پڑھنے کا وقت 4 منٹ
بات وہی، آواز نئی: آواز کی تبدیلی کیسے ہوتی ہے؟
30 سیکنڈ میں خلاصہ
آواز کی تبدیلی وہ عمل ہے جس میں بولنے کے ریکارڈ شدہ یا براہ راست آنے والے صوتی اشارے کو بدل کر، الفاظ برقرار رکھنے کی کوشش کے ساتھ، آواز کی خصوصیات تبدیل کی جاتی ہیں۔
ایک فرضی ڈرامے میں اداکار اپنے معمول کے لہجے میں مکالمہ پڑھتا ہے۔ بعد میں وہی جملہ دوسری آواز میں سنائی دیتا ہے۔ الفاظ وہی ہیں، آواز کی خصوصیات بدلی گئی ہیں۔ مگر مانوس آواز سنائی دینا کیا ثابت کرتا ہے کہ اسی شخص نے خود وہ بات کہی تھی؟
آواز بدلنا اور تحریر پڑھنا الگ کام ہیں
ہم کسی آواز کو صرف اس کے اونچا یا گہرا ہونے سے نہیں پہچانتے۔ ایک ہی صوت کی گونج اور رنگ مختلف لوگوں کی گفتگو میں مختلف ہوتے ہیں۔ آواز کی تبدیلی ایسے اوصاف بدل کر منتخب آواز سے مشابہت پیدا کرنے کی کوشش کرتی ہے۔ یہ ریکارڈنگ تیز چلا کر آواز باریک کرنے سے مختلف طریقہ ہے۔ ہر نظام لازماً ایک ہی اوصاف نہیں بدلتا۔
اس عمل میں بولنے کا صوتی اشارہ دیا جاتا ہے۔ تحریر سے بولنا تیار کرنے والے نظام کو لکھا ہوا جملہ دیا جاتا ہے، جس سے وہ تلفظ اور وقفوں سمیت آواز بناتا ہے۔ دونوں طریقوں میں منتخب آواز جیسا نتیجہ آ سکتا ہے۔ اس لیے کسی کی آواز کی نقل ہوئی ہے، یہ جان کر ہی استعمال شدہ طریقہ معلوم نہیں ہو جاتا۔ آواز کی تبدیلی خود بخود ترجمہ بھی نہیں کرتی؛ دوسری زبان میں بات بنانے کے لیے مزید عمل درکار ہے۔
اصل بات سے نئی آواز تک
۲۰۱۹ کی AutoVC تحقیق ایک مثال پیش کرتی ہے۔ اس میں بولنے کی آواز کو وقت کے ساتھ بدلنے والی صوتی خصوصیات کی صورت میں ظاہر کیا جاتا ہے۔ ایک حصہ کہی گئی بات سے متعلق معلومات مختصر صورت میں رکھنے کی کوشش کرتا ہے۔ دوسرا حصہ منتخب آواز کے اوصاف ظاہر کرتا ہے۔ دونوں کو ملا کر بدلے ہوئے بولنے کی صوتی شکل تیار کی جاتی ہے، پھر اس سے قابل سماعت آواز بنتی ہے۔ تمام نظاموں کے لیے یہی ایک لازمی نقشہ نہیں ہے۔
تیاری کے مرحلے میں اس تحقیق کا ماڈل تربیتی مثالوں کی آواز دوبارہ بنانے کی کوشش کرتا ہے۔ اصل اور دوبارہ بنائی گئی آواز کے فرق کی بنیاد پر اس کی ترتیب درست کی جاتی ہے۔ بات کے لیے رکھی گئی معلومات محدود کرنے کا مقصد یہ ہے کہ اصل بولنے والے کے تمام صوتی اوصاف اسی راستے سے آگے نہ پہنچ جائیں۔ بعد کے استعمال میں بات کی معلومات کے ساتھ دوسری آواز کی نمائندگی جوڑی جاتی ہے۔ اس سے کسی انسان کی یادیں یا شخصیت منتقل نہیں ہوتیں۔
فرض کریں مکالمہ ہے، “کل شام ملیں گے۔” تبدیلی کے بعد بھی یہی بات سنائی دینا مقصد ہے۔ مگر الفاظ واضح ہیں یا نہیں، منتخب آواز سے کتنی مشابہت ہے اور بولنا قدرتی لگتا ہے یا نہیں، یہ الگ سوال ہیں۔ آواز اچھی لگنے کا مطلب ہر لفظ درست ہونا نہیں۔ نام، وقت یا رقم والی ریکارڈنگ شیئر کرنے سے پہلے اسے مکمل سن کر ان تفصیلات کی تصدیق مفید ہے۔
مشابہت کی حدود
ایک مختصر نمونے میں اچھا نتیجہ طویل گفتگو میں ویسا ہی نتیجہ ملنے کی ضمانت نہیں۔ AutoVC کی جانچ مخصوص تجربات میں ہوئی تھی۔ اسے اردو کی ہر بولی، گانے یا جذباتی گفتگو پر کامیابی کی ضمانت نہیں سمجھنا چاہیے۔ ہنسی، زور اور ہر وقفہ بھی لازماً جوں کا توں نہیں رہتا۔ جس خصوصیت پر آپ کے کام کا انحصار ہو، اسے اصل نتیجے میں الگ سے دیکھنا ضروری ہے۔
ریکارڈ شدہ آواز بدلنا اور جاری فون کال میں بلا تعطل آواز بدلنا ایک بات نہیں۔ براہ راست استعمال میں آواز وصول کرنا، اس پر کام کرنا اور آگے بھیجنا وقت پر ہونا چاہیے۔ کسی تحقیق کا نتیجہ ہر فون پر فوری عمل کی ضمانت نہیں دیتا۔ آواز بدل جانے سے شناخت مکمل طور پر چھپنے کی ضمانت بھی نہیں ملتی؛ گفتگو میں نام یا واقعے کا حوالہ پہچان ظاہر کر سکتا ہے۔
کسی دوسرے کی پہچانی جانے والی آواز تخلیقی کام میں استعمال کرتے وقت ان کی رضامندی اور تبدیلی کی واضح اطلاع اہم ہے۔ ڈرامے کی مثال میں اداکار کی اجازت موجود فرض کریں۔ آواز بدلی جانے کی اطلاع اداکاری اور حقیقی بیان کا فرق سمجھنے میں مدد دیتی ہے۔ مشابہ آواز متعلقہ شخص کی تائید کا ثبوت نہیں۔
FBI کی دسمبر ۲۰۲۴ کی تنبیہ میں مصنوعی آواز سے قریبی لوگوں کی نقالی کر کے رقم مانگنے کے واقعات بیان کیے گئے ہیں۔ مشکوک کال پر رقم یا خفیہ معلومات مانگی جائیں تو رکیں اور پہلے سے معلوم نمبر یا ادارے کے سرکاری رابطے پر الگ سے تصدیق کریں۔ صرف کال کرنے والے کا دیا ہوا نیا نمبر استعمال نہ کریں۔ آواز میں خرابی سنائی نہ دینے پر بھی تصدیق ضروری ہے۔ آواز کی مشابہت شناخت کا ثبوت نہیں۔
ماخذ
- AutoVC: Zero-Shot Voice Style Transfer with Only Autoencoder LossPMLR — ICML 2019
- Expressive Neural Voice CloningPMLR — ACML 2021
- Criminals Use Generative Artificial Intelligence to Facilitate Financial FraudFBI Internet Crime Complaint Center