Žádné strachy. Řekneme to za Vás! Řečová syntéza pro pacienty kliniky ORL 1. LFUK a FN v Motole
O řečové syntéze Co to je syntéza řeči a kde se používá? Syntéza řeči je automatický převod psaného textu na mluvenou řeč. Tato technologie má široké možnosti využití, např. vytváření audioknih jen na základě textu (bez načítání hercem), čtení e-mailů či sms zpráv, náhrada lidského řečníka v informačních a dialogových systémech, čtení obrazovky počítače nevidomému uživateli a komunikace s okolím pro člověka, který svůj hlas z nějakého důvodu ztratil (např. totální laryngektomií). Kdo může syntézu řeči získat? V současné době spolupracuje me převážně s pacienty, kteří pod stupují totální laryngekto mii. Těm nabízíme možnost na hrá ní vla stního hlasu před operací a tzv. per so nali zo vanou (osobní) syntézu, nebo pokud nahrávání není možné, využití syntézy s komerčním hla sem. Nahrání vlastního hlasu preventivně nabízíme i pacientům, u nichž do budoucna existuje vyšší riziko ztráty hlasu, ať již z důvodu postupu nemoci nebo jako následek operačního zákroku. Operace totiž většinou následuje velmi rychle po stanovení diagnózy. Pacient je vzniklou situací pochopitelně velmi zatížen a na nahrání hlasu nebývá čas ani pomyšlení. Přitom je to je di ný způsob, jak si svůj hlas uchovat. S postupující nemocí se může kvalita hlasu ztrácet a jeho preventivní včasné nahrání dává největší naději k dosažení kvalitnějšího výsledku. Kolik to stojí? V současnosti poskytujeme syntézu v rámci výzkumu podpořeného Norskými fondy, pro pacienty je proto nahrání hlasu, jeho syntéza i používání programu, který umí přečíst napsaný text, zdarma. Co znamená, že řečovou syntézu nabízíte v rámci výzkumu? Sledujeme, jak řečová syntéza ovlivňuje kvalitu života lidí, kteří ji používají. Zajímá nás, zda se jim se syntézou daří komunikovat lépe, než pacientům bez syntézy. Za tímto účelem od nich proto žádáme zpětnou vazbu, jednak při konzultacích s lékaři, zároveň ale také ve formalizované podobě. To v praxi znamená vyplnění krá tkého dotazníku.
O zachování hlasu s MUDr. Barborou Řepovou Klinika ORL a chirurgie hlavy a krku 1. lékařské fakulty Univerzity Karlovy a Fakultní nemocnice v Motole nabízí od roku 2011 svým pacientům možnost nahrát a konzervovat vlastní hlas před totální laryngektomií. Ve spolupráci se Západočeskou univerzitou v Plzni stále vyvíjí možnosti použití řečové syntézy a sleduje kvalitu života svých pacientů. Jaké možnosti komunikace s okolím mají pacienti, kteří podstoupí totální laryngektomii, při níž ztratí hlas? Pacienti po totální laryngektomii mají několik možností rehabilitace hlasu. Ke standardu patří hlasová protéza, možností je i nácvik jícnového hlasu nebo elektrola rynx. Hlasová syntéza je dalším doplňkem, její hlavní výhodou je to, že pacient pokud byl jeho hlas nahrán může používat svůj vlastní hlas a zachovat tak zvukovou autenticitu sdělení. Kromě zachování vlastního hlasu, jaké výhody má řečové syntéza oproti dalším metodám rehabilitace hlasu? Principem hlasové protézy je vytvoření umělého spojení (píštěle) mezi průdušnicí a jícnem a zavedení jednostranného ventilku do tohoto nově vzniklého otvoru. Pro tvorbu hlasu je v těchto přípa dech využíván proud vzduchu, který roz-
