บทความ · เทคโนโลยี
AI เลียนเสียง (Voice Cloning) ทำงานยังไง และใช้เก็บเสียงคนที่รักได้แค่ไหน
ลองจินตนาการว่า คุณได้ยินเสียงของคุณยายเล่าสูตรต้มยำให้ฟังอีกครั้ง ด้วยน้ำเสียงและสำเนียงเหมือนเดิมทุกประการ — ทั้งที่เป็นเรื่องที่ท่านไม่เคยพูดเป็นประโยคนั้นมาก่อน นี่คือสิ่งที่เทคโนโลยี Voice Cloning หรือ “การเลียนเสียงด้วย AI” ทำได้ในวันนี้
แต่มันทำงานยังไง และเราควรใช้มันแค่ไหน?
Voice Cloning ทำงานยังไง (แบบเข้าใจง่าย)
เทคโนโลยีนี้เป็นส่วนหนึ่งของ “การสังเคราะห์เสียงพูด” (speech synthesis) ที่พัฒนาด้วย AI ขั้นตอนคร่าว ๆ คือ:
- เก็บตัวอย่างเสียงต้นฉบับ ของบุคคลนั้น — ยิ่งมีเสียงที่ชัดและหลากหลายมาก ผลยิ่งเหมือน
- AI เรียนรู้ “ลักษณะเฉพาะ” ของเสียง — ทั้งโทน จังหวะ สำเนียง และเอกลักษณ์ในการออกเสียง
- สร้างเสียงพูดใหม่ จากข้อความใด ๆ โดยใช้ลักษณะเสียงที่เรียนรู้มา
เมื่อก่อนเทคโนโลยีนี้ต้องใช้เสียงต้นฉบับหลายชั่วโมง แต่ปัจจุบันโมเดลที่ดีสามารถสร้างเสียงที่ใกล้เคียงได้จากตัวอย่างเสียงเพียงไม่กี่นาที (แม้คุณภาพจะดีขึ้นมากเมื่อมีเสียงต้นฉบับมากและชัด)
ใช้เก็บเสียงคนที่รักได้แค่ไหน
สำหรับการรำลึกถึงคนที่เรารัก เทคโนโลยีนี้เปิดความเป็นไปได้ที่อบอุ่น — ได้ยินคำตอบเป็นน้ำเสียงของท่านเอง ไม่ใช่เสียงหุ่นยนต์ แต่มีสิ่งที่ต้องเข้าใจ:
- คุณภาพขึ้นกับเสียงต้นฉบับ — นี่คือเหตุผลที่การเก็บน้ำเสียงไว้ตั้งแต่วันที่ยังได้ยิน สำคัญมาก
- มันคือการ “จำลอง” ไม่ใช่ตัวจริง — บริการที่ดีต้องโปร่งใสเรื่องนี้เสมอ
เรื่องจริยธรรมที่มองข้ามไม่ได้
เทคโนโลยีที่ทรงพลังย่อมมาพร้อมความรับผิดชอบ การเลียนเสียงใครสักคนควรอยู่บนหลักการสำคัญ:
- ความยินยอม — ควรได้รับอนุญาตจากเจ้าของเสียง โดยเฉพาะถ้าเก็บตั้งแต่ท่านยังอยู่
- ความโปร่งใส — ระบุชัดว่าเป็นเสียงสังเคราะห์เพื่อการรำลึก
- ความจริงแท้ — ใช้พูดในสิ่งที่สอดคล้องกับตัวตนจริงของท่าน ไม่ใช่ใส่คำพูดที่ท่านไม่เคยพูด
นี่คือเหตุผลที่ เราเลือกเก็บความทรงจำตั้งแต่วันที่ท่านยังอยู่ ด้วยความยินยอม และให้ AI ตอบเฉพาะจากเรื่องจริงที่ท่านเล่าไว้เท่านั้น
ที่ นิรันดร์ (Niran) เราใช้เทคโนโลยีเสียงอย่างมีความรับผิดชอบ เพื่อให้ครอบครัวได้ยินน้ำเสียงของคนที่รักอีกครั้ง บนพื้นฐานของความยินยอมและความจริงแท้
แหล่งอ้างอิง
- ภาพรวมเทคโนโลยีการสังเคราะห์เสียงพูด (Speech synthesis / Voice cloning): Wikipedia — Speech synthesis