ßàćķ ţō ßĺōĝ

Vōĩćē Ćĺōńĩńĝ: Ḿōďēŕń Ţēćĥńĩǫũēś ƒōŕ Śƥēàķēŕ Ĩďēńţĩţŷ Śŷńţĥēśĩś

Ēxƥĺōŕē ţĥē ćũţţĩńĝ-ēďĝē ŵōŕĺď ōƒ vōĩćē ćĺōńĩńĝ ţēćĥńōĺōĝŷ, ƒŕōḿ ńēũŕàĺ ćōďēć ĺàńĝũàĝē ḿōďēĺś ţō ŕēàĺ-ţĩḿē vōĩćē ćōńvēŕśĩōń śŷśţēḿś ţĥàţ ćàń ŕēƥĺĩćàţē àńŷ vōĩćē ƒŕōḿ Ĵũśţ śēćōńďś ōƒ àũďĩō.

Ƥōśţēď ƀŷ

Vōĩćē ćĺōńĩńĝ ţēćĥńōĺōĝŷ ēńàƀĺēś ţĥē ćŕēàţĩōń ōƒ śŷńţĥēţĩć śƥēēćĥ ţĥàţ ḿĩḿĩćś à śƥēćĩƒĩć ƥēŕśōń'ś vōĩćē ćĥàŕàćţēŕĩśţĩćś, ĝōĩńĝ ƀēŷōńď ţŕàďĩţĩōńàĺ ţēxţ-ţō-śƥēēćĥ śŷńţĥēśĩś ţō ƥŕēśēŕvē ũńĩǫũē vōćàĺ ĩďēńţĩţŷ[1]. Ŵĥĩĺē śƥēēćĥ śŷńţĥēśĩś ĥàś à ŕĩćĥ ĥĩśţōŕŷ ďàţĩńĝ ƀàćķ ţō ţĥē 18ţĥ ćēńţũŕŷ, vōĩćē ćĺōńĩńĝ ēḿēŕĝēď àś à ďĩśţĩńćţ ƒĩēĺď ĩń ţĥē 21śţ ćēńţũŕŷ ŵĩţĥ ţĥē àďvēńţ ōƒ ńēũŕàĺ ńēţŵōŕķś ćàƥàƀĺē ōƒ ćàƥţũŕĩńĝ àńď ŕēƥŕōďũćĩńĝ ĩńďĩvĩďũàĺ śƥēàķēŕ ćĥàŕàćţēŕĩśţĩćś ƒŕōḿ ḿĩńĩḿàĺ àũďĩō śàḿƥĺēś[2].

Ţēćĥńĩćàĺ Ƒōũńďàţĩōńś ōƒ Vōĩćē Ćĺōńĩńĝ

Ḿōďēŕń vōĩćē ćĺōńĩńĝ ƒũńďàḿēńţàĺĺŷ ďĩƒƒēŕś ƒŕōḿ ţŕàďĩţĩōńàĺ ţēxţ-ţō-śƥēēćĥ śŷśţēḿś ţĥŕōũĝĥ ĩţś ƒōćũś ōń śƥēàķēŕ ĩďēńţĩţŷ ƥŕēśēŕvàţĩōń ŕàţĥēŕ ţĥàń ĝēńēŕàĺ śƥēēćĥ ĝēńēŕàţĩōń. Ŵĥĩĺē ŢŢŚ ćōńvēŕţś ţēxţ ţō śƥēēćĥ ũśĩńĝ ƥŕēďēƒĩńēď vōĩćē ḿōďēĺś, vōĩćē ćĺōńĩńĝ ōƥēŕàţēś àś à śƥēēćĥ-ţō-śƥēēćĥ ćōńvēŕśĩōń śŷśţēḿ ţĥàţ ḿàĩńţàĩńś ţĥē ţàŕĝēţ śƥēàķēŕ'ś ũńĩǫũē àćōũśţĩć ćĥàŕàćţēŕĩśţĩćś, ĩńćĺũďĩńĝ ţĩḿƀŕē, ƥŕōśōďŷ, àńď śƥēàķĩńĝ śţŷĺē[3].

Ţĥē ćōŕē ţēćĥńĩćàĺ ƥĩƥēĺĩńē ĩńvōĺvēś ţĥŕēē ķēŷ ćōḿƥōńēńţś: śƥēàķēŕ ēńćōďĩńĝ, ŵĥĩćĥ ēxţŕàćţś ĩďēńţĩţŷ-śƥēćĩƒĩć ƒēàţũŕēś ƒŕōḿ ŕēƒēŕēńćē àũďĩō; ćōńţēńţ śēƥàŕàţĩōń, ŵĥĩćĥ ĩśōĺàţēś ĺĩńĝũĩśţĩć ĩńƒōŕḿàţĩōń ƒŕōḿ śƥēàķēŕ ćĥàŕàćţēŕĩśţĩćś; àńď vōĩćē śŷńţĥēśĩś, ŵĥĩćĥ ćōḿƀĩńēś ţĥēśē ēĺēḿēńţś ţō ĝēńēŕàţē śƥēēćĥ ĩń ţĥē ţàŕĝēţ vōĩćē[4]. Ţĥĩś àŕćĥĩţēćţũŕē ēńàƀĺēś ţĥē śŷśţēḿ ţō ďĩśēńţàńĝĺē "ŵĥàţ ĩś ƀēĩńĝ śàĩď" ƒŕōḿ "ŵĥō ĩś śàŷĩńĝ ĩţ," à ćŕũćĩàĺ ďĩśţĩńćţĩōń ţĥàţ ţŕàďĩţĩōńàĺ ŢŢŚ śŷśţēḿś ďōń'ţ ŕēǫũĩŕē.

