දරුවන්ට පියා මවගේ හඬින් කතා කියවන්න පුළුවන් පළපුරුදු පොත්කරණයක් හදන්න, දැන් තාක්ෂණය ඒකට ඉඩ දෙයි. නමුත්, හඬ නකල කිරීමේ (voice cloning) තාක්ෂණය සාර්ථකව ක්රියාත්මක වීමට අවශ්ය වන්නේ කෙටි රෙකෝඩ් එකක් නොව, ඒ රෙකෝඩ් එකේ ගුණාත්මකභාවය සහ ප්රොසොඩියයියයි.
අද වන විට Zero‑Shot TTS (Text‑to‑Speech) මොඩලවල, VALL‑E, XTTS වැනි නවීන ආකෘති, කිසිදු පුහුණු කිරීමකින් තොරව කෙටි (වෙනත් තත්පර කිහිපයක්) රෙකෝඩ් එකක් මත පදනම්ව කතාකරුවාගේ හඬ සමීපව අනුකරණය කරයි. එහෙත්, රෙකෝඩ් එක දිගුවට වඩා ඇතුළත් තත්ත්වය මොඩලයේ ප්රතිඵලය තීරණාත්මක කරයි.
රෙකෝඩ් ගුණාත්මකභාවයේ වැදගත් කරුණු අතර ප්රධානව රිවර්බ් (reverb) වේ. කාමරයේ පරිසර ශබ්දය රෙකෝඩ් සමඟ ඒකාබද්ධ වී, නකල කළ හඬට නිතරම එම කාමරයේ ආකාරයක් ලැබේ. තවද, ස්ථිර නොවන ශබ්ද (non‑stationary noise) හා අඩු බිට් රේටින් වීඩියෝ ඇමතුම් වලින් ලැබෙන codec artifacts, හඬේ තත්ත්වය අඩු කරයි. clipping (අධික ශබ්ද) මොඩලයට වැරදි තාක්ෂණික තොරතුරු ඉගෙන ගත හැකිය. ඒ නිසා, රෙකෝඩ් කාලය තරමක් (8 තත්පර වඩා වැඩි) හෝ, පවා, ඉතා කෙටි වුවද, පිරිසිදු, සම්බන්ධිත, ප්රකාශශීලී කථනයක් ලබා දීම වඩා ප්රයෝජනවත්.
දෙවන වැදගත් කොටස ප්රොසොඩියයි (prosody) වේ. හඬේ උච්චාරණය, ගතිකතාව, වාක්ය අවසන් වීමේ නඩුව, නැවත නැවත කියන වචන වල උච්චාරණ වෙනස – මේ සියල්ලම ළමා පොත්කරණයේ ජෝකයක් හෝ කතාන්දරයක් ජීවිතය පිරවීමට අවශ්යය. සාමාන්ය TTS මොඩලයන් 150 wpm වේගයකින් කියයි; නමුත්, ළමයට කියන විට ඒ වේගය අඩු කර, වාක්ය අතර දිගු විරාමයක් දෙනු ඇත. මේ සඳහා, සරල පෙළට පමණක් නොව, {"text":"...","rate":0.92,"pause_after_ms":420} වැනි අනුලකුණු (annotation) සමඟ script එකක් යොදා ගැනීම සුදුසු.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණ උනන්දුව සහ ඉගෙනුම් අවශ්යතා ඉහළ යාමත් සමඟ, Voice Cloning තාක්ෂණය විවිධ ක්ෂේත්ර වලට නව අවස්ථා සලසයි.
- අධ්යාපනය: දරුවන්ට පියා මවගේ හඬින් පඩි පොත් කියවීම, ග්රාමීය භාෂා සහ උච්චාරණ අභ්යාසයන්ට පාරිභෝගික AI ගුරුකරුක් වශයෙන් සේවය කරයි.
- ව්යාපාරිකයෝ: පාරිභෝගික සේවා (customer service) හෝ වෙළඳ දැන්වීම් සඳහා ස්වයංක්රීය, නමුත් පුද්ගලික රුචි අනුව හඬක් නිර්මාණය කර ගත හැක.
- ඩෙවලපර්ලා: API මගින් හඬ නිර්මාණය කර, යෙදුම්, ගේම්, සහ AR/VR අත්දැකීම් වලට සජීවී හඬ එක් කළ හැක.
ඉදිරි දශකයේදී, ශ්රී ලංකාවේ startups සහ විද්යාත්මක ආයතන Voice Cloning භාවිතා කර, අඩු පිරිවැයෙන් ඉහළ ගුණාත්මක අන්තර්ක්රියාත්මක අන්තර්ගතයක් නිර්මාණය කර ගත හැක.
ඉතින්, රෙකෝඩ් ගුණාත්මකභාවය, ප්රොසොඩියයි, සහ පරිසර අවසර (consent) යන තුනක්ම සලකා බැලුවහොත්, තාක්ෂණය පවුල්, පාසැල්, සහ ව්යාපාර සඳහා නව දොරටු විවෘත කරයි.