kmitává stěny hltanu a jícnu. Tímto způsobem vzniká zvuk, který se upravuje ve srozumitelnou řeč pomocí artikulace, tzn. vytvářením hlásek v ústech a na rtech. Asi 80 90 % pacientů s těmito protézami se naučí plynulé řeči. Hlasová protéza se zavádí u laryngektomie standardně, někdy ale při obtížných výkonech její zavedení současně s odstraněním nádoru není možné. Přiožením vibrujícího elektrolaryngu na spodinu ústní je generován zvuk, který se mění v artikulovanou řeč pomocí dutiny ústní. Použití elektrolaryngu je u některých pacientů ztíženo horšími vibračními vlastnostmi měkkých tkání. Tyto vlastnosti se ještě více zhoršují po proběhlém ozáření kvůli nádoru. Nevýhodou elektrolaryngu obecně je poměrně vysoká cena a neosobní monotónní elektronický hlas. Princip vzniku jícnového hlasu spočívá v tom, že se pa cient naučí naplnit jícen vzduchem a postupně jej uvolňuje erukta cí (říháním) a současně tvoří jednotli vé hlásky v dutině ústní obvyklým způsobem. Jeho výhodou je tvorba hlasu bez jakýchkoliv pomůcek, ovšem pouze zlomek pacientů se jej dokáže naučit. Navíc je možné takto vyslovit pouze málo slov, protože množství polknutého vzduchu je malé. Řečová syntéza je naprosto neinvazivní metoda, v současné době je poskytována zdarma, pacient pouze musí vlastnit nebo si pořídit dnes již běžné elektroni cké zařízení jako je počítač, tablet či telefon. Používaná aplikace i metody syntézy hlasu jsou navíc neustále vylepšovány u apli ka ce se snažíme docílit co nejjednoduššího použití a u řeči co nejkvalitnějšího a nejvěrnějšího projevu. S kolika pacienty průměrně spolupracujete? Jaký je jejich zájem o využití řečové syntézy? Technicky můžeme nahrát všechny pacienty, kteří o syntézu budou mít zájem. Nahrávání hlasu ale zabere i několik dní, a proto tuto možnost volí často pouze ti pacienti, u kterých reálně hrozí, že o svůj hlas definitivně přijdou. Ani to ale občas není jednoznačným impulsem, aby pacient nechal svůj hlas nahrát. Totální laryngektomii na našem pracovišti ročně podstoupí okolo 30 pacientů, nahráváme přibližně 15 hlasů ročně. Naše kapacita je mnohem větší, záleží tedy jen na rozhodnutí pacientů. Nahrání hlasu je pouze první krok. Kolik pacientů ale nakonec skutečně používá řečovou syntézu, byť třeba jen občasně? Většina z nás nepřemýšlí nad možností, že bychom o hlas někdy mohli přijít. O to víc je pro pacienty šokující informace, že operací o hlas přijdou. V takovou chvíli každý zvažuje, jak hlas zachovat, a nabídku nahrávání vnímají pacienti velmi pozitivně. Zatím ale neumíme syntetický hlas využívat jinak
než na elektronických zařízeních. A protože řada pacientů počítače, tablety a chytré telefony neumí a ani nechce používat, od nahrávání ustoupí. Někteří syntézu alespoň vyzkouší v nemocnici s pomocí tabletu, který jim poskytujeme, ale motivace učit se s novým zařízením je kupodivu velmi nízká navzdory dlouhodobým dopadům života bez hlasu. Dlouhodobě proto syntézu využívají zejména ti pacienti, kteří už před stanovením diagnózy dobře ovládali počítač. Máte nějaké doporučení, jak tyto technické problémy překonat? Operace, které zasahují oblast hrtanu a hlasivek, často následují diagnózu velmi rychle. V tomto stresu lidé často cítí, že nemají sílu učit se něčemu úplně novému. Často ale také nedokáží dohlédnout reálné důsledky života bez (vlastního) hlasu. Je potřeba si uvědomit, že každá metoda rehabilitace hlasu vyžaduje od pacienta větší či menší úsilí, kdy se musí naučit něco nového. Na klinice ORL máme k dispozici několik tabletů, které můžeme pacientům zapůjčit již před operací a možnit jim tak, aby se s aplikací předem