ANALYSBREVET

Söndagsbrev. Dagens Analysbrev är lite annorlunda än vanligt. Det kräver nämligen att man klickar sig vidare, loggar in och läser sista delen på sajten. Det har att göra med flödet bakom kulisserna och är samtidigt ett test.

Ämnet för dagen är AI-röster och tanken föddes utifrån att jag lyssnade på två olika podcasts som båda tog upp fenomenet ur lite olika perspektiv.

/Sölve Dahlgren
chefredaktör

Du får detta nyhetsbrev för att du eller din arbetsgivare tecknat en prenumeration på Boktugg Insider. För att hantera din prenumeration kan du logga in på boktugg.se och gå in på Mitt konto.

Spökinläsare – vad är det? Ett nytt ord, kom ihåg var du läste det först. Foto: iStock.

DAGENS ANALYSBREV

Spökinläsare nästa trend

I takt med framstegen inom generativ AI sprider sig teknikpaniken. När allt fler författare tar offentligt avstånd från att låta sina böcker bli ljudböcker med AI-röster blir den logiska slutsatsen att spökinläsare blir nästa trend.

Vi har skrivit alldeles för lite om AI i Analysbrevet. Delvis för att jag känt att det händer saker precis hela tiden och det jag skriver idag är inaktuellt imorgon. Men också för att AI mer än något annat är ett verktyg, eller snarare en teknik som kommer att byggas in i alla de verktyg vi använder redan idag.

Faktum är att AI, eller åtminstone maskininlärning, är en del av nästan alla verktyg som används i bokbranschen från Word till Photoshop. Skillnaden är att vi nu kommer att ta nya stora tekniksprång.

Boktugg skrev om talsyntes långt innan det blev ett debattämne och döptes om till AI-röster. För snart två år sedan kom ett Analysbrev med rubriken Fem steg till självläsande böcker via ljudböcker med talsyntes. Den ger ett historiskt perspektiv och en bra bakgrund till resonemanget i detta Analysbrev.

Utifrån den skala som jag ritade upp där så befinner vi oss just nu någonstans mellan nivå 4 och 5.

4. Naturlig röst. Genom inlärning byggs modeller av röster och tal återskapas så att de inte går att skilja från människan. Men det krävs fortfarande en producent (människa) som kan gå in och justera felaktiga uttal av ord, tempo, betoningar och så vidare.

5. Självläsande. Algoritmerna har nu lärt sig att själva tolka hur en text ska läsas, precis som mänskliga inläsare. Uttal av ortsnamn eller ord baseras på preferenser samt data från miljontals timmar inlästa ljudböcker. Många kommer på denna nivå att anse att talsyntes ger bättre resultat än med mänsklig inläsare. Producentens roll blir här att instruera och ge kontext. Och genom att ändra denna kan hela ljudboken genereras på nytt – kanske på några få sekunder.

När Storytel för drygt en månad sedan introducerade AI-röster på engelska så att lyssnare kunde välja mellan dels originalinläsningen och dels ett par AI-röster har tonläget i debatten nått en ny nivå. Den har pendlat mellan att avfärda resultatet som uselt och att ”det där kan aldrig ersätta en människa” till mer öppenhjärtig panik över att inläsare kan komma att förlora sina jobb om vi accepterar AI-röster.

Våga vägra AI-röster

Flera författare har gått ut och deklarerat att de minsann aldrig skulle tillåta att deras böcker lästes in (eller upp) av något annat än en människa av kött och blod.

Och det är naturligtvis lätt att säga ifall man skrivit böcker som lyssnas tillräckligt mycket för att förlaget ska vilja investera inte bara i en okänd skådespelare med bra röst utan även en eftertraktad stjärninläsare som älskas av lyssnarna.

Flera lyssnare påpekade genast att de bara lyssnar på böcker av de inläsare som de gillar. Samtidigt var det just dessa ljudbokslyssnare som levererade ett tungt argument för AI-röster. Att det finns de som väljer bort en bok på grund av att de inte gillar inläsaren.

Därför är förstås Storytels voice switcher ett smart alternativ för dessa lyssnare och ljudböcker.

Men både författare och inläsare kan lista ut att det finns miljoner skäl för Storytel (och alla andra bokförlag) att inte stanna där.

Om ljudboksproduktionen kostar lika mycket som hela det redaktionella arbetet med manus så är det klart att förlagen ser en möjlighet att spara pengar ifall man kan producera ljudboken med AI-röster.

Ett podavsnitt som åldrades snabbt

I måndags släpptes det nya avsnittet av Förlagspodden där Lasse Winkler och Kristoffer Lind som tidigare varit imponerade av AI-röster redan i rubriken deklarerade ”lite överraskande även för oss själva, tror vi inte längre på robotrösten som något världen kommer att bry sig om.” De båda har aldrig gjort sig kända för att vara politiskt korrekta utan alltid säga vad de tycker. Annars hade man nästan kunnat tro att de höll inne med något.

Läs resten av artikeln >>

TIDIGARE ANALYSBREV

I arkivet hittar du tidigare utgåvor av Analysbrevet. Många av dem är lika relevanta idag som när de skrevs. Här är några av de senaste utgåvorna ifall du missat dem.