Umělá inteligence čte za mě

Jak jsem se už tady pochlubil, napsal jsem detektivku Bitcoin za všechny prachy. Má vyjít 30. října, ohlašují ji Kosmas, Luxor i Dobrovský. Rád bych ji i jako audioknihu. Jeden známý herec čte v audioknihách výborně dialogy, to by mohlo být zajímavé, kdyby se toho ujal. jen budeme muset počkat. A tak jsem si řekl, že si zkusím pohrát s umělou inteligenci a zkusím, jak to načte ona. Ne každá umělá inteligence ovšem umí číst česky. Tak jsem se podíval po internetu a stáhl si aplikaci ElevenLabs. Aplikace dokonce umožňuje nahrát můj hlas a ten pak použít ke čtení.

Našel jsem tedy starší nahrávku, kdy jsem se pokoušel načíst knihu sám, ať se AI učí. A pak jsem ji nechal, aby mým hlasem detektivku přečetla. V šestiminutových segmentech to bylo dost práce okolo, ale v delších úsecích bych asi hledal chyby hůř, tak jsem to raději nechal na malých kouscích. Je tohle opravdu můj hlas? Nestačil jsem se divit. Jistá podoba tam je, tedy pokud jde o barvu hlasu. S intonací je to těžší, tam občas slyším, že to nejsem já.  Taky se mi občas zdá, že tam slyším cvakání zubů. Nebo se mi to fakt jen zdá?

Potěšilo mě, že aplikaci jsem sice učil svůj hlas česky, ale on zvládá číst i anglický text. Je to tedy angličtina s dost těžkým českým přízvukem, ale to vlastně asi dává smysl. Problém se objevil u "jet lag" který AI přečetla, jako by to bylo česky. A Corollu  přečetla s C.

Zajímavá situace nastala při přímé řeči. Úvod třeba popisuje, jak někdo mluvil unaveně, nicméně v té přímé řeči žádná únava není. To těžko AI vyčítat, do textu je však možné vložit instrukce, jestli je hlas smutný, veselý nebo rozechvělý. Jenže tohle je taky dost práce a jsou tam místa slabší. Třeba poněkud nepřirozené pauzy apod. Ovšem ve srovnání s funkcí Read Loud ve Wordu si ElevenLab vede nesrovnatelně lépe. Abyste to mohli posoudit, připojuji krátkou ukázku.