Tomáš Šebek nechal svou novou knihu namluvit AI hlasovým klonem. Jeho žena rozdíl nepoznala, zvládnete to vy?

Ten ale měl jasno: „Nejsem audio interpret a namluvit něco dobře je strašně těžká disciplína,“ říká. Nakonec jeho hlas přeci jen zazněl. Ale ne skutečný, nýbrž AI hlasový avatar, který zní tak věrně, že ho od originálu nerozeznala ani jeho žena. S Tomášem Šebkem jsme si popovídali o tom, jak vývoj takového hlasového klonu vypadá, a pro vás připravili soutěž: dokážete rozeznat skutečného člověka od AI?

Proč audioknihu Objektivní nález namluvil AI hlasový klon Tomáše Šebka

Šebkovy předchozí knihy namluvil interpret Lukáš Hlavica, kterému se podle autora podařilo textu dodat ještě „drsnější“, emotivnější polohu, než jakou má sám. Protože ale čtenáři chtěli slyšet přímo jeho hlas a protože se Šebek dlouhodobě zajímá o nové technologie, přišel s návrhem využít AI hlasového avatara. 

V nakladatelství Paseka zprvu návrh vyvolal spíše skepsi. „Přemýšleli jsme, jestli je to vlastně dobrá podpora knihy, nebo naopak ne,“ vzpomíná. Nakladatelství si dokonce nechalo udělat průzkum mezi distributory. Výsledek? „Možná tím ten trh trochu zabijeme, ale proč ne.“

Rozhodující chvíle přišla, když byl avatar ještě v rané fázi vývoje. Šebkova manželka po poslechu jedné z prvních verzí nebyla schopna rozeznat, který hlas patří manželovi a který avataru. Následovaly ještě dlouhé týdny a měsíce ladění, než byl výsledek použitelný pro celou knihu.

Jak vznikal AI hlasový klon Tomáše Šebka

Natáčelo se ve studiu Samplay, kde Šebek předčítal vybrané kapitoly knihy – tým ze studia záměrně vybíral pasáže, které byly technicky náročné, s velkým emočním nábojem nebo se spoustou čísel a dat. Zkoušelo se i čtení v angličtině, aby avatar zachytil i to, jak se Šebek vyjadřuje v cizím jazyce. „Přeříkával jsem se, vůbec mi to nešlo,“ popisuje své začátky.

Naučit program číst text bez chyby se ale ukázalo jako to jednodušší. Skutečnou výzvou byly emoce. „Nakonec vůbec nebylo problematické postavit avatara, který četl ten text naprosto bezchybně. Ale to znělo strašně strojově. Složitější bylo naučit umělou inteligenci emocím, způsobu zvukomalby, kolísání hlasu,“ vysvětluje. Rozdíl byl znát hlavně v částech, kde se popisuje dramatická situace, třeba boj u operačního stolu uprostřed ostřelování. Text takovou scénu nese jinak potichu na papíře a jinak nahlas.

Proč AI hlas zněl příliš strojově a jak se ho podařilo vyladit

Celý proces nakonec trval několik měsíců a zahrnoval bezpočet verzí. Ukázky hodnotili lidé z nakladatelství i profesionálka z Českého rozhlasu, která se snažila hlas dál korigovat. První výsledky přitom vůbec nenadchly: „Z Paseky zaznívalo: vidíš, my jsme ti to říkali, tudy cesta nevede.“ Šebek ale trval na dalších pokusech. 

Jedním z technických oříšků, které musel tým překonávat, bylo ukončování vět. Šebek přirozeně mluví rychle, v krátkých, úsečných větách bez poklesu hlasu na konci. Styl, který mu na pódiu funguje díky vizuálnímu doprovodu a řeči těla, ale v čistě zvukové podobě audioknihy působí nervózně. 

Avatar si tenhle zlozvyk osvojil ještě výrazněji: „On byl takový náročný, takový naléhavý, takový hektický, jako by vám pořád něco cpal, bylo to otravné“ směje se. Řešením bylo zpomalit a věty vědomě zakončovat klesáním hlasu – dovednost, kterou si Šebek musel osvojit stejně jako samotný avatar. Po čtyřech měsících vznikla verze, se kterou byli spokojeni všichni. „Ve výsledku byly reakce ‘vau, ty jo, tak to jsme fakt nečekali, že to bude mít takovou úroveň.’“

Nahradí AI hlasoví kloni hlasové interprety?

Šebek dnes svého audio avatara vlastní a pokud po tom bude poptávka, využije ho i pro další knihy. Zvažoval také přechod k video avatarovi, který by mluvil desítkami jazyků, ale zatím od toho ustoupil – z obavy, že ztráta kontroly nad vizuální podobou by byla o řád rizikovější než u samotného hlasu. Otevřenou zůstává i otázka, zda podobné technologie časem nahradí interprety audioknih, nebo zda jde jen o jednu z cest, jak žánr rozšířit. Odpověď na ni, jak sám dodává, ukáže čas.

Soutěž o podepsaný výtisk: Poznáte AI hlasový klon Tomáše Šebka od skutečného autora?

Aby tvůrci ověřili, zda výsledek skutečně funguje, zařadili do audioknihy i dvě kapitoly namluvené samotným Šebkem. Poznáte, který hlas patří AI a který skutečnému člověku?

Soutěžit můžete [tady.]