Śƥēàķēŕ Ēḿƀēďďĩńĝś àńď Ĩďēńţĩţŷ Ćàƥţũŕē

Ţĥē ƀŕēàķţĥŕōũĝĥ ţĥàţ ēńàƀĺēď ḿōďēŕń vōĩćē ćĺōńĩńĝ ŵàś ţĥē ďēvēĺōƥḿēńţ ōƒ śƥēàķēŕ ēḿƀēďďĩńĝś — ƒĩxēď-ďĩḿēńśĩōńàĺ ŕēƥŕēśēńţàţĩōńś ţĥàţ ćàƥţũŕē à ƥēŕśōń'ś vōćàĺ ĩďēńţĩţŷ. X-vēćţōŕś, ĩńţŕōďũćēď ƀŷ ŕēśēàŕćĥēŕś àţ ĵōĥńś Ĥōƥķĩńś Ũńĩvēŕśĩţŷ, ũśē Ţĩḿē-Ďēĺàŷ Ńēũŕàĺ Ńēţŵōŕķś (ŢĎŃŃś) ţō ḿàƥ vàŕĩàƀĺē ĺēńĝţĥ ũţţēŕàńćēś ţō 512-ďĩḿēńśĩōńàĺ vēćţōŕś ţĥàţ ēńćōďē śƥēàķēŕ-śƥēćĩƒĩć ćĥàŕàćţēŕĩśţĩćś[5].

Ţĥēśē ńēţŵōŕķś, ţŕàĩńēď ōń ḿàśśĩvē ďàţàśēţś ĺĩķē VōxĆēĺēƀ ćōńţàĩńĩńĝ ţĥōũśàńďś ōƒ śƥēàķēŕś, ĺēàŕń ţō ēxţŕàćţ ƒēàţũŕēś ţĥàţ ŕēḿàĩń ćōńśĩśţēńţ àćŕōśś ďĩƒƒēŕēńţ ũţţēŕàńćēś ƒŕōḿ ţĥē śàḿē ƥēŕśōń[6][7]. Ď-vēćţōŕś ŕēƥŕēśēńţ àń àĺţēŕńàţĩvē àƥƥŕōàćĥ ũśĩńĝ ŕēćũŕŕēńţ ńēũŕàĺ ńēţŵōŕķś ŵĩţĥ Ĝēńēŕàĺĩźēď Ēńď-ţō-Ēńď (ĜĒ2Ē) ĺōśś, ŵĥĩćĥ ƥũśĥēś ēḿƀēďďĩńĝś ōƒ ţĥē śàḿē śƥēàķēŕ ţōĝēţĥēŕ ŵĥĩĺē śēƥàŕàţĩńĝ ďĩƒƒēŕēńţ śƥēàķēŕś ĩń ţĥē ēḿƀēďďĩńĝ śƥàćē[8]. Ţĥĩś ćōńţŕàśţĩvē ĺēàŕńĩńĝ àƥƥŕōàćĥ ƥŕōvēś ƥàŕţĩćũĺàŕĺŷ ēƒƒēćţĩvē ƒōŕ ƒēŵ-śĥōţ śćēńàŕĩōś ŵĥēŕē ōńĺŷ ĺĩḿĩţēď ţàŕĝēţ śƥēàķēŕ ďàţà ĩś àvàĩĺàƀĺē.

Ńēũŕàĺ Ćōďēć Ĺàńĝũàĝē Ḿōďēĺś

Ţĥē ĩńţŕōďũćţĩōń ōƒ VÀĹĹ-Ē ƀŷ Ḿĩćŕōśōƒţ ĩń 2023 ḿàŕķēď à ƥàŕàďĩĝḿ śĥĩƒţ ĩń vōĩćē ćĺōńĩńĝ. Ŕàţĥēŕ ţĥàń ţŕēàţĩńĝ vōĩćē śŷńţĥēśĩś àś à ćōńţĩńũōũś śĩĝńàĺ ĝēńēŕàţĩōń ƥŕōƀĺēḿ, VÀĹĹ-Ē àƥƥŕōàćĥēś ĩţ àś ćōńďĩţĩōńàĺ ĺàńĝũàĝē ḿōďēĺĩńĝ ũśĩńĝ ďĩśćŕēţē àũďĩō ţōķēńś[9][10]. Ţĥē śŷśţēḿ ćōńvēŕţś àũďĩō ĩńţō ďĩśćŕēţē ćōďēś ũśĩńĝ ńēũŕàĺ àũďĩō ćōďēćś ĺĩķē ĒńĆōďēć, ţĥēń ũśēś ĜƤŢ-śţŷĺē àũţōŕēĝŕēśśĩvē ḿōďēĺś ţō ƥŕēďĩćţ ţĥēśē ćōďēś ćōńďĩţĩōńēď ōń ţēxţ àńď à ƀŕĩēƒ àũďĩō ƥŕōḿƥţ[11].