seznámili. Řečovou syntézu pak mohou začít užívat ihned po operaci namísto psaní na papír mohou snadněji a rychleji lékařům sdělit, jak se cítí, mají-li bolesti, říci sestře, co přesně potřebují atp. Pacienti, pro něž je syntéza jedinou možností, jak v budoucnu komunikovat řečí, si musí uvědomit, o jak důležitý aspekt svého života přicházejí. Mluvený projev je automatickou složkou našeho života a nejde jen o to, zda rádi dlouze klábosíme s kamarády: přivolání pomoci, když se přihodí nehoda, komunikace s lékařem po operaci a při kontrolách, kdy je třeba re agovat na otázky a rychlá škála ano/ne nestačí, každodenní komunikace v obchodech, na poště, na úřadech, ale také třeba s malými dětmi, které ještě neumí číst. To všechno by určitě bylo snazší, kdyby měli lidé před operací více času... Prevence je nejlepší léčba, a tak i pacientům, kteří zatím nestojí před tak zásadním životním zlomem jako je operace provázená ztrátou hlasu, pochopitelně doporučujeme zajistit si včasné vyšetření. A pokud u nich exi stu je byť jen mizivá šance, že k podobným problémům by jednou mo hlo dojít, v rámci preventivních opatření nabízíme i jim možnost bezplatně nahrát svůj hlas, dokud není postižen následky nemoci (chrapot apod.). Ambulanci kliniky ORL v Motole najdete v uzlu E, 1. patro, tel. 224 434 326.
Jak vzniká personalizovaná syntéza řeči? Na Západočeské univerzitě v Plzni vyvíjí řečovou syntézu a různé způsoby zpracování hlasu katedra kybernetiky již od 90. let a nově také centrum NTIS. V současné době spolupracuje pod projektem Naturalness in Human Cognitive Enhancement s klinikou ORL v Motole a nabízí pacientům po totální laryngektomii možnost získat svůj osobní syntetický hlas, aby mohli snáze komunikovat nejen se svými nejbližšími, ale třeba i v zaměstnání. Jak vzniká osobní syntetický hlas? K vytvoření jakéhokoli syntetického hlasu je třeba nahrát na počítač určité množ s tví vět, které řečník čte podle předlohy. Z těchto vět se pak syntetický hlas vytvoří. Nezní syntetický hlas nepřirozeně nebo uměle? Protože se pro tvorbu hlasu používají skutečné nahrávky řeči, je výsledný syntetický hlas podobný původnímu hlasu řečníka. V závislosti na kvalitě vytvořeného hlasu je pak při delších syntetizovaných úsecích více či méně slyšitelné, že se o skutečný lidský hlas nejedná. Na tomto problému ale neustále pracujeme a snažíme se přiblížit syntetické hlasy reálným lidským hlasům co nejvíce. U některých hlasů již dnes stěží rozeznáte, zda
se jedná o syntetický nebo přirozený hlas. Co všechno je takový syntetický hlas schopen přečíst? Pomocí syntetického hlasu je možné převést do zvukové podoby jakýkoli (třeba i nesmyslný) text, tedy i slova, která nebyla namluvena během nahrávání. Kde a jakým způsobem lze vlastní syntetický hlas pro syntézu řeči používat? Ke komunikaci s okolím pro střednic tvím vlastního synte tického hlasu je nutné používat mobilní te lefon, tablet, počítač nebo notebook s nainstalovanou aplikací Speech- Tech TTS. V této aplikaci uživatel napíše text, který pak jeho mobilní zařízení či počítač přečte. Jak probíhá nahrávání hlasu u pacientů před totální laryngektomií? Nahrávání pacientů probíhá podobně jako nahrávání profesionála při tvorbě nového komerčního syntetického hlasu tedy v odhlučněné místnosti (zvuková komora v areálu ZČU v Plzni či v Motole v Praze), aby byly nahrávky akusticky čisté. Nahrá vající postupně čte předkládané věty, které jsou vybrané tak, aby