Jeff Kofman, zakladatel a generální ředitel Trintu – rozhovor

Jeff Kofman je zakladatel a generální ředitel Trintu, po 30leté kariéře v ABC, CBS a CBC News se unavil neustálého ručního přepisování a sledování, jak každá zpráva zbytečně zastavila svůj běh. V roce 2014 Jeff a tým vývojářů využili umělou inteligenci k vyřešení tohoto problému a Trint tak vznikl.

Dnes je Trint AI-poháněná SaaS platforma, která jde beyond přepisování a zvyšuje každou fázi workflow tvorby obsahu.

Od přepisování po editační nástroje, spolupráci v reálném čase, export a publikování – dělá každý krok snazší pro redakce, podcastery, lokální podniky a globální organizace, aby mohli sdílet své příběhy rychleji a snadněji než kdykoli předtím.

Měli jste vysoce postavenou 30letou kariéru v ABC, CBS a CBC News, jaké byly některé z problémů, se kterými jste se setkali s tradičním ručním přepisováním?

Žil jsem bolest ručního přepisování každý den jakožto novinář. Již dlouho předtím, než jsem měl nápad vynález a budování Trintu, jsem se ptal, proč není lepší způsob.

Ruční přepisování bylo vždycky úzkým místem v mém workflow jakožto televizní reportér. Udělal jsem své rozhovory, poslechl jsem tiskovou konferenci, přečetl jsem svou research, podíval jsem se na svou footage a poté… můj producent a já jsme zmizeli do Černé díry přepisování.

Nemohu napsat svou televizní zpravodajskou zprávu, dokud nemám přesné přepisy citátů nebo soundbitů, které chci použít. Musím vědět, co říkali a jak dlouho ten soundbite trval. To znamenalo sedět v projekční místnosti nebo u našich stolů s nasazenými sluchátky, stisknout PLAY, poté PAUSE, poté napsat pár slov, poté PLAY, PAUSE a opakovaně. To mohlo trvat hodiny. Tak únavné. Tak nezbytné.

Trint byl spuštěn v roce 2014, můžete diskutovat o tom, jak vznikl nápad?

Nikdy jsem si nemyslel, že budu tech-guy. To se stalo náhodou.

Měl jsem neformální rozhovor s některými softwarovými vývojáři, kteří provedli einige základní experimenty s audio a textem (ne přepisováním) v roce 2013.

Nevině jsem se zeptal: proč nemohu použít automatizované speech-to-text k přepisování mých rozhovorů.

Pamatuji si, že jeden z chlapů se zeptal mě: proč byste to chtěl udělat?

Odpověděl jsem: protože ruční přepisování je bolavým místem v mé práci jako reportér, nenávidím to.

Udržovali jsme kontakt a provedli einige experimenty. Brzy bylo jasné, že jsme vynalezli budoucnost. O rok později jsem opustil svou práci jako londýnský korespondent pro ABC News a začali jsme budovat Trint.

Jaké byly některé z výzev spuštění přepisovací služby v těch raných dnech?

Automatizované přepisování je samostatný problém. Lidé, kteří nežijí workflow reportérů a tvůrců obsahu, nemají žádné ponětí, jak vytvářejí své příběhy. Pamatuji si, že jsem se setkal s některými velmi bohatými andělskými investory v raných dnech a oni prostě nemohli pochopit, proč reportéři jako já potřebují přepisy. To vyžadovalo hodně vysvětlování, aby pochopili, jak reportér pracuje.

Myslím, že to je dnes jednodušší. Všichni jsme tvůrci obsahu.

Jaké jsou různé strojové učení algoritmy, které jsou aktuálně používány v Trintu?

Máme velmi chytrou skupinu inženýrů a datových vědců, kteří jsou vždycky ochotni experimentovat s čímkoli, co mohou, a kamkoli je jejich fantazie může zavést. Jak byste pochopili, naše zaměření je na tom, jak automatizované přepisování může urychlit workflow našich zákazníků z médií, což znamená, že vždycky pracujeme se speech, mluvčími, jazyky a akustikou. NLP a speech processing algoritmy jsou součástí našeho denního života, ale budeme zkoumat každou kreativní cestu, jak použít umělou inteligenci k pomoci novinářům extrahovat informace z videí, audia a obrázků. Rich přepisování nám umožňuje poskytnout více kontextu jejich obsahu, dělá ho více vyhledatelným a nakonec umožňuje jim najít ty momenty, které opravdu záleží, a dostat je k jejich publikům co nejrychleji.

