Jaime Bosch, CEO, Voicemod – Συνέντευξη Σειράς

O Jaime Bosch είναι ο CEO της Voicemod μια δωρεάν εφαρμογή αλλαγής φωνής για gamers, δημιουργούς περιεχομένου και vtubers.

Μπορείτε να μοιραστείτε την ιστορία πίσω από το Voicemod;

Ως το 8ο από τα 10 παιδιά, μεγάλωσα σε ένα περιβάλλον όπου μπορούσα να αναπτύξω πλήρως το επιχειρηματικό μου πνεύμα από πολύ μικρή ηλικία, καθώς υπήρχε πάντα υποστήριξη από αδέλφια με παρόμοιο πνεύμα.

Ως τέτοιο, ήταν μόνο θέμα χρόνου που δύο από τους αδέλφους μου και εγώ, όλοι μας μοιραζόμαστε μια βαθιά αγάπη για την τεχνολογία και τη μουσική, να πειραματιστούμε με την ιδέα της δημιουργίας μιας εφαρμογής που συνδύαζε τα ενδιαφέροντά μας. Έτσι, το 2009, το κάναμε και δημιουργήσαμε μια εφαρμογή μουσικής B2C ως πλευρική δουλειά για το στούντιο που λειτουργούσαμε ως κύρια απασχόλησή μας.

Καθώς ήταν μια πλευρική δουλειά, πειραματιστήκαμε πολύ με πράγματα όπως η αλλαγή φωνής, τα οποία μας ενέπνευσαν να δημιουργήσουμε κάτι完全 νέο και πρωτοποριακό. Το αποτέλεσμα αυτού ήταν αυτό που ονομάζαμε “Voicemod Experience” – ένα完全 νέο τρόπο να βιώσετε τη δική σας φωνή – το οποίο έγινε η κινητήρια δύναμη της εξέλιξης της εφαρμογής. Ανεξάρτητα από ποιον έκανε δοκιμή το λογισμικό μας, συνεχίσαμε να συναντάμε τις ίδιες αντιδράσεις από τους ανθρώπους που έβιωναν την εφαρμογή: γέλιο και εκπλήξη όταν άκουγαν τον εαυτό τους με έναν完全 διαφορετικό τρόπο.

Αυτό μας οδήγησε να ξανασχεδιάσουμε την όρασή μας για το προϊόν, σε κάτι που θα μπορούσε τελικά να εξελίξει την ανθρώπινη σύνδεση μέσω του μέσου του ήχου. Έτσι, φέραμε την εμπειρία από το κινητό στο PC, όπου ήταν αμέσως αναγνωρισμένη από την εκρηκτική σκηνή gaming και streaming – και το υπόλοιπο, όπως λέει ο λόγος, είναι “ιστορία”.

Το Voicemod ήταν αρχικά ένα πλευρικό έργο — πότε συνειδητοποιήσατε ότι θέλατε να το κάνετε ολοκληρωμένα;

Αρχικά, οι αδέλφοι μου και εγώ είχαμε ένα στούντιο μαζί που ονομάζονταν 2taptap. Όταν μας ήρθε η ιδέα να δημιουργήσουμε το Voicemod, ήταν αρχικά μόνο ένα διασκεδαστικό πλευρικό έργο, αλλά καθώς πέρασε ο καιρός, είδαμε πώς οι άνθρωποι αλληλεπιδρούσαν με αυτό και το είδος του δυναμικού που είχε η τεχνολογία. Μέχρι εκείνο το σημείο, η περισσότερη τεχνολογία αλλαγής φωνής ήταν ασύγχρονη, οπότε να μπορείτε να βιώσετε τον εαυτό σας ως κάποιον άλλον σε ένα πραγματικό περιβάλλον ήταν κάτι νέο για πολλούς ανθρώπους. Η καθοριστική στιγμή για εμάς, ωστόσο, ήταν η συνειδητοποίηση ότι οι άνθρωποι χρησιμοποιούσαν την τεχνολογία μας για να μην έχουν μόνο διασκέδαση, αλλά για να διαμορφώσουν ολόκληρο τον τρόπο με τον οποίο εκφράζονταν στο διαδίκτυο. Αυτό είναι όταν συνειδητοποιήσαμε ότι χτίζαμε κάτι που δεν ήταν μόνο για ψυχαγωγία, αλλά πιθανώς το επόμενο βήμα στην εξέλιξη των κοινωνικών ηχητικών εμπειριών.