VÀĹĹ-Ē 2, ŕēĺēàśēď ĩń 2024, àćĥĩēvēď ĥũḿàń ƥàŕĩţŷ ĩń źēŕō-śĥōţ ŢŢŚ ƥēŕƒōŕḿàńćē ţĥŕōũĝĥ ĩńńōvàţĩōńś ĺĩķē ŕēƥēţĩţĩōń-àŵàŕē śàḿƥĺĩńĝ àńď ĝŕōũƥēď ćōďē ḿōďēĺĩńĝ. Ţĥē śŷśţēḿ ƥŕēvēńţś ĩńƒĩńĩţē ĺōōƥś ďũŕĩńĝ ĝēńēŕàţĩōń ŵĥĩĺē ḿàĩńţàĩńĩńĝ ńàţũŕàĺ śƥēēćĥ ƥàţţēŕńś, ŕēǫũĩŕĩńĝ ōńĺŷ 3 śēćōńďś ōƒ ŕēƒēŕēńćē àũďĩō ţō ćĺōńē à vōĩćē ŵĩţĥ ŕēḿàŕķàƀĺē àććũŕàćŷ[12]. Ţĥĩś ŕēƥŕēśēńţś à ƒũńďàḿēńţàĺ ďēƥàŕţũŕē ƒŕōḿ ēàŕĺĩēŕ śŷśţēḿś ţĥàţ ŕēǫũĩŕēď ĥōũŕś ōƒ ţŕàĩńĩńĝ ďàţà ƥēŕ śƥēàķēŕ.

Ďĩƒƒũśĩōń Ḿōďēĺś ƒōŕ Vōĩćē Śŷńţĥēśĩś

Ďĩƒƒũśĩōń-ƀàśēď àƥƥŕōàćĥēś ĺĩķē ĎĩƒƒŴàvē àńď àďàƥţēď vēŕśĩōńś ōƒ Ĝŕàď-ŢŢŚ ōƒƒēŕ àń àĺţēŕńàţĩvē ţō àũţōŕēĝŕēśśĩvē ĝēńēŕàţĩōń. Ţĥēśē ḿōďēĺś śţàŕţ ŵĩţĥ Ĝàũśśĩàń ńōĩśē àńď ĩţēŕàţĩvēĺŷ ŕēƒĩńē ĩţ ĩńţō śţŕũćţũŕēď ŵàvēƒōŕḿś ţĥŕōũĝĥ à ĺēàŕńēď ďēńōĩśĩńĝ ƥŕōćēśś[13][14]. Ƒōŕ vōĩćē ćĺōńĩńĝ, ţĥēŷ ĩńćōŕƥōŕàţē śƥēàķēŕ ēḿƀēďďĩńĝś àś ćōńďĩţĩōńĩńĝ ĩńƒōŕḿàţĩōń, àĺĺōŵĩńĝ ţĥē ďĩƒƒũśĩōń ƥŕōćēśś ţō ƀē ĝũĩďēď ţōŵàŕď ţĥē ţàŕĝēţ śƥēàķēŕ'ś ćĥàŕàćţēŕĩśţĩćś.

Ţĥē Ƒ5-ŢŢŚ ḿōďēĺ, ĩńţŕōďũćēď ĩń ĺàţē 2024, ćōḿƀĩńēś ƒĺōŵ ḿàţćĥĩńĝ ŵĩţĥ Ďĩƒƒũśĩōń Ţŕàńśƒōŕḿēŕś ţō àćĥĩēvē ńēàŕ ŕēàĺ-ţĩḿē ƥēŕƒōŕḿàńćē ŵĩţĥ à Ŕēàĺ Ţĩḿē Ƒàćţōŕ ōƒ 0.0394[15][16]. Ţĥĩś ƀŕēàķţĥŕōũĝĥ ēńàƀĺēś ĥĩĝĥ-ǫũàĺĩţŷ vōĩćē ćĺōńĩńĝ ƒŕōḿ Ĵũśţ 10 śēćōńďś ōƒ àũďĩō ŵĥĩĺē śũƥƥōŕţĩńĝ ḿũĺţĩĺĩńĝũàĺ śŷńţĥēśĩś àńď ēḿōţĩōńàĺ ēxƥŕēśśĩōń ćōńţŕōĺ[17], ďēḿōńśţŕàţĩńĝ ĥōŵ ďĩƒƒũśĩōń àƥƥŕōàćĥēś ćàń ḿàţćĥ ōŕ ēxćēēď ţĥē ǫũàĺĩţŷ ōƒ àũţōŕēĝŕēśśĩvē ḿōďēĺś ŵĩţĥ śũƥēŕĩōŕ ēƒƒĩćĩēńćŷ.

Ŕēàĺ-ţĩḿē Vōĩćē Ćōńvēŕśĩōń Śŷśţēḿś

ŔVĆ (Ŕēţŕĩēvàĺ-ƀàśēď Vōĩćē Ćōńvēŕśĩōń) ŕēƥŕēśēńţś à ďĩśţĩńćţ àƥƥŕōàćĥ ōƥţĩḿĩźēď ƒōŕ ŕēàĺ-ţĩḿē àƥƥĺĩćàţĩōńś. Ţĥēśē śŷśţēḿś ũśē à ĥŷƀŕĩď àŕćĥĩţēćţũŕē ćōḿƀĩńĩńĝ ćōńţēńţ ēńćōďēŕś (ōƒţēń ƀàśēď ōń ĤũßĒŔŢ) ŵĩţĥ śƥēàķēŕ ēńćōďēŕś àńď ŕēţŕĩēvàĺ ḿōďũĺēś. Ŕàţĥēŕ ţĥàń ĝēńēŕàţĩńĝ àũďĩō ƒŕōḿ śćŕàţćĥ, ŔVĆ śēàŕćĥēś à ďàţàƀàśē ōƒ ţàŕĝēţ śƥēàķēŕ śēĝḿēńţś àńď ćōḿƀĩńēś ţĥēḿ ũśĩńĝ ńēũŕàĺ śŷńţĥēśĩś[18], àćĥĩēvĩńĝ ĺàţēńćĩēś ƀēĺōŵ 200ḿś śũĩţàƀĺē ƒōŕ ĺĩvē àƥƥĺĩćàţĩōńś[19].

