3-4-das-neue-erleben

1. A barátod hangja eljut hozzád, noha ő valahol máshol van.

2. Egy szokásos telefonbeszélgetés során hallhatod, ha a másik fél habozik, válaszolhatsz a kérdéseire, és várhatsz, amíg a vonal másik végén lévő személy átgondolja, amit mondtál.

3. Senki sem lépett be a szobába.

4. Mégis, a szobában most jelen van egy olyan párbeszéd egyik fele, amely a szobán kívül lévő személytől függ, akinek következő szavai reagálhatnak a tieidre, ahelyett, hogy egyszerűen nélküled folytatódnának.

5. Ez egy ismerős fajta megosztott jelenlét, amelyben a részvétel messzebb nyúlik, mint a résztvevő teste.

6. A beszélő nincs jelen a közvetlen környezetedben, de a beszélgetésen belül elérhető, és ez a két tény nem áll ellentmondásban egymással.

7. A telefon elválasztja a kapcsolatot a fizikai közelségtől.

8. Gyakorlati eredményei közé tartozik a válaszadás lehetőségének megőrzése, így a két test közötti távolságnak nem kell egyenértékű távolsággá válnia a kérdés és a válasz között.

9. A hang tehát több értelemben is közel lehet, a beszélgetésbeli közelség pedig eltér a fizikai közelségtől.

10. Jöhet valakitől, aki melletted áll, vagy érkezhet egy máshol tartózkodó személlyel való kapcsolaton keresztül.

11. Maga a hang nem tartalmazza azt a teljes rendszert, amely lehetővé teszi számodra és barátodnak a részvételt.

12. Ha tudod, hogy a hívás élőben zajlik, az információt ad arról, hogyan reagálj, beleértve azt is, hogy egy szünet esetleg a te hozzászólásodra vár-e.

13. Kérhetsz pontosítást.

14. Egy félreértett mondat másképp is elismételhető, mert aki kimondta, hallja, hogy az első kísérlet nem közvetítette a szándékolt jelentést, és a következőt ennek megfelelően módosíthatja.

15. Ez a lehetőség fontosabb, mint a tökéletes hangminőség.

16. Még egy gyenge kapcsolat is támogathatja a beszélgetést, ha mindkét fél elég jól követi azt ahhoz, hogy észrevegye a zavart, és kijavítsa, ami rosszul sült el.

17. A beszélgetésnek – a távolság ellenére – közös jelenje van, mert mindkét résztvevő reagálhat arra, amit a másik éppen mondott.

18. Ez nem jelenti azt, hogy mindenki intim élményként éli meg a hívást, vagy hogy a hang hallatán szükségszerűen közelségérzet alakul ki, függetlenül attól, ki beszél és miért.

19. Azt jelenti, hogy egy bizonyos kapcsolat létrejöhet, amelyben lehetőség nyílik a kölcsönös figyelemre, anélkül, hogy a környezet megosztásától függne.

20. Két ember együtt alakíthatja a kibontakozó párbeszédet anélkül, hogy egy szobában lennének, miközben annak a nagy része, amit egymás fizikai társaságában észrevennének, a kapcsolat határain kívül marad.

21. Most vegyünk egy szokásos, rögzített hangüzenetet ugyanattól a baráttól.

22. A hang ismét elérhető, de a személynek nem kell beszélnie, miközben hallgatod, és lehet, hogy valami teljesen mással van elfoglalva, anélkül, hogy tudná, hogy az üzenetet hallgatják.

23. A lejátszás időbeli elválasztást hoz létre.

24. A felvétel megőrzi egy korábbi mondatot, hogy az később eljusson hozzád, amikor a beszélő figyelme és körülményei már nem feltétlenül egyeznek meg a hangban rögzített pillanattal.

25. Megállíthatod, és újrakezdheted.

26. Az ismételt mondat nem követeli meg barátodtól, hogy emlékezzen rá, újra kiválassza, vagy megismételje a kimondásának erőfeszítését, mivel a lejátszás a korábban megőrzött anyagból merít.

27. Egy múltbeli cselekvés olyanná vált, amit újra felidézhetsz anélkül, hogy megkérnéd azt, aki végrehajtotta, hogy ismételje meg.

28. Ez akkor hasznos, ha egy üzenet olyan részletet tartalmaz, amit ellenőrizned kell, mert a felvételhez való visszatérés eltér attól, mintha a szavakat teljes egészében a memóriádból rekonstruálnád.

29. A felvétel korlátozott értelemben emlékszik.

30. A beszéd visszakereshető nyomát őrzi meg, nem pedig egy olyan személyt, aki eldöntheti, melyik rész igényel most magyarázatot, vagy észreveheti, hogy a hallgató félreértett egy fontos részletet.

31. A kérdésed nem változtathatja meg a már rögzített üzenetet.

32. Küldhetsz választ, de ez egy újabb kommunikációs cselekményt indít el, ahelyett, hogy a korábbi beszélő a lejátszáson keresztül hallana téged.

33. Az ismerős hang egy pillanatra elhomályosíthatja ezt a különbséget, mert a hang még mindig a jelenedben bontakozik ki.

