Felieton: Szukamy lektora do syntezatora

Jak wygląda takie zapytanie ofertowe? Bardzo prosto. Firma posiadająca już przeważnie kilka botów w popularniejszych od naszego językach szuka Polki i Polaka gotowego nagrać kilka, kilkadziesiąt godzin tekstu. Nie więcej niż dwadzieścia. Wystarczy nawet dziesięć. A jakiego tekstu? Obojętnie. Maszyna wychwyci wszystkie potrzebne frazy i złoży z nich dowolną kombinację dźwięków. Czyli wirtualnego lektora, który odczyta dowolny wprowadzony cyfrowo tekst. Jeśli ktoś czytając to myśli o filmach science fiction, to chyba przegapił ostatnie kilka lat w branży. To się dzieje i musimy na to reagować.  

Spokojnie, bez paniki - zakrzykną sceptycy. Przecież na rynku były już podobne rozwiązania; weźmy ikoniczną Ivonę, najpopularniejszy polski syntezator mowy. Wtedy zapytałbym chętnie takiego sceptyka, czy zdarzyło mu się słyszeć Iwonę w sekretarce telefonicznej hotelu? Banku? Urzędu? A w prezentacji multimedialnej? Filmie na YouTube? Ja wielokrotnie łapałem się za głowę nie mogąc uwierzyć, że firma o takiej renomie i takim obrocie zdecydowała się na elektronicznego lektora. Każdą z tych prac mógł wykonać żywy głos. Ale nie wykonał - bo ktoś uznał, że nie jest to na tyle istotne, by za to zapłacić. Mimo, że brzmiało to fatalnie.

A teraz wyobraźmy sobie, że to samo zadanie wykonuje maszyna, która nie potrzebuje człowieka do doskonalenia swoich możliwości. Ona uczy się sama. Analizuje próbki, zbiera informacje o ich wykorzystywaniu, kontekście, akcencie, emocjach. W nieskończoność. Nie brzmi to jeszcze tak dobrze, by nie dało się odróżnić nagrania „komputerowego” od prawdziwego. Ale to tylko kwestia czasu. Maszyna się nie męczy, nie choruje, nie umiera. Zrobi to. To naprawdę poważna sprawa.

A jeśli dobrze zapłacą? Zapytam tak: a ile według Was powinno kosztować zawodowe samobójstwo? Producenci pytają: „Jaki byłby koszt godziny takiego nagrania”. Godziny nagrania! 100? 200? 500? 1.000? Ile skasujecie za godzinę nagrania? Mając świadomość, że po pierwsze: wystarczy 10 godzin, by stworzyć z Was absolutnie samowystarczalny twór „lektoropodobny”. A po drugie: ten twór będzie „nagrywał”, wróć, generował tysiące godzin „nagrań” do końca świata i o jeden dzień dłużej. I po trzecie: że Wasz głos w momencie stworzenia Waszego cyfrowego klona nie będzie już nikomu potrzebny. Kto by chciał zapłacić za ten sam głos, który może mieć za darmo z syntezatora.

Powiem krótko. Jeśli jesteś amatorem, człowiekiem, który nie wiąże swojego życia zawodowego z pracą głosem, pewnie przemyślisz propozycję. Kasa nie śmierdzi. Robota to przygoda i może nawet zyskasz chwilową sławę. Mam wrażenie, że to dzięki takim ludziom te systemy w ogóle powstają. I dlatego też nie są doskonałe, a prace nad ich doskonaleniem są wolniejsze niż mogłyby być, gdyby za mikrofonem stanął zawodowiec. Ale jeśli pracujesz głosem… Trzeba być kompletnym idiotą, by się na to zgodzić na tych warunkach. Praktycznie zawodowym samobójcą. Powtórzę: kto zapłaci za ten sam głos, który brzmi w tysiącach syntetyzowanych produkcji?

Moim zdaniem jedynym akceptowalnym rozwiązaniem powinna być technologia umożliwiająca cyfrowe podpisanie Twojej głosowej kopii, kontrolę nad nią i czerpanie zysku z każdego jej wykorzystania. Inne rozwiązania dla zawodowca nie powinny w ogóle wchodzić w grę. I tu technologia, a w szczególności rozwój NFT jest po naszej stronie. Kto wie, może niedługo nasze głosy będą pracować na nas, leżących sobie spokojnie na ogrodowym leżaku.

To się może udać. I warto zauważyć, że w dużo gorszej sytuacji są lektorzy popularniejszych języków; np. angielskiego, hiszpańskiego. Ilość ludzi na świecie posługująca się danym językiem jest najważniejszą zmienną, pozwalającą podjąć firmom technologicznym decyzję o kolejności produkcji poszczególnych „lektorów”. Jako Polacy mamy ten handicap, że nasz język jest trudny, używa go relatywnie niewiele osób, więc nasza kolej przyszła dopiero niedawno. Dzięki temu zyskaliśmy czas do namysłu, możemy obserwować rozwój tej technologii. Nie zmarnujmy tego.

Tomasz Bartos

Autor jest pomysłodawcą i założycielem pierwszego w Polsce internetowego banku głosów Mikrofonika, firmy z ponad dwudziestoletnim doświadczeniem. Pracuje w zawodzie lektora od 1999 roku. Miłośnik i kolekcjoner starych mikrofonów (www.oldmics.pl). Z wykształcenia nauczyciel polonista.