Ţĥē ßàŕķ ḿōďēĺ, ďēvēĺōƥēď ƀŷ Śũńō ÀĨ, ţàķēś à ďĩƒƒēŕēńţ àƥƥŕōàćĥ ŵĩţĥ ĩţś ţĥŕēē-śţàĝē ţŕàńśƒōŕḿēŕ ƥĩƥēĺĩńē ţĥàţ ƥŕōćēśśēś śēḿàńţĩć ţōķēńś ƀēƒōŕē àćōũśţĩć ĝēńēŕàţĩōń[20]. Ŵĥĩĺē ƥŕĩḿàŕĩĺŷ ďēśĩĝńēď ƒōŕ ĝēńēŕàĺ ŢŢŚ, ßàŕķ'ś àŕćĥĩţēćţũŕē ēńàƀĺēś vōĩćē ćĺōńĩńĝ ţĥŕōũĝĥ ƥŕōḿƥţ ćōńďĩţĩōńĩńĝ àńď ćàń ĝēńēŕàţē śƥēēćĥ ŵĩţĥ ēḿōţĩōńàĺ ĩńƒĺēćţĩōńś ĩń ḿũĺţĩƥĺē ĺàńĝũàĝēś ŵĩţĥōũţ ēxƥĺĩćĩţ ĺàńĝũàĝē ĩďēńţĩƒĩćàţĩōń.

Źēŕō-śĥōţ àńď Ƒēŵ-śĥōţ Ĺēàŕńĩńĝ Ƥàŕàďĩĝḿś

Ţĥē ďĩśţĩńćţĩōń ƀēţŵēēń źēŕō-śĥōţ àńď ƒēŵ-śĥōţ vōĩćē ćĺōńĩńĝ ŕēƥŕēśēńţś à ćŕũćĩàĺ ţēćĥńĩćàĺ ƀōũńďàŕŷ[21]. Źēŕō-śĥōţ śŷśţēḿś ŕēǫũĩŕē ōńĺŷ 3-30 śēćōńďś ōƒ ŕēƒēŕēńćē àũďĩō, ŕēĺŷĩńĝ ēńţĩŕēĺŷ ōń ƥŕē-ţŕàĩńēď ŕēƥŕēśēńţàţĩōńś àńď śōƥĥĩśţĩćàţēď śƥēàķēŕ ēńćōďēŕś ţŕàĩńēď ōń ďĩvēŕśē ďàţàśēţś[10]. Ţĥēśē śŷśţēḿś ćàńńōţ ũƥďàţē ḿōďēĺ ƥàŕàḿēţēŕś ƒōŕ ĩńďĩvĩďũàĺ śƥēàķēŕś ƀũţ ḿũśţ ĝēńēŕàĺĩźē ƒŕōḿ ţĥēĩŕ ţŕàĩńĩńĝ ţō ũńśēēń vōĩćēś.

Ƒēŵ-śĥōţ àƥƥŕōàćĥēś, ŕēǫũĩŕĩńĝ 1-10 ḿĩńũţēś ōƒ àũďĩō, ēńàƀĺē ḿōďēĺ àďàƥţàţĩōń ţĥŕōũĝĥ ţēćĥńĩǫũēś ĺĩķē Ĺōŵ-Ŕàńķ Àďàƥţàţĩōń (ĹōŔÀ) ōŕ ƒũĺĺ ƒĩńē-ţũńĩńĝ. Ţĥĩś àďďĩţĩōńàĺ ďàţà àĺĺōŵś ţĥē ḿōďēĺ ţō ćàƥţũŕē śƥēàķēŕ-śƥēćĩƒĩć ńũàńćēś ţĥàţ ĝēńēŕàĺĩźēď ēḿƀēďďĩńĝś ḿĩĝĥţ ḿĩśś, ŕēśũĺţĩńĝ ĩń ĥĩĝĥēŕ ƒĩďēĺĩţŷ àţ ţĥē ćōśţ ōƒ ĩńćŕēàśēď ćōḿƥũţàţĩōńàĺ ŕēǫũĩŕēḿēńţś àńď śēţũƥ ţĩḿē[18][22].

Ćōḿḿēŕćĩàĺ śŷśţēḿś ĥàvē ĩńćŕēàśĩńĝĺŷ ƒōćũśēď ōń ŕēďũćĩńĝ ţĥēśē ŕēǫũĩŕēḿēńţś. ĒĺēvēńĹàƀś' ĩńśţàńţ vōĩćē ćĺōńĩńĝ ƥŕōďũćēś ũśàƀĺē ŕēśũĺţś ƒŕōḿ Ĵũśţ ōńē ḿĩńũţē ōƒ àũďĩō, ŵĥĩĺē ţĥēĩŕ ƥŕōƒēśśĩōńàĺ ţĩēŕ àćĥĩēvēś 99% śĩḿĩĺàŕĩţŷ ŵĩţĥ 30 ḿĩńũţēś ōƒ ţŕàĩńĩńĝ ďàţà[23]. Ŕēśēḿƀĺē ÀĨ'ś Ŕàƥĩď Vōĩćē Ćĺōńē 2.0 ĝēńēŕàţēś ĥĩĝĥ-ǫũàĺĩţŷ vōĩćēś ƒŕōḿ 20 śēćōńďś ōƒ àũďĩō[24][25], ďēḿōńśţŕàţĩńĝ ţĥē ŕàƥĩď ƥŕōĝŕēśś ĩń ďàţà ēƒƒĩćĩēńćŷ.

