Adobes projekt Voco är ett "Photoshop för ljud"

Företagets teknikdemonstration av hur ljud kan analyseras och översättas till text har imponerat på deltagare under mässan Adobe MAX 2016.

Sannolikheten är stor att du eller någon du känner har testat på Adobes olika mjukvaror tidigare, där bildredigeraren #Photoshop är den stora ikonen. #Adobe håller årligen en konferens där nya och uppdaterade produkter premiärvisas, och bland årets utbud hittas en synnerligen intressant teknikdemonstration vid namn Voco.

Project Voco är en förkortning av "Voice conversation" och beskrivs som "Photoshop för ljud". Vad det handlar om är en ljudredigerare som kan analysera ljudspår och konvertera talat språk till text. Den stora nyheten här är att användaren kan redigera den utlästa texten varpå programmet konverterar ändringarna till ljudspåret, eller kort och gott redigera inspelat tal.

Utöver att redigera de utlästa orden kan även nya ord skrivas in och "skjutas in" bland det redan existerande talet. I den teknikdemonstration som visades upp under konferensen visades den analyserade texten upp i ett textfält under ljudspåret. Rösten i ljudspåret analyseras och en syntetisk version av rösten skapas. När du skriver in ett nytt ord används denna syntetiska röst för att efterlikna hur det skulle kunna låta när personen i ljudklippet uttalar ordet.

Den nuvarande lösningen fungerar på så sätt att en ljudslinga bryts ner i ett antal språkljud, så kallade fonemer, som utgör ett talat språk. Dessa språkljud används sedan för att återskapa hur talaren skulle kunna uttala vissa ord. I dagsläget kräver tekniken att det analyserade ljudspåret är minst 20 minuter långt med talat språk, men detta ska minskas med tiden.

I videon ovan demonstrerar Adobe hur existerande ord kan skrivas in på olika platser i texten varpå programmet letar upp ljudet för detta ord på andra platser i ljudspåret och infogar det på aktuell plats. Ungefär 4:30 minuter in i videon kan du även se hur orden "three times", som inte finns i ljudspåret, skapas utifrån de olika språkljuden.

Adobe har historiskt visat upp nya tekniker på MAX-konferensen som sedan blir till kommersiella produkter inom de kommande två åren. Om Voco faktiskt tar steget från teknikdemonstration till produkt lär det bli som en komponent i ljudredigeringsmjukvaran Adobe Audition.

Kommentarer
1 svar

Denna vecka samlas redaktörerna Amanda och Jakob för att prata om Apples nya produkter, frånvaron av ett event, nya appar och ett I-landsproblem.

Ett av världens mest populära operativsystem fyller år, och 99mac säger grattis på födelsedagen med en video som får minnena att väckas till liv.

Apple har öppnat portarna till sin nätbutik, och de produkter som visades tidigare i veckan går nu att beställa.

Twitter överväger att börja ta betalt för vissa premiumfunktioner, bland annat kraftigare analysverktyg och mer detaljerade notiser.

Första avsnittet i dokumentärserien om punkbandet Green Day ligger nu uppe på Spotify.

Nu går det att reagera på meddelanden även i Messenger. Det går även att pinga folk i konversationer i chattklienten.