obsahovaly všechny české hlásky v různých kontextech. Jak dlouho nahrávání průměrně trvá? Délka nahrávání u pacientů před totální laryngektomií je individuální, většinou ale trvá pár hodin ve dvou až třech dnech, protože více času nemají. I tak je ale možné vlastní hlas syntetizovat v dostačující kvalitě. Kolik vět je průměrně potřeba nahrát pro dobrý výsledek? Čím více nahrávek máme pro tvorbu hlasu k dispozici, tím kvalitnější pak syntetizovaný hlas je. Při tvorbě komerčních hlasů máme například k dispozici 10 až 12 tisíc vět. V případě tvorby syntézy řeči pro pacienty musíme pracovat s výrazně menším počtem vět. Pro dobré výsledky stačí přibližně 1000 nahraných vět, s tímto počtem můžeme využít více metod syntézy řeči. Mi ni mální počet nahrávek, z nichž dokážeme syntézu vytvořit v dostačující kvalitě, je přibližně 300 vět. Jaké metody zpracování nahrávek je možné použít? Na katedře kybernetiky vyvíjíme tři metody tvorby syntézy řeči. První z nich spočívá ve statistickém modelování hlásek na základě nahra ných vět. Modely hlásek se pak při syntéze řetězí za sebe, z nich se pak generuje řeč. V druhém přístupu je pro každou hlásku v daném kontextu vybrán z nahraných vět jeden průměrný reprezentant. Při syntéze se pak tito reprezentanti řetězí za sebe a pomocí dalších postupů se upraví prozodie věty.
V třetím přístupu se ukládají všichni reprezentanti všech hlásek z nahra ných vět do databáze. Při syntéze věty se pak hledá optimální posloupnost reprezentantů, která nejlépe reprezentuje syntetizovanou větu. Syntetická řeč pak vznikne řetězením vybraných reprezentantů. Jak dlouho trvá zpracování pořízených nahrávek? Za jakou dobu může pacient používat v syntéze svůj vlastní hlas? Protože je zatím při tvorbě hlasu vyžadováno velké množství ruční práce (spojené hlavně s pečlivou kontrolou nahrávek), zpracování nahraných vět a tvorba syntetic kého hlasu trvá přibližně dva týdny. Na jaká specifika a problémy je třeba se připravit při na hrávání pacientů před operací? Na základě našich dosavadních zkušeností lze identifikovat několik problémových oblastí při práci na takových nahráv kách. Jsou to v první řadě problémy s ovládáním nahrávacího programu (často se jedná o starší lidi, kteří nejsou zvyklí pracovat s počítačem). Vytvořili jsme proto nový, jednodušší nahrávací program, navíc během nahrávání vždy někdo asistuje a může s ovlá dáním programu pomoci. Dalším úskalím je velké množ ství chyb, přeřeků, zadrhávání a nádechů v nahrávaných vě tách. Proto jsou po nahrávání všechny záznamy pečlivě kontrolovány a čtené texty upraveny podle toho, co pacient skutečně řekl. Čelíme také tomu, že hlas řečníka se brzy unaví. Je to kvůli bolestem i kvůli tomu, že se nejedná o profesionální řečníky zvyklé mluvit dlouhou dobu. Děláme proto při nahrávání často pauzy, i přesto však není možné nahrávat více než pár hodin denně. Odpovídali Ing. Markéta Jůzová a doc. Ing. Jindřich Matoušek, Ph.D., kteří se na Západočeské univerzitě věnují počítačové syntéze řeči. Kromě samotného zpracování hlasu Ing. Jůzová pomáhá pacientům s nahráváním. Doc. Matoušek celý tým odborně vede.
O řečové syntéze v praxi s JUDr. Lubomírem Lánským Vstupujeme do advokátní kanceláře na Praze 1. Od pracovního stolu nás příjemným hlasem vítá pan Lánský. Stručný úvodní proslov za něj odříká počítač, a tak si může dovolit věnovat nám o to delší vlídný úsměv. Zvídavě se ptáme, jak se mu se syntézou žije.