Ţēćĥńĩćàĺ Ćĥàĺĺēńĝēś àńď Śōĺũţĩōńś

Àţţēńţĩōń Ḿēćĥàńĩśḿś ƒōŕ Ĺōńĝ-ƒōŕḿ Śŷńţĥēśĩś

Vōĩćē ćĺōńĩńĝ ƒàćēś ũńĩǫũē ćĥàĺĺēńĝēś ĩń ḿàĩńţàĩńĩńĝ ćōńśĩśţēńćŷ àćŕōśś ĺōńĝ ũţţēŕàńćēś. Ţŕàďĩţĩōńàĺ àţţēńţĩōń ḿēćĥàńĩśḿś ćàń śũƒƒēŕ ƒŕōḿ àţţēńţĩōń ćōĺĺàƥśē ŵĥēŕē ţĥē ḿōďēĺ ĺōśēś ţŕàćķ ōƒ ĩţś ƥōśĩţĩōń ĩń ţĥē ĩńƥũţ śēǫũēńćē. Ḿōďēŕń śŷśţēḿś ēḿƥĺōŷ śƥēćĩàĺĩźēď àţţēńţĩōń vàŕĩàńţś ĺĩķē Ďŷńàḿĩć Ćōńvōĺũţĩōń Àţţēńţĩōń ŵĩţĥ ḿōńōţōńĩćĩţŷ ćōńśţŕàĩńţś àńď Ĺōćàţĩōń-Śēńśĩţĩvē Àţţēńţĩōń ŵĩţĥ ƒōŕŵàŕď àţţēńţĩōń ḿēćĥàńĩśḿś ţō ēńśũŕē śţàƀĺē ĝēńēŕàţĩōń[26].

Ḿũĺţĩ-ĥēàď śēĺƒ-àţţēńţĩōń ƥĺàŷś à ćŕũćĩàĺ ŕōĺē ĩń śƥēàķēŕ ēńćōďĩńĝ, ƥàŕţĩćũĺàŕĺŷ ŵĥēń ḿũĺţĩƥĺē ŕēƒēŕēńćē śàḿƥĺēś àŕē àvàĩĺàƀĺē. Ţĥē àţţēńţĩōń ḿēćĥàńĩśḿ ĺēàŕńś ţō ŵēĩĝĥţ ďĩƒƒēŕēńţ ƥàŕţś ōƒ ţĥē ŕēƒēŕēńćē àũďĩō ƀàśēď ōń ţĥēĩŕ ĩńƒōŕḿàţĩvēńēśś ƒōŕ ćàƥţũŕĩńĝ śƥēàķēŕ ćĥàŕàćţēŕĩśţĩćś, àũţōḿàţĩćàĺĺŷ ƒōćũśĩńĝ ōń śēĝḿēńţś ŵĩţĥ ćĺēàŕ śƥēēćĥ ŕàţĥēŕ ţĥàń śĩĺēńćē ōŕ ńōĩśē[27].

Ǫũàĺĩţŷ Ḿēţŕĩćś àńď Ēvàĺũàţĩōń

Ēvàĺũàţĩńĝ vōĩćē ćĺōńĩńĝ ǫũàĺĩţŷ ŕēǫũĩŕēś śƥēćĩàĺĩźēď ḿēţŕĩćś ƀēŷōńď ţĥōśē ũśēď ƒōŕ ĝēńēŕàĺ ŢŢŚ[28]. Śƥēàķēŕ śĩḿĩĺàŕĩţŷ ĩś ḿēàśũŕēď ţĥŕōũĝĥ ćōśĩńē śĩḿĩĺàŕĩţŷ ōƒ śƥēàķēŕ ēḿƀēďďĩńĝś, ŵĩţĥ śţàţē-ōƒ-ţĥē-àŕţ śŷśţēḿś àćĥĩēvĩńĝ 0.95+ śĩḿĩĺàŕĩţŷ śćōŕēś. Ńàţũŕàĺńēśś ēvàĺũàţĩōń ũśēś ḿēţŕĩćś ĺĩķē ḾŌŚ (Ḿēàń Ōƥĩńĩōń Śćōŕē) àńď ĎŃŚḾŌŚ, ŵĥĩĺē ĩńţēĺĺĩĝĩƀĩĺĩţŷ ĩś àśśēśśēď ţĥŕōũĝĥ ŵōŕď ēŕŕōŕ ŕàţēś ŵĥēń ţĥē ćĺōńēď śƥēēćĥ ĩś ƥŕōćēśśēď ƀŷ àũţōḿàţĩć śƥēēćĥ ŕēćōĝńĩţĩōń śŷśţēḿś[29].

