Datorsintezētās balsīs runājoši virtuālie palīgi kļuvši par ierastu lietu. "Amazon" interneta veikalā pircējiem orientēties palīdz virtuālais palīgs "Aleksa", "Microsoft" vidē – "Cortana", "Apple" vidē – "Siri". Latviski runājošo virtuālo palīgu varētu saukt – ''Sandra'', jo tas tapis, par pamatu izmantojot Latvijas radio leģendas Sandras Glāzupas balsi.
Runas sintēze ir tehnoloģija, kas ļauj rakstītu tekstu pārvērst runātā formātā. Savukārt runas atpazīšanas tehnoloģija – runāto pārvērš tekstā. Sandras balsi zinātnieki pirms vairākiem gadiem izvēlējās par digitalizētās latviešu valodas pamatu divu iemeslu dēļ – pirmkārt profesionāli izkoptas dikcijas un precīzo intonāciju dēļ. Otrkārt – Radio arhīvos pieejams bagātīgs materiāls ar viņas ierakstiem.
Vienkārši runājot, Sandra kļuvusi par tādu kā skolotāju, kas māca datoram runāt pareizā latviešu valodā. Piedalīties šajā projektā radio diktore piekritusi, jo pārliecināta – viņas pašreizējais “audzēknis” var kļūt par labu palīgu citiem. "Viss attīstās, un attīstās arī šī sfēra un joma. Iespējams, ka daudziem cilvēkiem, kas strādā, kas mācās latviešu valodu, tas dod ļoti lielu palīdzību un atbalstu," saka Glāzupa.
Kopā ar Sandru mākslīgo intelektu skolo vairāk nekā 10 zinātņu doktoru komanda Rīgā, Tallinā un Viļņā, kas specializējušies dažādās jomās, piemēram, dabīgās valodas apstrādē, runas atpazīšanā un sintēzē, lingvistikas un mašīnmācīšanās jomā. Pirms vairākiem gadiem programma mehāniski salika kopā diktora ierunātas zilbes un burtus, bet tagad tā pati mācās runāt no tai iedotiem teksta un audio paraugiem.
''Nu tas jau ir mākslīgais intelekts. Mašīna mācās no piemēra. Mēs esam iedevuši viņai piemēru, kā viens cilvēks runā, un viņa iemācās atdarināt šo cilvēku runāt tādā pašā veidā. Spēj izrunāt jebkuru tekstu, ko tas cilvēks nav teicis, bet izklausās tādā pašā veidā," norāda "Tildes" pētījumu un izstrādes direktors Raivis Skadiņš.
Uzņēmums ''Tilde'' pirms 15 gadiem balss tehnoloģijas sāka izstrādāt vairāk aiz zinātniskas intereses – lai neredzīgajiem cilvēkiem palīdzētu sazināties un lietot datorus. Taču gadu gaitā tas izaudzis par pieprasītu produktu. Runas atpazīšanu izmanto mediju monitoringam, dažādu audio ierakstu analīzei, sanāksmju protokolēšanai, interviju atšifrēšanai.
"Runas sintēzi savukārt visplašāk izmanto tieši robo-zvanos jeb automātiskajos zvanos, kur cilvēkiem atgādina par saistībām, piedāvā kaut ko vai brīdina par kaut ko," norāda "Tildes" biznesa attīstības direktors Kaspars Kauliņš.
Visvairāk dzirdētais piemērs Latvijā varētu būt uzņēmuma “Tet” viedpalīgs “Anete”, kas telefona zvanos atgādina par nesamaksātiem rēķiniem. Vienkārši runājot – “Anete” ir tāda kā “Sandras” meita. Tiesa, balss tehnoloģijām vēl ir, kur augt.
"Šur tur mēs varētu gribēt labākas intonācijas. Šur tur mums ir kaut kādas īpatnības izrunā. Mums latviešu valodā ir platais un šaurais “e“, kur viņa vēl kļūdās. Nu tādas emocijas, – šobrīd sintezators runā tādā neitrālā balsī, bet mēs gribētu, lai tur jūtama sajūsma vai negatīvs piesitiens, vai bailes. Tādās balsīs ''runāt'' mēs vēl nemākam. Tas ir nākotnes attīstības virziens," saka Skadiņš.
Taču, lai vai kādus runas augstumus nākotnē sasniegtu datora sintezētā balss, tās dzīvā īpašniece ir pārliecināta – īstu runātāju datorbalss tik drīz neaizstās. "Lai arī šī šobrīd mana sintezētā balss ir ar līdzīgām intonācijām, kā runāju ikdienā, – tiešām pēc intonācijām var atpazīt –, tomēr dzīvo cilvēku pie mikrofona nevar aizstāt un arī neaizstās," norāda Glāzupa.