Pane doktore, jste vlastně první, kdo řečovou syntézu používá pro každodenní osobní komunikaci. Jak dlouho už to bude? Syntézu používám od konce léta roku 2013. Bylo to tehdy několik měsíců po operaci. O řečové syntéze jsem se dozvěděl od profesora Jana Betky, DRSc., přednosty Kliniky otorinolaryngolo gie a chirurgie hlavy a krku LF UK a FN Motol pouhých několik dnů před mojí operací. Ještě jsem stihl namluvit jednu sekvenci, cca 2 tisíce slov a slovních spojení, vlastním hlasem, který však byl již v tomto období velmi chraplavý a sípavý. Jaká byla Vaše očekávání? Zamýšlel jste se tehdy nad tím, jakou roli by mohla syntéza ve Vašem životě hrát? Když jsem namlouval svůj hlas a slyšel se, neměl jsem žádnou pozitivní představu, protože jednak můj hlas byl v podstatě nepoužitelný, dvě sestřičky, které se mnou obsluhovaly nahrávací zařízení, s ním neuměly příliš zacházet, samy uvedly, že jsem jejich první takovýto pacient, a v podstatě jsem si příliš neuměl představit použitelnost takového zařízení. To vše i s ohledem na skutečnost, že jsem se vlastně před deseti dny dozvěděl, jaká je má diagnóza, jaké jsou mé pooperační šance na přežití s ohledem na rozsáhlost rako viny a dva prodělané infarkty. Zároveň, jako advokát, jsem si neuměl představit, že má profese pro mne skončila, protože nebudu moci komunikovat s klienty. Rodina mne v těch několika dnech velmi podporovala a shodli se, že hlas není důležitý, protože s nimi budu komunikovat prostřednictvím písemného projevu. Byl jsem si ovšem vědom toho a velmi mne to mrzelo, že pokud se operace zdaří, tak se nebudu moci bavit s malým vnoučkem, který samozřejmě ještě dlouho nebude umět číst. Jak syntézu vnímáte nyní? Jak Vám životě pomáhá? A jak by Váš život vypadal bez ní? Po propuštění z nemocnice jsem zanedlouho nastoupil sedmitýdenní proces ozařování a chemoterapie s umístěním na lůžkovém oddělení nemocnice Na Bulovce a stále jsem komunikoval s okolím pouze za pomoci psaného projevu, což bylo zejména pro ty, kteří mé texty museli číst, velice náročné vzhledem k mému písmu. Asi po pěti nedělích jsem obdržel hlasový syntetizátor, můj ajťák ho nainstaloval na notebook a rázem jsem si mohl říci, co potřebuji, jak se cítím a začít komunikovat se zdravotnickým personálem. Své choti jsem tuto skutečnost nesdělil, až teprve když přišla na návštěvu. A bylo to pro ni krásné překvapení i s několika slzičkami. Navíc hlas Jan byl velice podobný mému hlasu před onemocněním a řada mých známých a kamarádů
konstatovala, že vlastně slyší mne. Po krátké době používání se v naší rodině i mezi mými kamarády a zná mými vžil pro hlasový syntetizátor název mluvínek, který normálně používáme v konverzaci mezi námi. Jaká je reakce Vašeho okolí na tento způsob komunikace? Jak ho přijímají lidé, s nimiž se setkáváte poprvé? Po instalaci syntetizátoru na počítač v mé kanceláři a náležitém ozvu če ní, jsem se začal scházet s dlouholetými klienty a diskutovat s nimi, zda tento způsob komunikace při řešení jejich právních problémů je pro ně přijatelný. Kromě jedné dámy, které nevadil syntetizátor, ale prohlásila, že je jí mne v tomto stavu příliš líto, stále by si musela připomínat můj stav před operací i moji velice květnatou mluvu, a proto se mnou nebude spolupracovat. Ovšem zůstala v právní péči mého syna, rovněž advokáta. V současné době používám syntetizátor zcela běžně a pravidelně při styku i s neznámými klienty, např. při zpracování