34. Egy hozzád intézett mondat még mindig közvetlennek és személyesnek tűnhet, annak ellenére, hogy a hozzád intézés cselekvése korábban történt, és a beszélő nem ismétli meg.

35. Az érzésnek nem feltétlenül kell hamisnak lennie.

36. Lehet, hogy egy valódi szeretet-, bosszúság- vagy aggodalomkifejezésre reagálsz, amely abból az időből maradt fenn, amikor a barátod ténylegesen úgy döntött, hogy megszólal.

37. Ami óvatosságot igényel, az a jelenre vonatkozó következtetés, amelyet a korábbi kifejezésből önmagában nem lehet visszavezetni.

38. Egy elmentett üzenet melegsége nem jelenti azt, hogy a küldője éppen most gondol rád, ahogyan a sürgető hangnem sem bizonyítja, hogy a sürgősség még mindig fennáll.

39. Egy olyan hétköznapi szó, mint a „holnap”, jól rávilágít a problémára.

40. Jelentése attól függ, mikor hangzott el az eredeti üzenet, nem attól, hogy éppen melyik napon nyomod meg a lejátszás gombot, így egy változatlan mondat is téves értelmezéshez vezethet.

41. A hang könnyebben megmarad, mint a kontextusa.

42. A szavak elérhetővé tétele ezért új feladatot teremt: meg kell őrizni a körülményekből annyit, amennyi ahhoz szükséges, hogy megértsük, mit jelentettek, amikor kimondták őket.

43. A felvétel támogathatja az emlékezetet anélkül, hogy helyettesítené az értelmezést, mivel a szavak emlékezete nem ad választ minden, a jelentésükkel kapcsolatos kérdésre.

44. Lehet, hogy tisztázza, mely szavakat mondták ki, miközben nyitva hagyja, mi váltotta ki őket, mit feltételezett a beszélő, vagy hogy egy későbbi beszélgetés megváltoztatta-e a tervet.

45. A tárolt nyom egyes kérdésekre jobb választ ad, mint másokra.

46. Az újbóli meghallgatás tisztázhat egy részletet, de egy újabb meghallgatás nem adhat olyan információt, amelyet az üzenet eleve nem tartalmazott.

47. Egy harmadik, hétköznapi helyzet még élesebben megváltoztatja a kapcsolatot.

48. Valaki beír egy mondatot egy szöveg-beszéd rendszerbe, és meghallja a kimondott szavakat, noha senkinek sem kellett volna hangosan elmondania azt a teljes mondatot ahhoz, hogy a rendszer előállítsa.

49. Lehet, hogy nincs korábbi kimondás, amit vissza lehetne állítani.

50. A rendszer szövegből állít elő beszédet, ahelyett, hogy csupán lejátszaná annak a felvételét, ahogyan valaki ugyanazokat a szavakat abban a sorrendben kimondja, ami megváltoztatja, hogy a kapott hang mit tud dokumentálni.

51. Ez nem jelenti azt, hogy a folyamat minden része független lenne az emberi beszédtől.

52. A szintetikus hang létrehozása felvételeket is magában foglalhat, de azok használata nem jelenti azt, hogy minden kapott mondat egy olyan személyt dokumentálna, aki azt valaha kimondta.

53. A megkülönböztetés a hallható mondat eredetére vonatkozik, nem pedig arra, hogy az emberi beszéd hozzájárult-e valamilyen módon a mögötte álló technológiához.

54. Egy beszélő barát felvétele egy konkrét beszédaktust őriz meg; egy begépelt mondat szintetikus előadása viszont egyáltalán nem feltétlenül őrzi meg egy ilyen aktust.

55. A szintézis sem feltétlenül utánoz egy konkrét személyt.

56. A hangot nyíltan mesterségesként is lehet bemutatni, anélkül, hogy megpróbálnák meggyőzni a hallgatót arról, hogy egy felismerhető személy beszél.

57. Egyes szintetikus hangok észrevehetően mesterségesnek hangzanak.

58. Mások bizonyos körülmények között természetesnek tűnhetnek, de a változás megértéséhez nem kell feltételezni, hogy minden szintetikus beszéd megkülönböztethetetlen az emberi beszédtől.

59. A lényeg az, hogy a folyékony hangnak más története lehet.

60. A hallgatónak most meg kell különböztetnie a szavakat megfogalmazó személyt, a szavakat hallhatóvá tévő folyamatot, valamint azt a személyt, akit a hang látszólag képvisel.

61. A szerzőség és a hangon történő előadás szétváltak egymástól.

62. Előfordulhat, hogy valaki minden szót leír, majd úgy dönt, hogy egy gép mondja el azokat, így a mesterséges hang önmagában nem jelenti azt, hogy az üzenetnek nincs emberi szerzője.

63. A szavak továbbra is kifejezhetik az adott személy szándékát, annak ellenére, hogy mesterségesen előállított hangon keresztül hangzanak el.

