Ondoku forenkler forskning og symposier! Case-studie fra Nasjonalmuseet for etnologi

• Nasjonalt etnologisk museum
• Bransje: Museum
• Sted: Suita, Osaka prefektur
• Intervju: Forsker ved X-DiPLAS-prosjektet, Mr. Kobayashi

Formål og utfordringer

Brukt til fortellerstemme i videoer om kulturantropologi og etnologi. Tidligere ble stemmene til forskere som jobber over hele verden spilt inn, men det var vanskelig å gjøre gode opptak på nettet, noe som krevde mye tid og krefter.

Løsning

Sluttet med stemmeopptak fra forskere og begynte å lage fortellerstemmer med Ondoku.

Resultat

Arbeidsbelastningen ble betydelig redusert da man ikke lenger trengte å binde opp forskernes tid med gjentatte opptak. Hastigheten på videoproduksjonen økte også, noe som gjorde det mulig å overholde stramme tidsplaner.

I denne artikkelen presenterer vi hvordan Ondoku brukes ved Nasjonalt etnologisk museum (Minpaku) i Suita, Osaka, som et eksempel på implementering.

Introduksjon av virksomhet og avdeling

Kobayashi (heretter kalt Kobayashi): Nasjonalt etnologisk museum er et forskningsinstitutt for kulturantropologi og etnologi som også har museumfunksjoner. Forskere med feltarbeid over hele verden er tilknyttet her, og de deler sine forskningsresultater med allmennheten. Museet huser også Graduate University for Advanced Studies, hvor studenter som tar sikte på en doktorgrad fordyper seg i studier hver dag. Museet vårt, som er kjent under kallenavnet "Minpaku", feiret sitt 50-årsjubileum i 2024.

Jeg har jobbet som forsker i X-DiPLAS-prosjektet siden 2022. X-DiPLAS er et prosjekt som tar sikte på å bygge et miljø der bilder tatt av kulturantropologer og arkeologer over hele verden blir lagt inn i en database som publikum fritt kan bla i. For øyeblikket fokuserer vi ikke bare på å lagre bilder, men også på å gjenspeile "digitale historier" som viser hva slags fortelling hvert enkelt bilde bærer på.

Hjemmeside: Nasjonalt etnologisk museum

Kan du fortelle oss om bakgrunnen for at dere innførte et tekst-til-tale-verktøy?

Kobayashi: Vi innførte tekst-til-tale-verktøy hovedsakelig for å redusere arbeidsbelastningen for forskerne.

Jeg jobber med å databasere bilder tatt av kulturantropologer og arkeologer fra hele verden og gjøre dem tilgjengelige for publikum. Men å bare samle inn bilder er ikke nok til å formidle historien korrekt. Siden hvert bilde har en historie, er det nødvendig å produsere videoer med en "stemme" der forskeren forklarer situasjonen da bildet ble tatt.

I begynnelsen tok vi kontakt med forskere over hele verden og spilte inn stemmene deres for videoene over nettet. Men forsinkelser i lyden og støy fra omgivelsene gjorde at vi ofte måtte gjøre opptakene på nytt, noe som var et problem. Da vi lette etter noe som kunne lette byrden for forskerne, kom vi over tekst-til-tale-verktøy som kan skape en "stemme" bare ved å skrive inn tekst.

Kan du fortelle oss om prosessen som førte til at dere valgte Ondoku?

Kobayashi: Jeg hadde i utgangspunktet en viss skepsis til systemer som bruker AI, som tekst-til-tale-verktøy. Jeg syntes stemmene ofte hørtes kunstige og ubehagelige ut. Men stemmen til Ondoku var naturlig, og jeg følte at den var ideell for å erstatte forskernes fortellerstemmer.

I tillegg vurderte vi kostnadseffektiviteten som svært god. Balansen mellom brukervennlighet og pris er god, og verktøyet fungerer utmerket selv innenfor et begrenset budsjett.

Har utfordringene blitt løst (eller forbedret) sammenlignet med før Ondoku ble innført?

Kobayashi: I tillegg til å redusere belastningen på forskerne, har vi nå muligheten til å produsere videoer mer effektivt.