ßēŷōńď ōƀĴēćţĩvē ḿēţŕĩćś, ĥũḿàń ēvàĺũàţĩōń ŕēḿàĩńś ćŕũćĩàĺ. Śţũďĩēś ḿēàśũŕē ńàţũŕàĺńēśś, śĩḿĩĺàŕĩţŷ, àńď ĩńţēĺĺĩĝĩƀĩĺĩţŷ ōń 5-ƥōĩńţ śćàĺēś, ŵĩţĥ ḿōďēŕń śŷśţēḿś ćōńśĩśţēńţĺŷ śćōŕĩńĝ àƀōvē 4.0 ĩń àĺĺ ćàţēĝōŕĩēś[30][29]. Ţĥē ēḿēŕĝēńćē ōƒ śŷśţēḿś àćĥĩēvĩńĝ ĥũḿàń ƥàŕĩţŷ — ŵĥēŕē ĺĩśţēńēŕś ćàńńōţ ďĩśţĩńĝũĩśĥ ćĺōńēď ƒŕōḿ ŕēàĺ śƥēēćĥ — ŕēƥŕēśēńţś à ŵàţēŕśĥēď ḿōḿēńţ ƒōŕ ţĥē ƒĩēĺď.

Àƥƥĺĩćàţĩōńś àńď Ĩḿƥĺĩćàţĩōńś

Ćōḿḿēŕćĩàĺ Ďēƥĺōŷḿēńţ

Vōĩćē ćĺōńĩńĝ ĥàś ŕàƥĩďĺŷ ţŕàńśĩţĩōńēď ƒŕōḿ ŕēśēàŕćĥ ţō ŵĩďēśƥŕēàď ćōḿḿēŕćĩàĺ ďēƥĺōŷḿēńţ[30]. Ćōńţēńţ ćŕēàţĩōń ŕēƥŕēśēńţś ţĥē ĺàŕĝēśţ ḿàŕķēţ, ŵĩţĥ ćŕēàţōŕś ũśĩńĝ ćĺōńēď vōĩćēś ƒōŕ àũďĩōƀōōķś, ƥōďćàśţś, àńď vĩďēō ďũƀƀĩńĝ. Ţĥē ţēćĥńōĺōĝŷ ēńàƀĺēś ḿũĺţĩĺĩńĝũàĺ ćōńţēńţ ŵĥēŕē ćŕēàţōŕś ćàń śƥēàķ ĩń ĺàńĝũàĝēś ţĥēŷ ďōń'ţ ķńōŵ ŵĥĩĺē ḿàĩńţàĩńĩńĝ ţĥēĩŕ vōćàĺ ĩďēńţĩţŷ[2].

Ĥēàĺţĥćàŕē àƥƥĺĩćàţĩōńś ĥàvē ƥŕōvēń ƥàŕţĩćũĺàŕĺŷ ĩḿƥàćţƒũĺ. Vōĩćē ƀàńķĩńĝ śēŕvĩćēś àĺĺōŵ ÀĹŚ ƥàţĩēńţś ţō ƥŕēśēŕvē ţĥēĩŕ vōĩćēś ƀēƒōŕē ĺōśĩńĝ ţĥē àƀĩĺĩţŷ ţō śƥēàķ, ŵĥĩĺē vōĩćē ŕēśţōŕàţĩōń ĥēĺƥś ţĥōśē ŵĥō'vē ĺōśţ ţĥēĩŕ vōĩćēś ďũē ţō śũŕĝēŕŷ ōŕ ĩńĴũŕŷ[30]. Ţĥē ţēćĥńōĺōĝŷ'ś àƀĩĺĩţŷ ţō ŵōŕķ ŵĩţĥ ĺĩḿĩţēď śàḿƥĺēś ƥŕōvēś ćŕũćĩàĺ ƒōŕ ƥàţĩēńţś ŵĥō ḿàŷ ĥàvē ĺĩţţĺē ŕēćōŕďēď śƥēēćĥ àvàĩĺàƀĺē.

Ŕēàĺ-ţĩḿē Àƥƥĺĩćàţĩōńś

Ţĥē àćĥĩēvēḿēńţ ōƒ śũƀ-50ḿś ĺàţēńćŷ ĥàś ēńàƀĺēď ĺĩvē vōĩćē ćōńvēŕśĩōń ƒōŕ ĝàḿĩńĝ àńď vĩŕţũàĺ ḿēēţĩńĝś[31][32]. Śţŕēàḿēŕś ũśē ŕēàĺ-ţĩḿē vōĩćē ćĺōńĩńĝ ţō ḿàĩńţàĩń ćĥàŕàćţēŕ vōĩćēś ćōńśĩśţēńţĺŷ, ŵĥĩĺē ƥŕĩvàćŷ-ćōńśćĩōũś ũśēŕś ēḿƥĺōŷ ĩţ ţō àńōńŷḿĩźē ţĥēĩŕ vōĩćēś ŵĩţĥōũţ ĺōśĩńĝ ēxƥŕēśśĩvēńēśś. Ţĥē ţēćĥńōĺōĝŷ'ś ēƒƒĩćĩēńćŷ ĩḿƥŕōvēḿēńţś, ŵĩţĥ śōḿē śŷśţēḿś ŕũńńĩńĝ ōń ḿōƀĩĺē ĆƤŨś, ĥàvē ďēḿōćŕàţĩźēď àććēśś ƀēŷōńď ĥĩĝĥ-ēńď ĥàŕďŵàŕē.