Jaké jazyky jsou aktuálně nabízeny a jsou nějaké rozdíly v kvalitě přepisování mezi různými jazyky?

Nabízíme asi 45 jazyků, které můžete přepisovat, a neustále přidáváme více. Některé jsou v „beta“ verzi a jiné jsou mnohem více zavedené, což závisí na velikosti trénovacích datových sad, které pomáhají budovat modely. Neustále měříme přesnost našich modelů pro každý jazyk, abychom mohli neustále vyvíjet naše modely a zlepšovat jejich výkon.

Vždycky se díváme na to, jaké nové modely jsou k dispozici, abychom mohli zjistit, zda je můžeme integrovat do našeho zabezpečeného ASR prostředí.

Ale to není jen o jazycích, které přepisujeme – naši zákazníci mohou také mít ten přepis přeložený do téměř jakékoli jazykové mutace.

Mimo přepisování je Trint AI-poháněná SaaS platforma, která je navržena ke zlepšení workflow tvorby obsahu, můžete diskutovat o některých dalších nástrojích, které jsou nabízeny?

Ačkoli je v srdci Trintu naše AI-poháněné přepisování, o čemž jsme posedlí, je to, proč jsou ty přepisy užitečné pro naše uživatele, a jak můžeme pomoci jim získat hodnotu co nejrychleji a nejsnadněji. To znamená mít hluboké porozumění jejich workflow, abychom mohli pokusit se udělat každý krok co nejplynulejším.

Konečným cílem je, aby mohli zachytit jakoukoli tiskovou konferenci, rozhovor nebo událost, kdekoli, kdykoli, v jakémkoli jazyce, a mohli z toho okamžitě těžit. To znamená udělat to snadno pro ně nebo jejich tým, aby mohli ověřit a použít živé přepisování, jakmile se udál – ověřovat, sdílet a překládat klíčové citáty vteřiny poté, co byly vysloveny.

Naše mobilní aplikace znamená, že to může stát i tehdy, když máte pouze telefon u sebe, a zajišťuje, aby vše bylo zabezpečeně přeneseno k vašemu týmu, i když je spojení špatné.

Naše Story Builder je navržen tak, aby vám umožnil najít klíčové momenty ve všech vašich obsazích a proměnit je v novou naraci, která může být exportována do dalších klíčových nástrojů ve vašem workflow tvorby obsahu. Bez ohledu na to, zda je to hrubý řez pro videoeditaci, přepis podcastu nebo článek. Pokud potřebujete použít text audia jako titulky, naše spolupracovní editorská verze může pomoci i tam.

Máte také podcast, který osobně moderujete, nazvaný StoryTech, který se zabývá tím, jak technologie formuje příběhy. Můžete vysvětlit, co je tento podcast, co by měli diváci očekávat a proč by se měli dívat?

StoryTech je vlastně průnikem mých dvou kariér: reportéra a tech vynálezce. Zabývá se tím, jak technologie a inovace formují způsob, jakým jsou příběhy vyprávěny.

Rané epizody se zabývají tím, jak byla použita CGI k tomu, aby se zničila ledová stěna v Hře o trůny, a jak vynález 35mm Leica kamery v 20. letech 20. století vedl ke šíření fotožurnalistiky a vzniku časopisu LIFE.

Jsem fascinován dopadem inovací na vyprávění příběhů. To je to, o čem je StoryTech.

Jaký je váš výhled do budoucnosti Trintu?

To je výzva, se kterou se každý inovátor dnes potýká. Jak rychlý tempo inovací otevírá příležitosti pro můj produkt?

Naši zákazníci chtějí produkt, který vytváří jednoduché, intuitivní efektivnosti, které se hladce zapadají do jejich workflow. To znamená jít daleko beyond přepisování.

Trint bude využívat umělou inteligenci k tomu, aby dělal věci, které byly před několika lety nemyslitelné: identifikovat hlasy, tváře, sentiment, kontext, fakta a lži. To vše bude možné v jakémkoli jazyce – překládající z toho jazyka, jakmile je mluven. Klíčem je to udělat tak, aby se to integrovalo do dalších produktů, aby se vytvořil jeden bezproblémový workflow.

Nevidím Trint jako náhradu reportérů, spisovatelů a tvůrců obsahu. Je to o tom, aby je osvobodil od monotónnosti jejich práce a umožnil jim soustředit se na kreativitu. Je to vzrušující pokusit se představit si budoucnost. Nemluvím o lži: je to také děsivé.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Trint nebo sledovat podcast StoryTech.