64. A hang a szavak közvetítésének eszköze, hasonlóan ahhoz, ahogyan a nyomtatott betűk is közvetíthetik az író mondatát anélkül, hogy az író kézírását reprodukálnák, vagy megkövetelnék tőle, hogy hangosan felolvassa.

65. Az összehasonlítás a kifejezésre vonatkozik, nem pedig az azonos technológiára.

66. Ez megmutatja, miért nem lehet egyszerűen azzal a kérdéssel válaszolni, hogy ki szánta a mondatot, hogy azonosítjuk azt az eszközt, amely elérhetővé tette, mivel egy személy választhat olyan üzenetet is, amelyet más módon közvetítenek.

67. A szöveg megalkotása ismét egy másik művelet, elkülönülve attól, hogy egy meglévő mondatot hang formájában elérhetővé tegyenek a hallgató számára.

68. Ha egy nyelvi modell megfogalmaz egy választ, és egy beszédrendszer hangosan előadja azt, akkor a szöveg előállítása és a hang előállítása különálló hozzájárulások, még akkor is, ha egyetlen válaszként érkeznek.

69. Valaki átnézheti a vázlatot, mielőtt felhasználná, és eldöntheti, mely kifejezések fejezik ki a szándékolt üzenetet, és melyeket kell átdolgozni.

70. Valaki más ellenőrizés nélkül továbbíthatja, így ugyanaz a kifinomult előadás nagyon különböző szintű emberi figyelmet kísérhet azzal kapcsolatban, hogy mit mondanak, és hogy az megérdemli-e a jóváhagyást.

71. A különbség hallhatatlan lehet.

72. Egy tiszta hangból nem lehet megmondani, hogy egy személy írta-e a szavakat, jóváhagyta-e őket, kijavította-e őket, vagy csupán előidézte azok generálását, és egyáltalán nem vizsgálta meg az eredményt.

73. A folyékony előadás sem bizonyítja a ténybeli pontosságot.

74. A generatív rendszerek magabiztos, de téves állításokat is előállíthatnak, és ha egy ilyen állítást magabiztos beszédstílussal adunk elő, az nem orvosolja a tartalmi hibát.

75. A felvétel sem nyújt automatikus garanciát az igazságra.

76. Hűen megőrizheti egy személy hibáját, ugyanúgy, ahogy egy szintetikus előadás pontosan közvetítheti egy olyan személy által szolgáltatott, gondosan ellenőrzött szöveget, aki ért a témához.

77. A hitelességnek ezért pontosabb tárgyra van szüksége, mivel a megbízható felvétel és a megbízható kijelentés nem ugyanaz a dolog.

78. Feltehetjük a kérdést, hogy a felvétel hiteles-e, hogy a látszólagos beszélő adta-e át az üzenetet, vagy hogy az üzenet helyesen írja-e le a világot, és mindegyik kérdés más-más bizonyítékot igényel.

79. Egy őszinte beszélő is tévedhet.

80. Egy kijelentés hiteles lehet mint valaki szavainak rögzítése, és hamis mint a történtek leírása.

81. Az érzelmi hatás nem rendezi a többi réteget, hanem egy újabb réteget ad hozzá, olyan élményt nyújtva a hallgatónak, amely szintén értelmezést igényel.

82. Egy szelíd hang könnyebbé teheti egy mondat befogadását, míg egy éles hangnem ugyanazt a megfogalmazást türelmetlennek vagy szigorúnak éreztetheti.

83. Ez egy lehetséges reakció, nem pedig minden hallgatóra érvényes szabály.

84. Egy személy múltja, elvárásai és a helyzet megértése megváltoztathatja, hogyan éli meg egy adott hangot, még akkor is, ha a hang változatlan marad, és nem tartalmaz új információt a származásáról.

85. Az a tudat, hogy a beszéd szintetikus, nem feltétlenül teszi érzelmileg semlegesé.

86. A hallgató élvezheti a beszéd ritmusát, vagy megnyugtatónak találhatja anélkül, hogy elhinné, hogy éppen egy ember beszél, vagy érezné a látszólagos megnyugvást, ugyanúgy, ahogyan az élvezet sem feltétlenül jelenti a téves azonosítást.

87. A reakció a hallgató élményéhez tartozik.

88. Ez nem határozza meg a forrás belső állapotát, éppúgy, ahogyan az sem, hogy egy felvett hang meghat minket, nem jelenti azt, hogy a beszélő jelen lenne a szobában.

89. Ez teret hagy mind az élvezetnek, mind a pontosságnak, anélkül, hogy az érzés tagadására vagy egy kitalált beszélőre lenne szükség.

90. Egy nyíltan mesterséges előadás kellemes és hasznos lehet, miközben a hallgató számára teljesen egyértelmű marad az előállítási módja.

91. A nehézség akkor kezdődik, amikor az élmény alaptalan eredet bizonyítékává válik.

92. Az a érzés, hogy hozzánk szólnak, felvetheti azt a feltételezést, hogy valaki személyesen észrevett minket, noha a mondatot ilyen figyelem nélkül is kiválaszthatták vagy generálhatták.

93. Ez a feltételezés túlmutat a hangon, olyan személyes figyelmet tulajdonítva neki, amelyet a hallható mondat önmagában nem bizonyít.

