गेम डेवलपर्स नए रचनात्मक अवसरों के लिए वॉयस एआई की ओर देख रहे हैं

ध्वनि संश्लेषण तकनीक, विशेष रूप से वाक् संश्लेषण, हाल के वर्षों में बहुत अधिक परिष्कृत हो गई है। जबकि टेक्स्ट-टू-स्पीच तकनीक दशकों से मौजूद है, यह तकनीक बहुत अधिक स्वाभाविक लग रही है। हाल के एल्गोरिदम केवल कुछ घंटों का ऑडियो ले सकते हैं और अत्यधिक यथार्थवादी ऑडियो नमूनों को संश्लेषित कर सकते हैं। जैसे-जैसे प्रौद्योगिकी आगे बढ़ती है, रचनात्मक मीडिया में संभावनाओं सहित अधिक अनुप्रयोग खुलते हैं। हाल ही में,  जैसा कि वेंचरबीट द्वारा रिपोर्ट किया गया है, वीडियो गेम कंपनियों ने वीडियो गेम के लिए संवाद तैयार करने के लिए एआई वॉयस जेनरेशन के उपयोग की जांच शुरू कर दी है।

एक कंपनी, लेविथान खेल, ने उन खेलों के भीतर वॉयस एआई को लागू करना शुरू कर दिया है जो वे वर्तमान में विकसित कर रहे हैं। लेविथान गेम्स के मालिक व्याथ रिडवे ने बताया कि वॉयस एआई नाटकीय तरीके से गेम डिजाइन को बदल सकता है। रिडवे ने बताया कि गेम डिज़ाइन में वॉयस एआई का उपयोग एक उभरती हुई प्रवृत्ति है, और इसकी तुलना पिछले दशक के दौरान 3 डी एनीमेशन सॉफ्टवेयर में बदलाव से की गई है, जिसमें पिक्सर जैसी कंपनियां एनीमेशन और मॉडलिंग की सुविधा के लिए मालिकाना सॉफ्टवेयर बना रही हैं।

भाषण उत्पन्न करने के पारंपरिक तरीके पहले से रिकॉर्ड की गई ध्वनि फ़ाइलों को तुरंत एक साथ जोड़कर, पहले से मौजूद शब्दों और वाक्यांशों से वाक्यों को एक साथ जोड़कर संचालित होते हैं। भाषण निर्माण की इस पद्धति के लिए सैकड़ों घंटों के संवाद की रिकॉर्डिंग और ध्वनि क्लिप की मैन्युअल लेबलिंग की आवश्यकता होती है। यह कुछ हद तक अप्राकृतिक भी लगता है क्योंकि शब्दों में विभक्ति और जोर बदल जाता है। तुलनात्मक रूप से, अत्याधुनिक आवाज एआई काफी अधिक प्राकृतिक लगती है और एक अलग अंदाज में काम करती है।

वॉयस एआई गहरे तंत्रिका नेटवर्क पर आधारित है। WaveNet पहले एआई में से एक था जो ठोस, प्राकृतिक-लगने वाले ऑडियो नमूने उत्पन्न कर सकता था। चूंकि ध्वनि के नमूने खरोंच से उत्पन्न होते हैं, इसलिए जब तक पर्याप्त प्रशिक्षण डेटा उपलब्ध है, तब तक सैकड़ों घंटों के संवाद को पूर्व-रिकॉर्ड करने की कोई आवश्यकता नहीं है। अनुकूलित GAN और LSTM मॉडल केवल कुछ घंटों के लेबल वाले ऑडियो पर प्रशिक्षित होने के बाद ऑडियो उत्पन्न कर सकते हैं। परिणाम असाधारण रूप से विश्वसनीय हो सकते हैं, जैसे कि Google का डुप्लेक्स प्रयोग अपॉइंटमेंट तय करने के लिए हेयर सैलून को बुलाया।

जैसे-जैसे ये तकनीकें क्लाउड कंप्यूटिंग के ज़रिए ज़्यादा शक्तिशाली, मानकीकृत और आसानी से सुलभ होती जाएँगी, संभावना है कि ज़्यादा से ज़्यादा गेम डेवलपर उत्पादन समय और लागत कम करने के लिए वॉइस एआई का इस्तेमाल करेंगे। कुछ कंपनियाँ पहले से ही ऐसे मॉडल बना रही हैं जिनका इस्तेमाल गेम डेवलपर्स कर सकते हैं। प्रतिकृति स्टूडियो एआई वॉयस तकनीक में विशेषज्ञता है, और उनकी तकनीक द्वारा उत्पन्न कुछ ऑडियो नमूने लिंक पर सुने जा सकते हैं यहाँ उत्पन्न करें और यहाँ उत्पन्न करें.

यह संभावना नहीं है कि गेम डेवलपर्स एआई के बजाय वॉयस एक्टर्स का उपयोग छोड़ना पसंद करेंगे। वास्तव में, वॉयस एआई वॉयस एक्टर्स के लिए अधिक अवसर खोल सकता है। वर्तमान में, कई गेम डेवलपमेंट कंपनियां ध्वनियुक्त संवाद के निर्माण से जुड़े समय के निवेश और लागत के कारण अक्सर आवाज वाले संवाद को छोड़ देती हैं। यदि स्क्रिप्ट में बदलाव होते हैं या यदि गेम निर्देशक एक अलग तरह का प्रदर्शन चाहते हैं तो वॉयस एक्टर्स को अक्सर अधिक रिकॉर्डिंग सत्रों के लिए वापस लाने की आवश्यकता होती है। वॉयस एआई का उपयोग/प्रोटोटाइप संवाद के साथ प्रयोग करने के लिए किया जा सकता है, जिससे यह पता चल सके कि स्क्रिप्ट को रिकॉर्ड करने के लिए पेशेवर वॉयस एक्टर को बुलाने से पहले किस तरह की स्क्रिप्ट में बदलाव और संशोधन करने की जरूरत है। इससे अधिक कंपनियों के पास ध्वनि संवाद के निर्माण में निवेश करने के लिए संसाधन उपलब्ध हो सकेंगे।

एआई वॉयस मॉडल को एक विशिष्ट आवाज अभिनेता की आवाज पर भी प्रशिक्षित किया जा सकता है, और एआई का उपयोग तुच्छ संवाद क्लिप उत्पन्न करने के लिए किया जाता है, जब तक कि अभिनेता को उनकी आवाज के उपयोग के लिए भुगतान किया जाता है। जैसा कि वेंचरबीट ने रिपोर्ट किया है, साइमन जे. स्मिथ जैसे आवाज अभिनेता, आवाज एआई मॉडल के बढ़ते उपयोग और नई आवाज अभिनय के अवसरों को खोलने की उनकी क्षमता के बारे में आशावादी हैं।

स्क्रिप्ट को प्रोटोटाइप करने या छोटे पात्रों के लिए वॉयस लाइन बनाने के लिए वॉयस एआई के उपयोग के अलावा, गेम डेवलपर्स रोल-प्लेइंग वीडियो गेम के लिए खिलाड़ियों को अधिक अनुकूलन विकल्प देने के लिए वॉयस एआई का भी उपयोग कर सकते हैं। वर्तमान में, यहां तक ​​कि ऐसे गेम जो खिलाड़ियों को अपने अवतारों के लिए आवाज चुनने की अनुमति देते हैं, उनमें आमतौर पर केवल कुछ ही विकल्प होते हैं। वॉयस एआई के उपयोग से, विकल्प कार्यात्मक रूप से असीमित हो सकते हैं।