DEX Audiobook

DEX fanns som svensk bok, men någon engelsk översättning eller engelskspråkig ljudversion existerade inte.

Tillsammans med författaren ville jag undersöka om modern AI kunde användas för att göra berättelsen tillgänglig för en engelskspråkig publik — utan att förlora den ton och karaktär som fanns i originalet.

Utmaningen var därför större än att bara översätta texten. Berättelsen behövde fungera litterärt på engelska och därefter omvandlas till en sammanhängande ljudupplevelse.

Den svenska utgåvan användes som förlaga. Flera AI-tjänster användes under översättningsarbetet för att jämföra formuleringar, språklig rytm och tonalitet.

Ingen enskild modell behandlades som ett facit. I stället användes modellerna som alternativa redaktionella röster. Författaren och jag kunde jämföra förslagen och bedöma vilken formulering som bäst bevarade originalets:

Arbetssättet blev en kombination av maskinell översättning och mänsklig redaktionell bedömning. AI tog fram alternativ; vi ansvarade för de språkliga och kreativa besluten.

När den engelska texten var färdig skapades ljudversionen lokalt på en Mac Mini M4.

Den lokala bearbetningen gjorde det möjligt att experimentera med generering och efterbearbetning utan att hela produktionen behövde skickas till en extern molntjänst. Det gav också praktisk erfarenhet av vad lokal AI klarar, var kvalitetsgränserna går och vilka delar som fortfarande kräver mänsklig kontroll.

Arbetet omfattade mer än att generera en röst. En fungerande ljudbok kräver konsekvens över en lång berättelse:

Resultatet publicerades genom särskilt utvecklade appar för både iOS och Android.

Projektet omfattade därmed hela kedjan:

Projektet visade att AI kan göra översättning och ljudproduktion tillgänglig för projekt som annars kanske inte hade haft resurser för en internationell utgåva.

Samtidigt blev det tydligt att AI inte eliminerar behovet av redaktionellt omdöme. Modeller kan snabbt producera många trovärdiga formuleringar, men de kan inte själva avgöra vilken som bäst representerar författarens avsikt.

På samma sätt kan lokal ljudgenerering skapa en komplett teknisk produktion, men det betyder inte automatiskt att rösten håller den emotionella och ljudmässiga kvalitet som en kommersiell ljudbok kräver.

Nuvarande version visar att hela produktionskedjan fungerar. Nästa steg är att undersöka om en specialiserad molntjänst kan förbättra:

Den befintliga produktionen fungerar därför både som publicerad produkt och som baslinje för nästa kvalitetsnivå.

DEX visar hur jag arbetar med ny teknik: inte genom att enbart utvärdera en modell eller skapa en prototyp, utan genom att bygga en komplett produktionskedja och föra resultatet hela vägen till användaren.

Projektet kombinerade generativ AI, mänsklig och maskinell språkbearbetning, lokal AI-körning, ljudproduktion, produktutveckling, appar byggda specifikt för iOS och Android samt publicering i App Store och Google Play.