94. Ez a beszélő és a hallgató közötti kapcsolatra vonatkozik, és egy kapcsolathoz több információra van szükség, mint amennyit a hallható mondat melegsége vagy folyékonysága nyújthat.

95. A szokásos telefonhívás segít megérteni a különbséget, mert a kölcsönös beszélgetés konkrét emberi keretet ad a válaszhoz.

96. Ott a barátod válasza a tényleges, közös beszélgetésed része lehet; egyszerű lejátszás esetén egy mondat nem tud reagálni az iménti közbeszólásodra.

97. Egy reagáló rendszer bonyolítja ezt az összehasonlítást, anélkül hogy eltüntetné azt.

98. Lehet, hogy releváns választ ad egy új bemenetre, ami megkülönbözteti egy rögzített felvételtől, de önmagában nem bizonyítja, hogy egy emberi személy hallotta a kérdést.

99. Egy válasz ilyen körülmények között reagálóképességet mutat.

100. Nem azonosítja a válasz mögött álló minden folyamatot, és nem bizonyítja, hogy a látszólagos beszélő rendelkezik-e azokkal a tapasztalatokkal, amelyeket a megfogalmazás sugallhat.

101. Az átvitel, a tárolás és a generálás is kombinálható.

102. Egy szintetikus mondat hangfájlként elmenthető és elküldhető valakinek, így az a tény, hogy valami felvétel, még nem azonosítja, hogyan keletkezett a hangja.

103. Hasonlóképpen, egy régi hangüzenet lejátszható egy élő hívás során.

104. A kapcsolat élő lehet, miközben az adott beszéd egy korábbi pillanathoz tartozik, így a csatorna állapota eltér a tartalmának történetétől.

105. Ezek a kombinációk miatt az egyszerű címkék hiányosak, még akkor is, ha azok pontosan leírják a használt folyamat egy részét.

106. Nem teszik minden mondatot felismerhetetlenné, de megmutatják, miért rejtheti el a „valódi” és a „hamis” közötti egyszerű ellentét azt a megkülönböztetést, amelyre valójában szükségünk van.

107. Egy nyíltan szintetikus felolvasás pontosan az lehet, aminek állítja magát.

108. Egy hiteles felvétel félrevezető lehet, ha olyan körülmények között mutatják be, amelyekre utal, azok már megváltoztak.

109. A probléma a hanghoz kapcsolódó narratívában rejlik.

110. Ez a narratíva összekapcsolja a hallható mondatot a beszélővel, egy pillanattal és egy kifejező cselekménnyel, lehetővé téve a hallgató számára, hogy a puszta szószövegnél többet értelmezzen.

111. A megőrzött hang kiterjeszti azt, amit az emlékezet elérhetővé tud tenni, lehetővé téve a visszatérést egy korábbi kifejezéshez anélkül, hogy annak eredeti alkalmát újra megteremtené.

112. A generált hang kiterjeszti azt, ami hallhatóvá tehető, míg a generált szöveg további kérdést vet fel azzal kapcsolatban, hogy maga az üzenet hogyan került összeállításra.

113. Ezek közül egyik művelet sem egyszerűen átviszi egy teljes elmét egy gépbe.

114. A tárolt beszéd nem azonos a beszélő folyamatos figyelmével, és egy újonnan előállított mondatnak nem feltétlenül kell valakinek a korábbi gondolatát vagy kijelentését rögzítenie.

115. Ennek ellenére a hang bejuthat egy helyiségbe, és ott jelentőséget nyerhet.

116. Tájékoztathat, megnyugtat, irritálhat vagy válaszra ösztönözhet, még akkor is, ha a személyhez fűződő kapcsolata inkább megállapítandó dolog, mint közvetlenül hallható.

117. A hallgatónak nem kell abbahagynia az érzelmekkel teli hallgatást.

118. Ahhoz elegendő információra van szükség, hogy összekapcsoljuk a hangot annak keletkezésével: függetlenül attól, hogy valaki éppen most beszél, korábban beszélt, szöveget szolgáltatott, vagy egy rendszert használt annak generálására.

119. A következő mondat ugyanolyan közelinek tűnhet, mint az előző.

120. Ahhoz, hogy megértsük, milyen jelenlétet kínál, először tudnunk kell, hogyan készült a mondat, és hogyan jutott el hozzánk.

1. Die Stimme deines Freundes erreicht dich, obwohl er sich gerade woanders befindet.

2. Bei einem gewöhnlichen Telefongespräch kannst du ein Zögern hören, eine Frage beantworten und warten, während die Person am anderen Ende über das nachdenkt, was du gesagt hast.

3. Niemand hat den Raum betreten.

4. Dennoch findet in diesem Raum nun ein Austausch statt, der von jemandem außerhalb des Raums abhängt, dessen nächste Worte auf deine reagieren können, anstatt einfach ohne dich weiterzugehen.