Ēţĥĩćàĺ Ćōńśĩďēŕàţĩōńś àńď Śàƒēĝũàŕďś

Ţĥē ŕàƥĩď àďvàńćēḿēńţ ōƒ vōĩćē ćĺōńĩńĝ ţēćĥńōĺōĝŷ ĥàś ŕàĩśēď śĩĝńĩƒĩćàńţ ēţĥĩćàĺ ćōńćēŕńś. Ţĥē àƀĩĺĩţŷ ţō ćŕēàţē ćōńvĩńćĩńĝ ĩḿƥēŕśōńàţĩōńś ƒŕōḿ ḿĩńĩḿàĺ àũďĩō śàḿƥĺēś ēńàƀĺēś ńēŵ ƒōŕḿś ōƒ ƒŕàũď àńď ḿĩśĩńƒōŕḿàţĩōń[1][4]. Ĩń ŕēśƥōńśē, ţĥē Ũ.Ś. Ƒēďēŕàĺ Ţŕàďē Ćōḿḿĩśśĩōń ĺàũńćĥēď ţĥē Vōĩćē Ćĺōńĩńĝ Ćĥàĺĺēńĝē ĩń 2024, àŵàŕďĩńĝ $35,000 ţō ţēàḿś ďēvēĺōƥĩńĝ ďēţēćţĩōń àńď ƥŕēvēńţĩōń ţēćĥńōĺōĝĩēś[33][34].

Ţēćĥńĩćàĺ śàƒēĝũàŕďś ĥàvē ēḿēŕĝēď àĺōńĝśĩďē ţĥē ţēćĥńōĺōĝŷ ĩţśēĺƒ. ÀũďĩōŚēàĺ, ĩńţŕōďũćēď ĩń 2024, ƥŕōvĩďēś śàḿƥĺē-ĺēvēĺ ŵàţēŕḿàŕķĩńĝ ţĥàţ śũŕvĩvēś ćōḿƥŕēśśĩōń àńď ēďĩţĩńĝ ŵĥĩĺē ŕēḿàĩńĩńĝ ĩḿƥēŕćēƥţĩƀĺē ţō ĺĩśţēńēŕś[35]. Ďēţēćţĩōń śŷśţēḿś ĺĩķē Ƥĩńďŕōƥ'ś ŕēàĺ-ţĩḿē ďēēƥƒàķē ďēţēćţōŕ ćàń ĩďēńţĩƒŷ ćĺōńēď vōĩćēś ŵĩţĥ ōvēŕ 99% àććũŕàćŷ, ƥŕōvĩďĩńĝ ćŕũćĩàĺ ďēƒēńśē ḿēćĥàńĩśḿś ƒōŕ ĥĩĝĥ-śţàķēś àƥƥĺĩćàţĩōńś[33].

Ţĥē ĩńďũśţŕŷ ĥàś ƀēĝũń àďōƥţĩńĝ ćōńśēńţ ƒŕàḿēŵōŕķś ŕēǫũĩŕĩńĝ ēxƥĺĩćĩţ ƥēŕḿĩśśĩōń ƒōŕ vōĩćē ćĺōńĩńĝ. ĒĺēvēńĹàƀś ĩḿƥĺēḿēńţś Vōĩćē Ćàƥţćĥà vēŕĩƒĩćàţĩōń, ŵĥĩĺē Ŕēśēḿƀĺē ÀĨ ŕēǫũĩŕēś śĩĝńēď ćōńśēńţ ƒōŕḿś[23]. Ţĥēśē ḿēàśũŕēś, ćōḿƀĩńēď ŵĩţĥ ţēćĥńĩćàĺ ďēţēćţĩōń ćàƥàƀĩĺĩţĩēś, àĩḿ ţō ƥŕēśēŕvē ţĥē ţēćĥńōĺōĝŷ'ś ƀēńēƒĩţś ŵĥĩĺē ḿĩţĩĝàţĩńĝ ƥōţēńţĩàĺ ĥàŕḿś.

Ŕēćēńţ ßŕēàķţĥŕōũĝĥś àńď Ƒũţũŕē Ďĩŕēćţĩōńś

Ţĥē ƥēŕĩōď ƒŕōḿ 2024-2025 ĥàś śēēń ũńƥŕēćēďēńţēď ƥŕōĝŕēśś ĩń vōĩćē ćĺōńĩńĝ ţēćĥńōĺōĝŷ. Ƒĺōŵ-ḿàţćĥĩńĝ ḿōďēĺś ĺĩķē Ƒ5-ŢŢŚ ĥàvē ďēḿōńśţŕàţēď ţĥàţ ĥĩĝĥ-ǫũàĺĩţŷ ćĺōńĩńĝ ĩś ƥōśśĩƀĺē ŵĩţĥ Ĵũśţ 10 śēćōńďś ōƒ àũďĩō, ŵĥĩĺē ḿàĩńţàĩńĩńĝ ŕēàĺ-ţĩḿē ƥēŕƒōŕḿàńćē[15]. Ţĥē àćĥĩēvēḿēńţ ōƒ ĥũḿàń ƥàŕĩţŷ ƀŷ VÀĹĹ-Ē 2 śũĝĝēśţś ţĥàţ ţĥē ǫũàĺĩţŷ ćēĩĺĩńĝ ƒōŕ vōĩćē ćĺōńĩńĝ ḿàŷ ĥàvē ƀēēń ŕēàćĥēď, ŵĩţĥ ƒũţũŕē ŵōŕķ ƒōćũśĩńĝ ōń ēƒƒĩćĩēńćŷ àńď àććēśśĩƀĩĺĩţŷ[12].

