study the voice generation process and to compare data with other existing systems by analyzing nuances, quality and everything necessary for voice synthesis, ensuring a favorable use of the system and without any moral violations. The objectives of the work are to view existing voice cloning systems and the available tools, create a system for voice cloning, which resembles input data as precisely as possible, study systems processes, compare and analyze artificially generated speech with a real person’s speech, review the possible uses of the system and to ensure favorable use. The research was used to generate voice, which gave the opportunity to analyze the data, as well as the various possible solutions and improvements regarding the quality of the resulting speech. From the comparison between the existing and the obtained data, it was possible to draw conclusions about the differences of artificially generated speech, clearly demonstrating the effectiveness and the quality of the used method.