Anna opowiedziała swoje życie w kilkudziesięciu godzinach nagrań, robionych przez wiele tygodni, nie po kolei. Te słowa są jej. Wszystko, co z nimi dalej zrobiono — złożenie w książkę, przeczytanie na głos, muzyka i obrazy — powstało z udziałem modeli. Piszemy to na wejściu, bo to nie jest przypis do tej książki, tylko sposób, w jaki ona istnieje.
Nagrania powstawały bez planu i bez pytań: po sesji, wieczorem, w środku zwykłego dnia. Zdanie o matce potrafiło paść w marcu, a zdanie, które je tłumaczy — w maju. Taki materiał jest dla człowieka nie do ogarnięcia w całości; zanim doczyta się do końca, początek wywietrzeje z pamięci.
Model językowy utrzymywał wszystkie nagrania naraz i łączył fragmenty mówiące o tej samej sprawie w ciągły tekst. Nie dopisywał zdarzeń i nie zmyślał wspomnień — składał to, co zostało powiedziane. Nazwaliśmy to narzędzie Nabu, od mezopotamskiego boga pisma, i piszemy o nim tak, jak się pisze o narzędziu, a nie o współautorze.
Redaktor zrobiłby to samo w rok i po drodze wygładziłby wszystko do własnego rytmu. Tutaj rytm został jej — i to jest jedyny powód, dla którego robiliśmy to w ten sposób.
Lektura nie jest nagraniem Anny czytającej książkę. Jest jej głosem odtworzonym przez model.
Kolejność była taka: Anna nagrała siebie telefonem, w zwykłej komunikacji — bez studia, bez mikrofonu, bez drugiego podejścia. Te nagrania przeszły obróbkę akustyczną, a na oczyszczonym materiale wytrenowaliśmy model jej głosu (ElevenLabs). Dopiero ten model przeczytał dwanaście godzin książki. Wstęp i zakończenie czyta drugi, męski głos — też syntetyczny, celowo spoza opowieści.
Anna wiedziała o tym od początku i zgodziła się. Materiał źródłowy jest jej, model powstał za jej wiedzą i na jej głosie, a ona ma prawo cofnąć tę zgodę w każdej chwili.
Nierówność, którą słychać w lekturze, bierze się z materiału: nagrania z różnych tygodni miały różną akustykę i różny stan mówiącej. Można było to wyrównać. Nie wyrównaliśmy.
Podkład pod rozdziałami i piosenki zamykające rozdziały powstały generatywnie. Teksty piosenek wychodzą z tego, o czym jest rozdział; kompozycja i wykonanie są maszynowe. W opisach utworów figuruje to jako PabloGFX x Nabu i nie znaczy nic innego.
Siedemnaście obrazów — po jednym na rozdział — również powstało generatywnie, z opisu tego, o czym rozdział mówi. Nie są ilustracjami zdarzeń i nie przedstawiają prawdziwych osób.
Bo inaczej tej książki by nie było. Czterdzieści godzin nagrań rozrzuconych po wielu tygodniach to materiał, którego jeden człowiek nie utrzyma w głowie, a na redaktora, studio, kompozytora i ilustratora nikt tu nie miał pieniędzy. Wybór nie stał między tą książką a książką zrobioną tradycyjnie. Stał między tą książką a żadną.
Nie. Składał wypowiedziane zdania i wiązał je w ciągły tekst. Każdy rozdział przeszedł przez Annę przed publikacją i to ona rozstrzygała, czy tak było.
Mówiła wszystko. Model odtwarza barwę jej głosu, nie wymyśla treści. Źródłem są jej własne nagrania.
Nie w tym sensie, w jakim zwykle się tak mówi. Nikt nie poprosił modelu o wymyślenie historii. Historia została opowiedziana przez człowieka, a model ją uporządkował.
Bo prędzej czy później ktoś zapyta, a wtedy przemilczenie byłoby jedyną rzeczą w tej książce, której nie dałoby się obronić.
Dłuższa wersja tej historii — strona dla mediów →