5. Dies ist eine vertraute Art geteilter Präsenz, bei der die Teilnahme über den Körper des Teilnehmenden hinausreicht.

6. Der Sprecher ist in deiner unmittelbaren Umgebung nicht anwesend, aber im Gespräch verfügbar, und diese beiden Tatsachen widersprechen sich nicht.

7. Das Telefon trennt den Kontakt von der physischen Nähe.

8. Zu seinen praktischen Errungenschaften gehört es, die Möglichkeit einer Antwort zu bewahren, sodass die Entfernung zwischen zwei Körpern nicht zwangsläufig zu einer entsprechenden Entfernung zwischen Frage und Antwort werden muss.

9. Eine Stimme kann daher in mehr als einem Sinne nah sein, wobei sich die Nähe im Gespräch von der physischen Nähe unterscheidet.

10. Sie kann von jemandem kommen, der neben dir steht, oder über eine Verbindung zu einer Person gelangen, die sich an einem anderen Ort befindet.

11. Der Klang allein enthält nicht das gesamte Gefüge, das es dir und deinem Freund ermöglicht, am Gespräch teilzunehmen.

12. Zu wissen, dass ein Anruf live ist, gibt dir Hinweise darauf, wie du reagieren solltest, unter anderem darauf, ob eine Pause darauf hindeutet, dass auf deinen Beitrag gewartet wird.

13. Du kannst um Klarstellung bitten.

14. Ein missverstandener Satz kann anders wiederholt werden, da die Person, die ihn ausgesprochen hat, hören kann, dass der erste Versuch die beabsichtigte Bedeutung nicht vermittelt hat, und den nächsten entsprechend anpassen kann.

15. Diese Möglichkeit ist wichtiger als ein perfekter Klang.

16. Selbst eine schlechte Verbindung kann ein Gespräch stützen, wenn beide Gesprächspartner genug davon mitverfolgen können, um Verwirrung zu bemerken und Fehler zu korrigieren.

17. Der Austausch hat trotz der räumlichen Trennung eine gemeinsame Gegenwart, da jeder Teilnehmer auf das reagieren kann, was der andere gerade gesagt hat.

18. Das bedeutet nicht, dass jeder ein Telefonat als intim empfindet oder dass das Hören einer Stimme zwangsläufig ein Gefühl der Nähe hervorruft, unabhängig davon, wer spricht und warum.

19. Es bedeutet, dass eine bestimmte Beziehung möglich ist, mit Möglichkeiten zur gegenseitigen Aufmerksamkeit, die nicht davon abhängen, dass man sich in derselben Umgebung befindet.

20. Zwei Menschen können gemeinsam einen sich entfaltenden Austausch gestalten, ohne sich im selben Raum zu befinden, während vieles, was sie in der physischen Gegenwart des anderen bemerken würden, außerhalb der Verbindung bleibt.

21. Betrachten wir nun eine gewöhnliche aufgezeichnete Sprachnachricht desselben Freundes.

22. Die Stimme ist wieder verfügbar, aber die Person muss nicht sprechen, während du zuhörst, und ist möglicherweise mit etwas ganz anderem beschäftigt, ohne zu wissen, dass die Nachricht gerade angehört wird.

23. Die Wiedergabe fügt eine zeitliche Trennung hinzu.

24. Die Aufnahme bewahrt eine frühere Äußerung, sodass sie dich später erreichen kann, wenn die Aufmerksamkeit und die Umstände des Sprechers möglicherweise nicht mehr mit dem im Ton festgehaltenen Moment übereinstimmen.

25. Du kannst sie anhalten und von vorne beginnen.

26. Der wiederholte Satz erfordert nicht, dass sich dein Freund daran erinnert, ihn erneut wählt oder die Anstrengung des Sprechens wiederholt, da die Wiedergabe auf das zurückgreift, was zuvor festgehalten wurde.

27. Eine vergangene Handlung ist zu etwas geworden, das du erneut aufrufen kannst, ohne die Person, die sie ausgeführt hat, zu bitten, sie noch einmal auszuführen.

28. Das ist nützlich, wenn eine Nachricht ein Detail enthält, das du überprüfen musst, denn die Rückkehr zur Aufnahme unterscheidet sich davon, die Worte vollständig aus dem Gedächtnis zu rekonstruieren.

29. Die Aufnahme „erinnert“ sich in einem begrenzten Sinne.

30. Sie bewahrt eine wiederherstellbare Spur einer Äußerung, nicht aber eine Person, die entscheiden kann, welcher Teil nun einer Erklärung bedarf, oder bemerkt, dass der Zuhörer ein wichtiges Detail missverstanden hat.

31. Deine Frage kann die bereits aufgezeichnete Nachricht nicht verändern.

32. Du kannst eine Antwort senden, doch damit beginnt ein neuer Kommunikationsakt, anstatt dass der frühere Sprecher dich durch die Wiedergabe hört.

33. Die vertraute Stimme kann diesen Unterschied für einen Moment verschleiern, da sich der Klang immer noch in deiner Gegenwart entfaltet.

34. Ein an dich gerichteter Satz mag immer noch direkt und persönlich klingen, auch wenn der Akt der Ansprache bereits früher stattfand und vom Sprecher nicht wiederholt wird.

