Voices: God stemmedata er mangelvare for AI-modeller

Når en AI skal lære at tale naturligt, skal den trænes på store mængder lydoptagelser af rigtige stemmer. Ifølge Dheeraj Jalali, teknologichef (CTO) hos stemmemarkedspladsen Voices, er det ikke nok at have meget data. Den skal også være af høj kvalitet.

Jalali siger i en pressemeddelelse: »Voice data is both scarce and in high demand. The best voice AI models will be built on curated and ethically sourced character data.« Frit oversat: Stemmedata er sjældent og meget efterspurgt, og de bedste modeller bygges på udvalgt og etisk indsamlet data.

Ud fra de kilder, jeg har kunnet finde, er det altså Voices' egen vurdering. Firmaet sælger selv den type data, så det er også en salgsvinkel.

Et datasæt med karakterstemmer

I september 2025 lancerede Voices det, firmaet kalder det første karakterdatasæt til træning af stemme-AI. Det rummer over 450 forskellige karakterer, spillet af professionelle stemmeskuespillere. Eksempler er en 1920'er-flapper og en drillsergent.

Optagelserne er skrevet ud som tekst og mærket med oplysninger om karakter, tone og følelse. Der er 19 toner, 35 følelser og 21 såkaldte paralingvistiske signaler. Det er lyde som latter eller suk, der ikke er egentlige ord, men som får en stemme til at lyde levende. Optagelserne er lavet i Voices' eget onlineoptagestudie.

Etisk indsamling

Voices lægger vægt på, at data er indsamlet etisk. Firmaet siger, at de bidragende stemmer har klare vilkår, giver samtykke og får betaling. Det er et ømt punkt i branchen, fordi mange stemmeskuespillere frygter, at deres stemme bliver brugt til at træne AI uden aftale.

Hvad det betyder for dig

Hvis du bruger AI-stemmer i kundeservice, lydbøger eller apps, afgør træningsdata, om stemmen lyder naturlig eller robotagtig. Spørgsmålet om, hvor stemmerne kommer fra, og om de er betalt, bliver også vigtigere for virksomheder, der vil undgå sager om rettigheder.