AI เชิงเสียง (ปัญญาประดิษฐ์) หรือที่เรียกอีกอย่างว่า AI voice เป็นภูมิทัศน์ที่เปลี่ยนแปลงไป โดยถูกกำหนดโดยวิธีที่เราสื่อสารกับเทคโนโลยี และที่สำคัญกว่านั้นคือ วิธีที่เทคโนโลยีโต้ตอบกับเรา การโต้ตอบแบบสองทางระหว่างมนุษย์กับเครื่องจักรเกิดขึ้นได้ทุกที่ ตั้งแต่ศูนย์รับสายไปจนถึงลำโพงอัจฉริยะ สื่อแต่ละประเภทมอบประสบการณ์เสียงและกระแสผู้ใช้ที่ไม่ซ้ำใคร นอกจากนี้ สื่อแต่ละประเภทยังมีเอกลักษณ์และการแสดงออกถึงแบรนด์ของตัวเองอีกด้วย ตัวอย่างเช่น ลองถามคำถามกับ Alexa, Amazon Echo Dot หรือ Google Home Mini ผลลัพธ์ที่ได้มักจะคล้ายกันตรงที่คุณจะถูกนำไปสู่คำตอบที่เป็นที่นิยม แต่การที่คุณจะไปถึงคำตอบนั้นเป็นอีกเรื่องหนึ่ง ประสบการณ์ของผู้ใช้ปลายทางจะส่งผลให้ Alexa ตอบสนองแตกต่างกัน ไม่ใช่แค่ในแง่ของน้ำเสียงเท่านั้น แต่ยังรวมถึงโทนเสียงด้วย
เนื่องจากแพลตฟอร์มแต่ละแห่งเข้าใจและตอบสนองต่อเราแตกต่างกัน เนื่องมาจาก NLP (การประมวลผลภาษาธรรมชาติ) และ NLU (ความเข้าใจภาษาธรรมชาติ) ที่เป็นกรรมสิทธิ์ ซึ่งเป็นวิธีที่ซอฟต์แวร์ตรวจจับคำพูดและกำหนดเจตนาทางวาจาของเราในภายหลัง แม้ว่าเทคโนโลยีขนาดใหญ่จะครองตำแหน่งชนะเลิศในการแปลงข้อความเป็นคำพูด แต่ผู้มาใหม่กำลังปูทางให้กับผู้ช่วยเสียงและเครื่องมือพากย์เสียงมากขึ้น นั่นคือโอกาสในการสร้างแบรนด์ด้วยเสียงสำหรับทั้งแบรนด์ใหม่และแบรนด์ที่เป็นที่รู้จัก การสร้างแบรนด์ด้วยเสียงด้วย AI กำลังปรับแต่งเสียงให้เหมือนกับที่ปรับแต่งเสียงพูด ซึ่งหมายความว่ามีพื้นที่สำหรับการจัดแนวความสัมพันธ์ของคุณลักษณะของแบรนด์และสุนทรียศาสตร์ของเสียงให้สอดคล้องกับเอกลักษณ์ของเสียงดูเพิ่มเติม:
เสียงสังเคราะห์สามารถสร้างขึ้นโดยคอมพิวเตอร์ได้เพียงอย่างเดียว (จำเสียงของสตีเฟน ฮอว์คิงได้ไหม) แต่ปัจจุบันส่วนใหญ่มักจะสร้างขึ้นโดยการโคลนเสียงมนุษย์ กระบวนการโคลนนั้นเกี่ยวข้องกับการที่บุคคลหนึ่งบันทึกคำ พยางค์ หรือย่อหน้าใดๆ ก็ตาม เพื่อฝึกอัลกอริทึม AI ที่สามารถต่อตัวอย่างเสียงเข้าด้วยกันในภายหลัง (โดยเย็บต่อเสียงสั้นๆ เข้าด้วยกันอย่างเป็นระบบ) ซึ่งมีความซับซ้อนในระดับต่างๆ เพื่อจำลองเสียงต้นฉบับ หลังจากกระบวนการโคลนเสร็จสิ้นแล้ว การใช้งานกระบวนการดังกล่าวจะต้องใช้กระบวนการที่เรียกว่าการแปลงข้อความเป็นเสียง