35. Das Gefühl muss nicht unbedingt unecht sein.

36. Möglicherweise reagierst du auf einen echten Ausdruck von Zuneigung, Verärgerung oder Sorge, der aus einer Zeit erhalten geblieben ist, als dein Freund sich tatsächlich entschlossen hat, zu sprechen.

37. Was Vorsicht erfordert, ist die Schlussfolgerung über die Gegenwart, die sich nicht allein aus dem früheren Ausdruck ableiten lässt.

38. Die Herzlichkeit einer gespeicherten Nachricht zeigt nicht, dass ihr Absender gerade jetzt an dich denkt, genauso wenig wie ein dringlicher Tonfall belegt, dass die Dringlichkeit noch immer besteht.

39. Ein so alltägliches Wort wie „morgen“ verdeutlicht das Problem.

40. Seine Bedeutung hängt davon ab, wann die ursprüngliche Nachricht gesprochen wurde, und nicht davon, an welchem Tag du zufällig die Wiedergabetaste drückst; daher kann ein unveränderter Satz zu einer falschen Interpretation führen.

41. Der Ton bleibt leichter erhalten als sein Kontext.

42. Die Aufbewahrung der Worte schafft daher eine neue Aufgabe: genügend von ihren Umständen zu bewahren, um zu verstehen, was sie bedeuteten, als sie gesprochen wurden.

43. Eine Aufzeichnung kann das Gedächtnis unterstützen, ohne die Interpretation zu ersetzen, da das Erinnern an den Wortlaut nicht jede Frage nach ihrer Bedeutung klärt.

44. Sie mag klären, welche Worte gesprochen wurden, lässt aber offen, was dazu geführt hat, was der Sprecher angenommen hat oder ob ein späteres Gespräch den Plan geändert hat.

45. Die gespeicherte Spur beantwortet manche Fragen besser als andere.

46. Ein erneutes Anhören kann ein Detail klären, aber ein weiteres Anhören kann keine Informationen liefern, die die Botschaft von vornherein gar nicht enthielt.

47. Eine dritte, alltägliche Situation verändert das Verhältnis noch deutlicher.

48. Jemand gibt einen Satz in ein Text-zu-Sprache-System ein und hört die Wörter gesprochen, obwohl keine Person diesen vollständigen Satz laut aussprechen musste, damit das System ihn erzeugen konnte.

49. Möglicherweise gibt es keine frühere Äußerung, die wiederhergestellt werden könnte.

50. Das System erzeugt Sprache aus Text, anstatt lediglich eine Aufnahme abzuspielen, in der jemand dieselben Wörter in derselben Reihenfolge spricht, was verändert, was der resultierende Ton dokumentieren kann.

51. Das bedeutet nicht, dass jeder Teil des Prozesses unabhängig von menschlicher Sprache ist.

52. Die Erzeugung einer synthetischen Stimme kann Aufnahmen beinhalten, doch deren Verwendung bedeutet nicht, dass jeder resultierende Satz eine Person dokumentiert, die ihn einst ausgesprochen hat.

53. Die Unterscheidung betrifft den Ursprung des hörbaren Satzes und nicht die Frage, ob menschliche Sprache einen Beitrag zur dahinterstehenden Technologie geleistet hat.

54. Eine Aufnahme eines sprechenden Freundes bewahrt einen bestimmten Sprechakt; eine synthetisierte Wiedergabe eines getippten Satzes muss einen solchen Akt überhaupt nicht bewahren.

55. Auch ahmt die Synthese nicht zwangsläufig eine bestimmte Person nach.

56. Die Stimme kann offen als künstlich präsentiert werden, ohne den Versuch, den Zuhörer davon zu überzeugen, dass eine erkennbare Person spricht.

57. Manche synthetische Stimmen klingen merklich künstlich.

58. Andere mögen unter bestimmten Umständen natürlich klingen, doch muss man nicht davon ausgehen, dass jede synthetische Sprache von menschlicher Sprache nicht zu unterscheiden ist, um den Wandel zu verstehen.

59. Entscheidend ist, dass flüssiger Klang eine andere Entstehungsgeschichte haben kann.

60. Der Zuhörer muss nun unterscheiden zwischen der Person, die die Worte geliefert hat, dem Prozess, der sie hörbar gemacht hat, und jeder Person, die die Stimme zu repräsentieren scheint.

61. Urheberschaft und sprachliche Wiedergabe haben sich voneinander gelöst.

62. Eine Person kann jedes Wort selbst schreiben und sich dafür entscheiden, es von einer Maschine vortragen zu lassen; eine künstliche Stimme bedeutet also an sich nicht, dass der Botschaft ein menschlicher Urheber fehlt.

63. Die Worte können nach wie vor die Absicht dieser Person zum Ausdruck bringen, obwohl sie durch eine künstlich erzeugte Stimme wiedergegeben werden.

64. Der Klang ist ein Mittel zu ihrer Vermittlung, ähnlich wie gedruckte Buchstaben den Satz eines Schreibenden vermitteln können, ohne dessen Handschrift wiederzugeben oder zu erfordern, dass der Schreibende ihn laut vorliest.