různých smluv ních dokumentů a jejich podpisech a podobně. Těšil jsem se na avizovanou verzi syntetizátoru pro Android, abych nebyl odkázán na přenášení notebooku a mohl použít tablet. Jejím uvolněním jsem získal další dimenzi použití mluvínka, protože tablet je samozřejmě mnohem mobilnější. Můj nyní pětiletý vnuk si již zvykl, že když se mne na něco zeptá, musí chvilinku počkat a slyší odpověď. Takže opět mohu být plnohodnotným dědečkem. Dalším zpestřením možností mluvínka pak bylo zprovoznění verze pro mobilní telefon. Tato skutečnost je výborná zejména při krátkém rozhovoru např. s personálem v prodejnách, restauracích nebo při silniční kontrole, protože strážci zákona jsou obvykle překvapeni touto možností, diskutujeme o ní a nestačíme se zabývat mým případným přestupkem. Lze jednoznačně konstatovat, že hlasový syntetizátor podstatným způsobem zlepšil můj život po operaci. Zcela určitě bych se jinak nemohl účastnit profesního života a rovněž soukromý život by byl podstatně omezen, a to i s ohledem ke skutečnosti, že nemohu používat elektrolarynx ani jsem se nenaučil využívat jícnového hlasu. Je pro Vás syntéza uživatelsky příjemná? Způsob používání hlasového syntetizátoru a jeho ovládání je velice jednoduché a bezproblémové. Samozřejmě, že způsob jeho využití je odvislý od rychlosti psaní na klávesnici, ať už pevné nebo dotykové. A rovněž je důležité, aby použité technické prostředky byly dobře připraveny počítač byl připojen k dobrým reproduktorům, při vý-
běru notebooku, tabletu i mobilního telefonu je nutno se zejména orientovat na hlasitost stereofonních reproduktorů a u tabletu si přikoupit pouzdro s klávesnicí. Velkým usnadněním při komunikaci je automatické nabízení slov při psaní. To bohužel zatím není v základní funkčnosti programu, umí to jen mobilní telefon, kde tuto možnost radostně využívám, protože podstatně zrychlí mé zapojení do konverzace. Lze rovněž telefonovat, kdy pouhým přiložením telefonu např. k tabletu a spuštěním syntetizátoru můžete vést plnohodnotný, byť samozřejmě pomalejší rozhovor. S mluvínkem se dají zažít i drobné legrace, když například při rozhovoru s kamarádem pustíte do telefonu ženský hlas. Mohu jednoznačně konstatovat, že bez hlasového syntetizáto ru si dnes neumím svůj život již představit, a to jak v soukromí, tak i profesní sféře a na veřejnosti. Dodnes proto mohu zastávat funkci předsedy kontrolní a smírčí komise Pražské tělovýchovné unie, jsem stále generálním tajemníkem jedné malé politické strany s dva cetipětiletou historií a mohu rovněž vykonávat funkce ve statutárních orgánech akciových společností, společností s ručením omezeným a družstvech. Rád bych poděkoval všem tvůrcům tohoto programu, který je schopen podstatně napomoci k zapojení pacienta do plnohodnotného života, aniž by měl pacient zásadní omezení související s němotou. A zároveň bych rád poděkoval i panu prof. Betkovi, který spolu se svým týmem umožnil rea li za ci předmětného projektu na jeho klinice a při rozhovorech se mnou se stále zajímá o funkčnost a použitelnost hlasového syntetizátoru. V případě zájmu se obracejte na ambulanci kliniky ORL Motol, tel.: +224 434 326, adresa: V Úvalu 84, 150 06 Praha 5. Můžete rovněž kontaktovat výzkumný tým ZČU na moa@ntc.zcu.cz. Projekt Naturalness in Human Cognitive Enhancement je finančně podporován Norskem prostřednictvím Norských fondů ve výši 611 065. Grafiku přebálky navrhl Freepik.com.