การแปลงข้อความเป็นคำพูด (TTS) นั้นอธิบายตัวเองได้ค่อนข้างง่าย ในกรณีส่วนใหญ่ เสียง AI จะอ่านสิ่งที่เขียน (ข้อความ) ให้คุณฟัง (คำพูด) แม้ว่าเทคโนโลยีนี้จะมีรากฐานมาจากการเข้าถึงได้ แต่กรณีการใช้งานนั้นมีหลากหลาย ตั้งแต่โปรแกรมอ่านหน้าจอไปจนถึงการสนทนาเต็มรูปแบบและอื่นๆ อีกมากมาย โดยทั่วไป การสร้าง TTS ใหม่ต้องใช้โค้ดเดอร์ที่คุ้นเคยกับ SSML (ภาษาการมาร์กอัปการสังเคราะห์เสียงพูด หรือ HTML ของเสียง) และนักออกแบบการสนทนาเพื่อสร้างวลี แน่นอนว่ามีแนวทางแก้ไขอยู่เสมอ เช่น การขึ้นต้นวลีด้วย “Alexa, Simon Says…” เพื่อให้ระบบอ่านออกเสียงให้คุณฟัง วิธีการเหล่านี้ยังคงซับซ้อนและต้องใช้เสียง และต้องบันทึกการเล่นกลับ ปัจจุบัน การแปลงข้อความเป็นคำพูดนั้นง่ายพอๆ กับการพิมพ์เป็นคำพูดด้วยคุณสมบัติที่ใช้งานง่าย
เมื่อพูดถึงการพิมพ์ข้อความ คุณเคยได้ยินเสียงใหม่ของ TikTok ในอเมริกาเหนือหรือไม่? เป็นเสียงของวัยรุ่นที่มองโลกในแง่ดี ซึ่งผู้ใช้รู้จักในชื่อ “เจสซี” ตั้งแต่ปีที่แล้ว ปัจจุบันเสียงของเจสซีปรากฏอยู่ทั่วไปในโซเชียลมีเดีย (ผ่านการเชื่อมโยงบัญชีและการแชร์) คุณสามารถได้ยินเสียงของเจสซีบนแอป Meta รวมถึง Instagram และ Facebook แม้ว่าเราจะคุ้นเคยกับการได้ยินเสียงนี้ (ท่ามกลางตัวเลือกใหม่ๆ มากมาย) แต่จริงๆ แล้วมันไม่ใช่เสียง AI ตัวแรกใน TikTokดูเพิ่มเติม:
การสร้างแบรนด์ทางเสียงในสังคม – การกำหนดเวทีสำหรับกลยุทธ์ด้านเสียง
เมื่อ TikTok เปิดตัวฟีเจอร์ TTS เป็นครั้งแรก ฟีเจอร์นี้มีค่าเริ่มต้นที่ต่างออกไป ซึ่งคุ้นเคยดีว่าเป็นเสียงของผู้หญิง แต่ค่อนข้างจะคล้ายหุ่นยนต์มากกว่า หลังจากเปิดตัวไม่นาน ฟีเจอร์นี้ก็กลายเป็นผู้บรรยายโพสต์เกี่ยวกับสัตว์เลี้ยงถึงผู้คนทั่วสหรัฐอเมริกา ไม่นานหลังจากนั้น นักพากย์เสียง Bev Standing ออกมายื่นฟ้อง TikTok โดยอ้างว่าพวกเขาใช้เสียงของเธอโดยไม่ได้รับอนุญาต แม้ว่าตอนนี้พวกเขาจะยุติคดีได้ แล้ว แต่สถานการณ์นี้ก็ยังคงตั้งคำถามเกี่ยวกับจริยธรรมและความถูกต้องตามกฎหมายของการโคลนเสียง