Ḿũĺţĩḿōďàĺ ĩńţēĝŕàţĩōń ŕēƥŕēśēńţś ţĥē ńēxţ ƒŕōńţĩēŕ, ŵĩţĥ ŕēśēàŕćĥ ēxƥĺōŕĩńĝ ĥōŵ vōĩćē ćĺōńĩńĝ ćàń ƀē ćōḿƀĩńēď ŵĩţĥ ƒàćĩàĺ àńĩḿàţĩōń àńď ĝēśţũŕē śŷńţĥēśĩś ƒōŕ ćōḿƥĺēţē ďĩĝĩţàĺ ĥũḿàń ćŕēàţĩōń. Ţĥē ćōńvēŕĝēńćē ōƒ vōĩćē, vĩďēō, àńď ţēxţ ḿōďàĺĩţĩēś ƥŕōḿĩśēś ēvēń ḿōŕē ćōḿƥēĺĺĩńĝ àƥƥĺĩćàţĩōńś ŵĥĩĺē ŕàĩśĩńĝ àďďĩţĩōńàĺ ēţĥĩćàĺ ćōńśĩďēŕàţĩōńś.

Àś vōĩćē ćĺōńĩńĝ ţēćĥńōĺōĝŷ ƀēćōḿēś ĩńćŕēàśĩńĝĺŷ àććēśśĩƀĺē ţĥŕōũĝĥ ōƥēń-śōũŕćē ĩḿƥĺēḿēńţàţĩōńś àńď ćĺōũď ÀƤĨś, ĩţś ĩḿƥàćţ ŵĩĺĺ ĺĩķēĺŷ ƥàŕàĺĺēĺ ţĥàţ ōƒ ēàŕĺĩēŕ ÀĨ ƀŕēàķţĥŕōũĝĥś. Ţĥē ţēćĥńōĺōĝŷ'ś ţŕàĴēćţōŕŷ śũĝĝēśţś à ƒũţũŕē ŵĥēŕē vōĩćē ĩńţēŕƒàćēś ƀēćōḿē ţŕũĺŷ ƥēŕśōńàĺĩźēď, ŵĥēŕē ĺàńĝũàĝē ƀàŕŕĩēŕś ďĩśśōĺvē ţĥŕōũĝĥ ŕēàĺ-ţĩḿē ţŕàńśĺàţĩōń ŵĩţĥ ƥŕēśēŕvēď ĩďēńţĩţŷ, àńď ŵĥēŕē ďĩĝĩţàĺ ƥŕēśēŕvàţĩōń ōƒ ĥũḿàń vōĩćēś ƀēćōḿēś àś ćōḿḿōń àś ƥĥōţōĝŕàƥĥ śţōŕàĝē. Ţĥē ćĥàĺĺēńĝē ƒōŕ ŕēśēàŕćĥēŕś, ćōḿƥàńĩēś, àńď ƥōĺĩćŷḿàķēŕś ŵĩĺĺ ƀē ēńśũŕĩńĝ ţĥēśē ćàƥàƀĩĺĩţĩēś ēńĥàńćē ŕàţĥēŕ ţĥàń ũńďēŕḿĩńē ĥũḿàń ćōḿḿũńĩćàţĩōń àńď ţŕũśţ.

References

  1. [1]ArXiv - Voice Cloning with Few Samples
  2. [2]Deepgram - Voice Cloning: Everything to Know
  3. [3]Speechify - Speech to Speech Voice Cloning
  4. [4]ElevenLabs - What is Voice Cloning
  5. [5]Hindawi - X-Vector Based Speaker Recognition
  6. [6]MathWorks - Speaker Recognition Using X-Vectors
  7. [7]SpringerOpen - X-Vector System Analysis
  8. [8]GitHub - D-Vector Implementation
  9. [9]Wikipedia - VALL-E
  10. [10]VALL-E Official Project Page
  11. [11]Towards Data Science - VALL-E Future of TTS
  12. [12]Microsoft Research - VALL-E 2 Project
  13. [13]GitHub - DiffWave Implementation
  14. [14]OpenReview - Grad-TTS Paper
  15. [15]Gradient Flow - F5-TTS Breakthrough
  16. [16]TopView AI - F5-TTS Perfect Voice Clone
  17. [17]Uberduck - F5-TTS Most Realistic Open Source
  18. [18]Hugging Face - What is RVC
  19. [19]Wikipedia - Retrieval-based Voice Conversion
  20. [20]GitHub - Bark with Voice Clone
  21. [21]ArXiv - Zero-shot Voice Cloning Survey
  22. [22]Kirawat - RVC Garden Guide
  23. [23]ElevenLabs - Voice Cloning Platform
  24. [24]Play.ht - Voice Cloning Service
  25. [25]Resemble AI - Rapid Voice Cloning
  26. [26]ArXiv - Attention Mechanisms for Speech Synthesis
  27. [27]ArXiv Vanity - Location-Sensitive Attention
  28. [28]ArXiv - Voice Cloning Quality Evaluation
  29. [29]ArXiv - Voice Cloning Quality Analysis
  30. [30]ArXiv - Voice Banking and Restoration
  31. [31]RunPod - RVC Cloud Guide
  32. [32]GitHub - LLVC Real-time Implementation
  33. [33]FTC - Voice Cloning Challenge Winners
  34. [34]FTC - Preventing AI Voice Cloning Harms
  35. [35]ArXiv - AudioSeal Watermarking