Opptaksarbeidet, som bandt opp forskernes tid, var en av de mindre lystbetonte oppgavene for oss. Takket være Ondoku har kommunikasjonen med forskerne blitt bedre, noe som er et stort skritt fremover. Videre bidrar det til raskere videoproduksjon siden lyd av høy kvalitet blir ferdig bare ved å skrive inn tekst.

Vi arrangerer jevnlig symposier for å fremme prosjektet. Vi kunne også bruke Ondoku til å lage nødvendig materiale til presentasjonene på en smidig måte. Spesielt når forberedelsestiden før et symposium er knapp, merker vi hvor stor nytte vi har av Ondoku. Faktisk bruker vi Ondoku nesten hver dag i perioder med mye produksjon.

Bortsett fra bruk i forskning, har du noen eksempler på at Ondoku har vært nyttig?

Kobayashi: Ved å ta i bruk Ondoku har kvaliteten på tekstene vi skriver for fortellerstemmer blitt bedre.

Når man skriver en tekst, hender det ofte at man legger til unødvendige uttrykk slik at setningene blir for lange. Faktisk, hvis man legger inn en unødvendig lang tekst i Ondoku, blir den ikke alltid lest opp på en god måte. Siden den uttaler ordene nesten som et menneske, kan timingen for å trekke pusten føles unaturlig.

Ved å lytte til stemmen, revidere uttrykkene og prøve igjen, merker jeg at vi ender opp med tekster av høy kvalitet. Ondoku er attraktivt ikke bare for å lese opp lyd, men også fordi det hjelper oss med å lage klare og konsise tekster.

Har du noen ytterligere ønsker om forbedringer for Ondoku?

Kobayashi: Fra perspektivet til en forsker som jobber internasjonalt, ville det vært flott om swahili ble lagt til. Swahili er et språk som brukes over et stort område i Afrika, så å ha det i utvalget ville utvidet omfanget av arbeidet vårt.

Selvfølgelig kunne systemforbedringer som intonasjonskontroll vært bra for enda mer sømløs bruk. Men hvis det blir for mange funksjoner, kan den enkle brukervennligheten gå tapt. Når man ser på balansen inkludert pris, føler jeg at det nåværende grensesnittet ligger på et helt riktig nivå.

Hvordan ønsker dere å bruke Ondoku i fremtiden?

Kobayashi: Jeg ønsker å øke bruken av Ondoku også i utdanningsaktiviteter.

Noen ganger gir vi studenter ved universitetet som er tilknyttet museet i oppgave å lage korte videoer. Da oppgavene skulle presenteres, anbefalte jeg å bruke fortellerstemmer fra Ondoku som en måte å øke kvaliteten på arbeidet på. Siden Ondoku er så enkelt at selv studenter kan bruke det, tror jeg det er mange situasjoner der det kan være nyttig i undervisningen.

I tillegg ønsker jeg å utnytte Ondokus støtte for fremmedspråk i fremtidige aktiviteter. Vi har planer om å lage nye videoer ved å bruke engelske oversettelser av fortellerstemmer laget av internasjonale forskere.

Hvis vi skulle leid inn eksterne for å lese inn engelsk tale, ville budsjettet aldri strukket til. Ondoku vil bidra til en enorm kostnadsreduksjon. Jeg ønsker å fortsette å bruke Ondoku for å fange opp forskernes stemmer i vårt videre arbeid.

Ved å bruke Ondoku har dere ikke bare redusert belastningen på forskerne for stemmeinnspilling, men også spart tid og kostnader i videoproduksjonen! Tusen takk for at du delte dette flotte eksempelet med oss.

Måtte dette eksempelet være til stor inspirasjon for andre museer, kunstgallerier, forskningsinstitusjoner og forskere som står overfor lignende utfordringer!

Ondoku er en tekst-til-tale-tjeneste som kan brukes gratis til kommersielle formål. Den støtter over 80 språk og dialekter, og har totalt over 650 stemmer. Du kan lytte til stemmetyper og eksempler for støttede språk her.