65. Der Vergleich betrifft den Ausdruck, nicht die identische Technologie.

66. Er zeigt, warum die Frage, wer einen Satz gemeint hat, nicht einfach durch die Identifizierung des Geräts beantwortet werden kann, das ihn verfügbar gemacht hat, da eine Person eine Botschaft wählen kann, die auf andere Weise übermittelt wird.

67. Das Erstellen des Wortlauts ist wiederum ein anderer Vorgang, der davon getrennt ist, einen bestehenden Satz einem Zuhörer als Ton zur Verfügung zu stellen.

68. Wenn ein Sprachmodell eine Antwort entwirft und ein Sprachsystem diese laut wiedergibt, sind die Erstellung des Textes und die Erzeugung der Stimme getrennte Beiträge, selbst wenn sie als eine einzige Antwort vorliegen.

69. Jemand kann den Entwurf vor der Verwendung überprüfen und entscheiden, welche Formulierungen die beabsichtigte Botschaft ausdrücken und welche überarbeitet werden müssen.

70. Eine andere Person leitet ihn möglicherweise ohne Überprüfung weiter, sodass dieselbe ausgefeilte Vortragsweise mit sehr unterschiedlichen Graden menschlicher Aufmerksamkeit für das Gesagte und die Frage einhergehen kann, ob es Zustimmung verdient.

71. Der Unterschied ist möglicherweise nicht hörbar.

72. Eine klare Stimme verrät nicht, ob eine Person die Worte geschrieben, genehmigt oder korrigiert hat oder ob sie lediglich deren Erzeugung veranlasst und das Ergebnis überhaupt nicht geprüft hat.

73. Auch eine flüssige Vortragsweise garantiert keine sachliche Richtigkeit.

74. Generative Systeme können selbstbewusste, aber fehlerhafte Aussagen produzieren, und wenn man einer solchen Aussage einen selbstsicheren Sprachstil verleiht, behebt das den inhaltlichen Fehler nicht.

75. Auch eine Aufnahme bietet keine automatische Garantie für die Wahrheit.

76. Sie kann den Fehler einer Person originalgetreu festhalten, genauso wie eine synthetische Wiedergabe einen sorgfältig geprüften Text genau wiedergeben kann, der von jemandem bereitgestellt wurde, der sich mit dem Thema auskennt.

77. Authentizität erfordert daher einen präziseren Bezugspunkt, da eine vertrauenswürdige Aufzeichnung und eine vertrauenswürdige Aussage nicht dasselbe sind.

78. Wir könnten fragen, ob die Aufzeichnung echt ist, ob der scheinbare Sprecher die Botschaft geliefert hat oder ob die Botschaft die Welt korrekt beschreibt, und jede Frage erfordert unterschiedliche Beweise.

79. Ein ehrlicher Sprecher kann sich dennoch irren.

80. Eine Aussage kann als Aufzeichnung dessen, was jemand gesagt hat, echt sein und als Schilderung dessen, was geschehen ist, falsch.

81. Die emotionale Wirkung fügt eine weitere Ebene hinzu, anstatt die anderen zu klären, und vermittelt dem Zuhörer eine Erfahrung, die ebenfalls einer Interpretation bedarf.

82. Eine sanfte Stimme kann dazu führen, dass ein Satz leichter aufgenommen wird, während eine scharfe Vortragsweise denselben Wortlaut ungeduldig oder streng wirken lassen kann.

83. Dies ist eine mögliche Reaktion, keine feste Regel für jeden Zuhörer.

84. Die Lebensgeschichte, die Erwartungen und das Verständnis einer Person für die Situation können beeinflussen, wie eine bestimmte Stimme wahrgenommen wird, selbst wenn der Klang unverändert bleibt und keine neuen Informationen über ihre Herkunft enthält.

85. Das Wissen, dass es sich um synthetische Sprache handelt, muss sie nicht zwangsläufig emotional leblos machen.

86. Ein Zuhörer kann ihren Rhythmus genießen oder sie als beruhigend empfinden, ohne zu glauben, dass gerade ein Mensch spricht, oder die scheinbare Beruhigung zu spüren – genauso wie Genuss nicht zwangsläufig eine falsche Identifizierung implizieren muss.

87. Die Reaktion ist Teil der Erfahrung des Zuhörers.

88. Sie sagt nichts über den inneren Zustand der Quelle aus, genauso wenig wie die Tatsache, dass man von einer aufgezeichneten Stimme bewegt ist, den Sprecher im Raum präsent macht.

89. Dies lässt Raum sowohl für Genuss als auch für Genauigkeit, ohne dass entweder das Gefühl geleugnet oder ein fiktiver Sprecher erfunden werden muss.

90. Eine offen künstliche Wiedergabe kann angenehm und nützlich sein, während ihre Entstehungsweise für den Zuhörer völlig klar bleibt.

91. Die Schwierigkeit beginnt, wenn die Erfahrung zum Beweis für einen unbegründeten Ursprung wird.

92. Das Gefühl, angesprochen zu werden, kann zu der Annahme verleiten, dass jemand uns persönlich wahrgenommen hat, obwohl der Satz möglicherweise ohne eine solche Aufmerksamkeit ausgewählt oder generiert wurde.

