Jó célt szolgálhat, de akár fegyverré is válhat a gondosan alakított beszédhang a vállalkozó kezében. Ez utóbbira példa a Theranos nevű biotechnológiai startup alapítójának esete. A most már börtönbüntetését töltő Elizabeth Holmes dollármilliárdokat csalt ki befektetőktől egy nem létező genetikai elemző eljárásra. Azt állította, hogy vállalkozása innovatív technológiával forradalmasítja a vérvizsgálatot: egyetlen csepp vérből kimutat olyan adatokat, amelyekhez egyébként jóval bonyolultabb és költségesebb laborvizsgálatok szükségesek.
Holmes 2015-ig tartó sikerében - a Steve Jobsot utánzó öltözködése mellett - kulcsszerepet játszott mesterségesen elmélyített, férfias, bariton hangja. Ezzel a karakterrel okosnak, magabiztosnak és szellemesnek tűnt, és képes volt befektetők tömegeit hipnotizálni. Noha extrém esetről van szó, a vállalkozók hangjának igenis sok köze lehet a sikerhez, mutatnak rá a Bécsi Közgazdaságtudományi Egyetem (WU) vezetőképző akadémiájának (WU Executive Academy) professzorai. A szakértők szerint a hangkódok a jövőben a vállalkozók és a befektetők eszköztárának is a részévé válnak.
Startupoknál kulcsszerepben a beszédhang
Holmes esete a bukás ellenére tanulságos, mutat rá Nikolaus Franke, a Bécsi Közgazdaságtudományi Egyetem hangkutatással foglalkozó professzora, a WU Executive Academy Vállalkozási és Innovációs Intézet igazgatója. - Bár ma a hivatalos kommunikáció nagy része szöveges formában zajlik, az emberi hang továbbra is az egyik legfontosabb információs csatorna. A hangszín finomságai, tudatosan nem érzékelt árnyalatai mindig nagy szerepet játszottak a meggyőzésben. Az emberi beszédhangból ösztönösen, rövid idő alatt rengeteg olyan információt vonunk le a beszélő szándékairól, tulajdonságairól, erősségeiről, amelyet csupán az elmondottak tartalma nem adna vissza - fogalmaz a professzor.
Mindez különösen érvényes a startupok világában. - Egy startup nem más, mint fogadás a jövőre, vagyis a befektetők meggyőzése valami újról és ismeretlenről. Ezért is olyan fontosak a szóbeli meggyőzés terepei: a befektetői pitchek, a finanszírozási tárgyalások, a crowdfunding-videók, a networking-rendezvények. Ezeken a terepeken kulcsszerepet játszhat a beszédhang - hangsúlyozza Nicolaus Franke.
Hangkutatási eredmények az üzleti szférában
Természetesen a beszédhang mindig is a meggyőzés egyik legfontosabb eszköze volt, amit ösztönösen alkalmaztak az érintettek. A beszédhanggal kapcsolatos tudományos kutatás azonban hihetetlen ütemben fejlődik. Ma már a beszéd számos paramétere mérhető, következésképpen manipulálható is. A mesterséges intelligencia, az egyre összetettebb elemző szoftverek új távlatokat nyitnak a kutatók számára, akik rövid idő alatt, hatékonyan, nagy mennyiségű adat felhasználásával hasonlíthatják össze a beszédhangot a beszélő tulajdonságaival.
A hangkutatás mindeddig a pszichológia, az orvostudomány, a nyelvészet és az evolúcióbiológia szakembereit foglalkoztatta elsősorban. A közgazdaságtudomány mindeddig még nem vette kellőképpen figyelembe a hangkutatás eredményeit, de Nikolaus Franke szerint ez csak idő kérdése.
A professzor és kollégái, Jan Fell és Klaus Marhold azt vizsgálják, hogy az eddigi hangkutatási eredmények hogyan hasznosíthatók a vállalkozói szférában. - A hang alapvető tulajdonságainak kombinációja egyedi kódot alkot, amely kód a beszélő személyiségének hiteles lenyomata. A négy alapvető tulajdonság, amire oda kell figyelni: a hangmagasság, a hangerő, a tempó és a hangminőség (a hang érdessége). Ezek kombinációja kifejezi a vállalkozó magabiztosságát, kreativitását, motiváltságát, nyitottságát és megbízhatóságát. Vagyis az innovatív hangelemzési technológiák értékes eszközök lehetnek a kockázati tőkebefektetők, üzleti angyalok kezében - mondja Franke professzor.
