Képzeld el, hogy egyetlen szöveggel akár tizenhat különböző karakter hangját is megszólaltathatod – különböző érzelmekkel, stílusokkal és reakciókkal. A Fish Audio Drama 3 pontosan ezt teszi lehetővé, hiszen a mesterséges intelligencia hangmodellezésével megkülönböztethetetlen emberi beszédet hoz létre, és akár saját hangodat is képes leképezni.
Felmerül a kérdés: mikor hallgatunk már valóban egy klónozott hangot, és mikor az eredeti beszélőt? Egyetlen rövid hangminta és hozzájárulás után a rendszer megpróbálja minél jobban utánozni a mintát – de vajon mennyire sikerül ez valós időben, szerkesztés nélkül?
A bemutató során a különféle beszédmódok, színészi hatások és érzelmek váltogatása is tesztelésre kerül: a suttogástól a kiabálásig, a komikumtól a feszültségig. Szó esik arról is, miként lehet ezekhez speciális tageket hozzáadni, hogy a kívánt hangulati vagy stilisztikai elemek precízen bekerüljenek a hanganyagba.
Technikai oldalról jelentős hardverigény és nagyfokú rendszerkapacitás szükséges a gördülékeny működéshez. A modellel való kísérletezés mellett szóba kerül a hangklónozással kapcsolatos etikai kérdések fontossága, például a felhasználói hozzájárulás kérdése.
Ezek alapján felvetődik: hol húzódnak a határok a mesterséges hang és a valódi emberi beszéd között? Mekkora lehetőségek rejlenek egy ilyen fejlett modellel, és vajon valóban bármikor készen áll éles produkciókhoz?