93. Diese Annahme geht über den Klang hinaus und schreibt einen Akt persönlicher Aufmerksamkeit zu, den der hörbare Satz allein nicht belegt.

94. Es geht um eine Beziehung zwischen Sprecher und Zuhörer, und eine Beziehung erfordert mehr Informationen, als die Wärme oder die Sprachgewandtheit eines hörbaren Satzes liefern kann.

95. Ein gewöhnliches Telefongespräch hilft dabei, den Unterschied zu verdeutlichen, da der gemeinsame Austausch der Antwort einen konkreten menschlichen Kontext verleiht.

96. Dort kann die Antwort deines Freundes Teil eures tatsächlichen gemeinsamen Gesprächs sein; bei einer einfachen Wiedergabe kann ein Satz die Unterbrechung, die du gerade vorgenommen hast, nicht zur Kenntnis nehmen.

97. Ein reaktionsfähiges System verkompliziert diesen Vergleich, ohne ihn jedoch aufzuheben.

98. Es kann eine relevante Antwort auf neue Eingaben erzeugen, was es von einer festen Aufnahme unterscheidet, aber an sich noch nicht zeigt, dass ein Mensch die Frage gehört hat.

99. Eine Antwort zeugt unter diesen Bedingungen von Reaktionsfähigkeit.

100. Sie identifiziert jedoch nicht jeden Prozess hinter dieser Antwort und beweist auch nicht, dass der scheinbare Sprecher über die Erfahrungen verfügt, die der Wortlaut vermuten lässt.

101. Übertragung, Speicherung und Erzeugung können ebenfalls kombiniert werden.

102. Ein synthetischer Satz kann als Audiodatei gespeichert und an jemanden gesendet werden; daher lässt die Erkenntnis, dass es sich um eine Aufnahme handelt, noch keinen Rückschluss darauf zu, wie der Ton entstanden ist.

103. Ebenso kann eine alte Sprachnachricht während eines Live-Anrufs abgespielt werden.

104. Die Verbindung mag live bestehen, während diese bestimmte Äußerung aus einem früheren Zeitpunkt stammt, wodurch sich der Status des Kanals vom zeitlichen Verlauf seines Inhalts unterscheidet.

105. Diese Kombinationen machen einfache Bezeichnungen unvollständig, selbst wenn diese Bezeichnungen einen Teil des verwendeten Verfahrens genau beschreiben.

106. Sie machen nicht jede Äußerung unerkennbar, aber sie zeigen, warum ein einfacher Gegensatz zwischen „echt“ und „gefälscht“ die Unterscheidung verschleiern kann, die wir tatsächlich benötigen.

107. Eine offen als synthetisch gekennzeichnete Wiedergabe kann genau das sein, was sie zu sein vorgibt.

108. Eine authentische Aufnahme kann irreführend sein, wenn sie als aktuelle Aussage präsentiert wird, nachdem sich die Umstände, auf die sie sich bezog, geändert haben.

109. Das Problem ist die mit dem Ton verbundene Erzählung.

110. Diese Erzählung verbindet einen hörbaren Satz mit einem Sprecher, einem Moment und einem Ausdrucksakt und ermöglicht es dem Zuhörer, mehr als nur den bloßen Wortlaut zu interpretieren.

111. Die konservierte Stimme erweitert das, was das Gedächtnis bereithält, und ermöglicht eine Rückkehr zu einem früheren Ausdruck, ohne dessen ursprünglichen Anlass nachzubilden.

112. Die generierte Stimme erweitert das, was hörbar gemacht werden kann, während der generierte Wortlaut eine weitere Frage aufwirft, nämlich wie die Botschaft selbst verfasst wurde.

113. Keine dieser Vorgänge überträgt einfach einen ganzen Geist in eine Maschine.

114. Eine gespeicherte Äußerung ist nicht die anhaltende Aufmerksamkeit des Sprechers, und ein neu erzeugter Satz muss keine Aufzeichnung dessen sein, was jemand zuvor gedacht oder gesagt hat.

115. Dennoch kann der Klang in einen Raum dringen und dort eine Rolle spielen.

116. Er kann informieren, trösten, irritieren oder zu einer Reaktion einladen, auch wenn seine Beziehung zu einer Person eher etwas ist, das es erst herzustellen gilt, als etwas, das man direkt hören kann.

117. Der Zuhörer muss nicht aufhören, mit Gefühl zuzuhören.

118. Was benötigt wird, sind genügend Informationen, um die Stimme mit ihrer Entstehung in Verbindung zu bringen: ob jemand gerade spricht, zuvor gesprochen hat, einen Text geliefert hat oder ein System zur Erzeugung eines Textes genutzt hat.

119. Der nächste Satz mag genauso nah klingen wie der letzte.

120. Um zu verstehen, welche Art von Präsenz er bietet, muss man zunächst wissen, wie der Satz entstanden ist und wie er zu einem gelangt ist.