A beszédhang hazudhat
A hangtudomány fejlődésével hozzáférhető, modern eszközöket ugyanakkor az ifjú vállalkozók is használhatják, hogy fejlesszék fellépésüket. - A fiatalabb generációk beszédstílusa sokszor nyegle, felemás, vannak, akik a mondat végén megemelt hangmagassággal beszélnek, így kijelentéseik kérdésnek hatnak, nem meggyőzőek. A hasonló hibák az új hangelemző technológiák és a hangtudomány segítségével kielemezhetők, szisztematikusan újratanulhatók, vagy akár technológiai úton is rásegíthetnek a beszédhangra - fogalmaz a kutató.
A professzor ugyanakkor figyelmeztet: a beszédhang hazudhat. Azok a vállalkozók, akik ismerik a hangkódokat, és tudják, hogyan használhatják azokat, könnyebben fogják meggyőzni a befektetőket még akkor is, ha vállalkozásuk mögött nincs értékes tartalom.
Milyen szerephez jut a mondanivaló?
- Elgondolkoztató, hogy milyen ember hangja, beszéde győzné meg legjobban a befektetőket egy pitch deck során. Mindazonáltal a Theranos esetében véleményem szerint a szemantika nagyobb súllyal esett a latba, mint a gondosan alakított beszédhang. Maga a felvázolt genetikai eljárás olyan, szinte végtelen üzleti lehetőséggel kecsegtetett, amely elvakította a befektetőket. Ha Elisabeth Holmes sokkal magasabb hangon beszélt volna, akkor is lett volna esélye a befektetőknél. Eltekintve ettől a konkrét esettől, érdekes volna egy kísérlet, ahol ugyanazt a pitch decket tíz vagy akár száz, különböző hangtartományú ember mondaná el, majd a potenciális befektetők osztályoznák, hogy melyiket, milyen mértékben tartják meggyőzőnek, befektetésre érdemesnek - véli Németh Géza egyetemi tanár, a BME Villamosmérnöki és Informatikai Kar (VIK), Távközlési és Médiainformatikai Tanszék (TMIT), Beszédkommunikáció és Intelligens Interakciók Laborcsoport vezetője.
A beszéd egyik meghatározó paramétere a frekvenciatartomány. Ha valaki mélyebb hangfekvésben beszél, annak a mondanivalója általában komolyabbnak tűnik. Ez az oka, hogy például a rádióbemondóknál, a metró vagy a vasút hangosbemondóinál a mélyebb hangú embereket részesítik előnyben.
Fontos jellemző a beszéd tempója. Ha valaki gyorsan beszél, azt egyrészt nehezebb követni, másrészt a hadarás egyfajta bizonytalanságot, izgatottságot sugall. Hasonlóképpen a túl lassú beszéd is a bizonytalanság, esetleg a depresszió érzetét keltheti. Ugyanakkor nem biztos, hogy a normál beszédtempóval minden probléma elkerülhető. Fontos, hogy hol tart az ember szünetet, milyen hosszúak a szünetek, mennyit habozik és ö-zik az illető, hányszor kezd újra egy-egy gondolatot.
Nem szabad megfeledkezni a beszéd hangerejéről és dinamikatartományáról sem. Aki minden dinamika nélkül beszél, az depressziósnak, félénknek tűnhet.
- A beszéd felsorolt jellemzői definiálhatók és viszonylag egyszerűen mérhetők. A hangminőség azonban nem egzakt fogalom, sok minden érthető alatta. Lehet egy hang rekedtes vagy krisztálytiszta, de vannak rá szubjektív jelzők is, például simogató, lelkesítő. Ezek a paraméterek nem feltétlenül a személyre jellemzők, hanem inkább arra a kommunikációs kontextusra, amiben a beszéd elhangzik. Már többször felvetettem ipari partnereinknek, hogy érdekes lenne ilyen irányú méréseket, kísérleteket végezni. Ha például a beszédfelismerő mérné az ügyfél beszédtempóját, beszédének alapfrekvenciáját, dinamikáját, a szüneteket stb., és a válaszgenerálásban ezeket figyelembe venné, akkor ezt vajon hogy fogadná az ügyfél? Sajnos eddig még nem tudtunk ilyen kísérleteket végezni, de az eredmény kétségtelenül hasznos lehetne - mutat rá a BME kutatója.