ด้วยเสียงของใครบางคน (ตามตัวอักษร) อยู่ที่ปลายนิ้วของคุณ การบอกทางทางเดียวสามารถทรงพลังได้เท่าๆ กับที่เป็นปัญหา ในแง่หนึ่ง คุณมีอำนาจในการทำให้บอทพูดสิ่งที่คุณต้องการ ในอีกแง่หนึ่ง ผู้คนจำนวนมากมีทางเลือกที่จะทำให้บอทพูดบางอย่างที่นักพากย์เสียงเดิมจะไม่พูด ซึ่งรวมถึงการใช้คำหยาบคาย จากมุมมองความปลอดภัยของแบรนด์ส่วนบุคคล นักพากย์เสียงต้องสร้างสมดุลระหว่างความสบายใจและการชดเชย เมื่อพูดถึงความปลอดภัยของแบรนด์สำหรับองค์กร บทก็ถูกพลิกกลับ ในกรณีของ Bev Standing นั่นหมายความว่าเสียงของเธออาจถูกใช้ในโฆษณาของ McDonald’s และ KFC หากปัญหาของอาหารจานด่วนและการเล่นไม่ซื่อสัตย์ไม่ได้เริ่มต้นขึ้น การถกเถียงกันอีกครั้งก็จะเกิดขึ้นในไม่ช้า กระแสของการสร้างแบรนด์ด้วยเสียงจากข้อความเป็นเสียงเพิ่งเริ่มต้นขึ้นที่นี่
เมื่อแบรนด์ต่างๆ ลงโฆษณาบนแพลตฟอร์มโซเชียลมีเดียมากขึ้น แบรนด์ต่างๆ ก็เริ่มใช้เครื่องมือสร้างสรรค์แบบเดียวกับผู้ใช้ เช่นเดียวกับรูปแบบการโฆษณาอื่นๆ โฆษณาเริ่มกลมกลืนไปกับเนื้อหา ตัวอย่างเช่น ในวิทยุ เสียงจิงเกิ้ลฟังดูเหมือนเพลง และในทีวี โฆษณาก็ดูเหมือนซิทคอม โฆษณาบน Instagram ในปัจจุบันทำหน้าที่เป็นอินโฟเมเชียลสำหรับคนรุ่นใหม่ โดยกลมกลืนไปกับพื้นหลังเมื่อแยกแยะจากทุกอย่างในฟีดไม่ได้ จนกระทั่งเมื่อไม่นานนี้ โฆษกคนดังมักเป็นผู้มีอิทธิพลในแคมเปญโฆษณาเหล่านี้ อย่างไรก็ตาม ในปัจจุบัน ปัญญาประดิษฐ์กำลังเข้ามาแทนที่ผู้มีอิทธิพลดูเพิ่มเติม:
เหตุใดแบรนด์ต่างๆ จำเป็นต้องนำเสียงมาใช้เพื่อให้ยังคงมีความเกี่ยวข้องในอนาคต
ปัจจุบันเสียงของ AI ทำหน้าที่เป็น “ผู้มีอิทธิพลทางเสียง” บุคลิกของเสียง AI เหล่านี้ได้รับตัวตนของผู้มีอิทธิพลจากผู้สร้างเนื้อหา เนื่องจากพวกเขาใช้เสียงเหล่านี้ในการนำเสนอผลิตภัณฑ์และบริการ และเสียงที่แยกจากกันของพวกมันสามารถขายกระแสล่าสุดให้กับเราได้อย่างราบรื่น ชมและฟังการตัดต่อสุดยอดของโฆษกที่สังเคราะห์ขึ้นซึ่งโพสต์แบบสปอนเซอร์อย่างยิ่งใหญ่
https://youtube.com/watch?v=hDlUX6oPUVw%3Fenablejsapi%3D1%26origin%3Dhttps%253A%252F%252Fwww.brandingmag.com
หากไม่ดูอย่างตั้งใจ ครึ่งแรกอาจฟังดูเหมือนโฆษณาชิ้นยาวชิ้นเดียว จริงๆ แล้วเป็นโพสต์ที่ได้รับการสนับสนุน 6 โพสต์ที่ “เจสซี่” เป็นผู้กำหนด เช่นเดียวกับการสร้างแบรนด์เสียงที่แชร์ได้หากทุกแบรนด์ใช้เพลงและเสียงเดียวกัน ก็จะพลาดโอกาสในการโดดเด่นในฐานะผู้นำในการสร้างแบรนด์เสียง หากไม่มีการเปลี่ยนแปลงในเพลงและฉากระหว่างแต่ละส่วน ความต่อเนื่องของโปรไฟล์เสียงอาจหลอกผู้ฟังให้คิดว่าเป็นโฆษณาชิ้นยาวชิ้นเดียวจากบริษัทเดียวกัน นอกจากนี้ ยังเพิ่มความสับสนให้กับลูกค้า พวกเขาอาจคิดว่าเป็นคำรับรองในชีวิตจริงมากกว่าจะเป็นเสียงสังเคราะห์เสียงที่เขียนสคริปต์ไว้