Kimérhető eltérések
A tudomány már jó ideje vizsgálja az emberi hang tulajdonságait. A kutatásokban számos szempontot vesznek figyelembe.
- Mi itt a tanszéki laborban főleg az informatikai/akusztikai kérdéseket boncolgatjuk: sok beszédakusztikai paramétert (hangmagasság, érdesség, a hangszalagműködés tulajdonságai, hangerő, ritmus, hangsúlyok, intonáció stb.) tudunk mérni. Több kutatásunk is arra irányul, hogy az egyes érzelmekre mi jellemző a beszédben. Informatikai szempontból elmondható, hogy a technológia már készen van rá, hogy a gépi tanulás/mélytanulás segítségével akár a Theranos-jelenséget is ki lehessen elemezni: ki lehessen deríteni, hogy Elisabeth Holmes beszédhangjának jellemzői miben térnek el egy átlagos beszédhangtól. Az eltérések géppel, automatikusan fel is ismerhetők. Biztos vagyok benne, hogy a szóban forgó esetben kimérhetők a különbségek, például a mélyebb hangmagasság, a határozott hangsúlyozás, a szép, szabályos intonáció - hangsúlyozza Sztahó Dávid tudományos munkatárs, a TMIT Beszédakusztikai Laboratóriumának vezetője.
Azzal azért óvatosan kell bánni, hogy az említett jellemzők a jó vállalkozó ismérvei. Ezek legfeljebb a jónak látszó vállalkozó ismérvei. A kutató szerint hiba, ha a beszédhang, a határozottság, a meggyőzőképesség háttérbe szorítja a valós tartalmat, vagy akár egy lámpalázas vállalkozó hátrányba kerül magabiztos, vagy magabiztosnak tűnő versenytársaival szemben.
Kis műhely, akár az úri szabó
A TMIT Beszédkommunikáció és Intelligens Interakciók Laboratórium magyar nyelvű beszédszintézis technológiával támogatta a budapesti Atlétikai Világbajnokságot. Szintén a műegyetemi csapat beszédszintetizátorát hallhatják azok, akik igénybe veszik a MÁV telefonos Elvira szolgáltatását. Most ér véget az APH-ALARM európai uniós projekt, amelynek keretében egy nemzetközi konzorcium (amelynek a BME is tagja) mesterséges intelligenciával támogatott, átfogó biztonsági és univerzális monitorozást, valamint riasztást kínál stroke-on átesett, kommunikációs nehézségekkel küzdő, afáziás emberek számára. A segítséget kérő/riasztó funkció kézzel, gesztusokkal és automatikusan is irányítható. Most indul az EU ENFIELD európai kiválósági központ projektje, ahol a 30 résztvevő között képviselik Magyarországot. Fejlesztettek még olyan technológiát is, amely a depressziós betegek automatikus szűrését teszi lehetővé a beszédhangjuk elemzése által.
Németh Géza felhívja a figyelmet: ma már a multinacionális cégek kínálatában is megtalálhatók a magyarul értő beszédtechnológiai eszközök. Ezek a vállalatóriások megengedhetik maguknak a keresztfinanszírozást, és így olcsón adhatják megoldásaikat. A tanszéki laboratóriumnak nincs más területe, így nehezebb a helyzete. Azt az egyedi támogatást azonban, amit az egyetemi csapat ad, más nem tudja nyújtani. Egyfajta úri szabóként működnek a konfekcióipar által elárasztott világban. Szolgáltatásaikra azonban - szerencsére - van igény. Nemrégiben például egy olyan nyílt, többnyelvű platform kialakításában vettek részt, ahol ők adták a magyar nyelvű beszédszintézist. A projektben angol, francia, svéd, japán, egyiptomi, koreai stb. kisebb szereplők voltak a partnereik.