ในส่วนวิดีโอนี้ มีแคมเปญทั้งหมด 11 แคมเปญที่เชื่อมโยงกัน แบรนด์ที่อยู่เบื้องหลังแคมเปญเหล่านี้ ได้แก่ บริการจัดส่งอาหาร เช่น Factor และ Freshly รวมถึงแอปฟิตเนส เช่น Joggo และ Hydrow สตาร์ทอัพด้านสุขภาพและความสมบูรณ์ของร่างกายบางรายที่เข้ามาใหม่โดยตรงถึงผู้บริโภคเหล่านี้อาจไม่มีงบประมาณมากมายเท่ากับบริษัทเทคโนโลยีขนาดใหญ่ในการสร้างตัวละครของตัวเอง แต่ก็ไม่ได้มีเพียงบริษัทเล็กๆ เท่านั้นที่เข้าร่วมในกระแสนี้ ในตัวอย่างสุดท้าย แม้แต่ภาพยนตร์ Sonic the Hedgehog ก็ยังมีส่วนร่วมในกระแสนี้ด้วย นี่เป็นเพียงตัวอย่างล่าสุดของกรณีของ Bev Standing และ McDonald’s และเป็นเพียงเบาะแสของสิ่งที่จะเกิดขึ้นในอนาคตดูเพิ่มเติม:
AR ช่วยให้แบรนด์เชื่อมโยงทางอารมณ์กับผู้บริโภคได้อย่างไร
เราเพิ่งจะเริ่มต้นการสังเคราะห์เสียงพูดบนโซเชียลมีเดียเท่านั้น เมื่อเสียงของแบรนด์กลายเป็นเสมือนจริง การแปลงข้อความเป็นเสียงจะช่วยเพิ่มการผลิตสำหรับแพลตฟอร์มที่เน้นเสียงเป็นหลักและ Metaverse เราได้ยินผลงานบุกเบิกที่กำลังเกิดขึ้นกับ Sonantic และ Val Kilmer ใน Top Gun: Maverick หลังจากต่อสู้กับมะเร็งลำคอ หรือการลดอายุของเสียงของ Mark Hamill ด้วยเทคโนโลยี Deepfakeซึ่งครอบคลุมตั้งแต่ฮอลลีวูดไปจนถึงบ้านของเราในขณะที่เราเก็บรักษาความทรงจำของคนที่เรารักผ่านเสียง รองประธานฝ่าย Alexa AI ได้แสดงให้เห็นเมื่อเร็วๆ นี้ว่าการสร้างเสียงของยายของใครสักคนขึ้นมาใหม่นั้นง่ายเพียงใดด้วยเสียงเพียงนาทีเดียว หากมีการบันทึกและทรัพยากรเพียงพอ แบรนด์อาจเดินทางข้ามเวลาได้โดยการโคลนเสียงของผู้ก่อตั้ง ทีมกีฬาสามารถฟื้นคืนตำนานได้ และบริษัทต่างๆ จะสามารถใช้เสียงเพื่อปรับปรุงอนาคตของการเล่าเรื่องในรูปแบบที่เราเพิ่งจะเริ่มจินตนาการได้ เราจะเดินทางข้ามหุบเขาที่น่าขนลุกในขณะที่เราเรียนรู้ที่จะนำทางสิ่งที่เป็นจริงและสิ่งที่เหนือจริง แต่ประโยชน์ของ AI Voice Branding จะไร้ขอบเขต
ที่มาของภาพปก: Jason Rosewell