Μπορείτε να συζητήσετε κάποιες από τις τεχνολογίες αναγνώρισης φωνής;

Με την ποικιλία των αλλαγών φωνής στο κατάλογό μας, υπάρχουν διαδικασίες που υφίστανται για να πάρουν μια κανονική ανθρώπινη φωνή και να τη μεταμορφώσουν σε κάτι νέο. Φυσικά, υπάρχουν επίσης аспектοι στη φωνή σας που πρέπει να ληφθούν υπόψη, όπως η ηλικία, το φύλο, η эмоция και απλές παραλλαγές στο πώς μιλάτε.

Αυτές οι παραλλαγές συμβάλλουν στο πώς κάποιος μπορεί να ακούγεται και επηρεάζουν τις αλλαγές που εφαρμόζονται. Χρησιμοποιούμε στοιχεία από την τεχνολογία αναγνώρισης φωνής για να διευκολύνουμε την αλλαγή φωνής και τη μετατροπή όσο το δυνατόν πιο ακριβής — και συνεχίσαμε να βελτιώνουμε αυτή τη διαδικασία. Θέλουμε να δώσουμε στους ανθρώπους την ευκαιρία να διαμορφώσουν πώς θα αντιλαμβάνονται, να ακούγονται όπως θέλουν να ακούγονται, και να προσφέρουν μια εξαιρετική ακρόαση στο κοινό τους.

Γιατί είναι σημαντικό να βοηθήσετε τους ανθρώπους να εκφραστούν μέσω του ήχου;

Από τη στιγμή που γεννιόμαστε και το πρώτο κλάμα του μωρού, ο ήχος είναι ο φυσικός τρόπος με τον οποίο μαθαίνουμε να εκφραζόμαστε. Όσο μεγαλώνουμε, η σημασία της ηχητικής επικοινωνίας συνεχίζει να αυξάνεται, καθώς μαθαίνουμε να μορφοποιούμε τον ήχο σε γλώσσα και να χρησιμοποιούμε τις φωνές μας για να βάλουμε συναισθήματα και ναυαγεία στα λόγια που ομιλούμε. Ανεβάζοντας την πίεση της φωνής μας, μπορούμε να σηματοδοτήσουμε την ενθουσιασμό – ή να χρησιμοποιήσουμε ηχητικά εφέ, όπως στεναγμούς ή γκρουντ, για να δώσουμε ιδιαίτερη έμφαση στα σημεία που θέλουμε να κάνουμε.

Για κάποιους πραγματικά ταλαντούχους ανθρώπους, η φωνή είναι ένα όργανο για απεριόριστη έκφραση – καθώς μπορούν να δημιουργήσουν απεριόριστο αριθμό ηχητικών εφέ ή φωνών. Οι περισσότεροι από εμάς, ωστόσο, δεν είμαστε τόσο τυχεροί και πραγματικά αισθανόμαστε άβολα με τις φωνές μας (ειδικά όταν τις ακούμε ηχογραφημένες). Κάποιοι από τους χρήστες μας μιλούν για το ότι αισθάνονται νευριασμένοι όταν μιλάνε μπροστά σε ξένους και ενοχλούνται που δεν μπορούν να εκφραστούν σωστά όπως θα ήθελαν.

Αυτό είναι το σημείο όπου βλέπουμε μια τεράστια ευκαιρία να βοηθήσουμε τους ανθρώπους. Με τις φωνητικές ταυτότητες μας, οι χρήστες μπορούν να διαμορφώσουν τις φωνές τους να είναι κάτι που αισθάνονται άνετα – ή ακόμη και να γλιστρήσουν σε διαφορετικές φωνές για συγκεκριμένες καταστάσεις. Θέλουμε επίσης να τους δώσουμε τη δυνατότητα να χρησιμοποιήσουν ηχητικά εφέ, μουσικά κλιπ ή ηχητικές εικονίδια για να δημιουργήσουν ατμόσφαιρα, να μεταφέρουν контέκστ ή να εφαρμόσουν κωμικά εφέ – παρόμοια με τον τρόπο με τον οποίο τα γραφικά εικονίδια έχουν βοηθήσει να διαμορφώσουν την επικοινωνία κειμένου.

Έχετε περιγράψει το Voicemod ως εξέλιξη της ανθρώπινης σύνδεσης μέσω του ήχου, μπορείτε να επεκταθείτε σε αυτό;

Εκτός από το να απελευθερώνουμε τον ομιλητή και να αφαιρούμε ένα είδος ψυχολογικού μπλοκ που σταματά τους ανθρώπους από το να μιλάνε, εργαζόμαστε επίσης για να κάνουμε αυτή τη σύνδεση βαθύτερη. Για παράδειγμα, το ηχητικό μας πίνακα παίρνει την επικοινωνία και την ανεβάζει στο επόμενο επίπεδο — σκεφτείτε το ως “ηχητικό εικονίδιο”. Μπορείτε να φανταστείτε ανθρώπους κάτω των 35 ετών να μιλάνε χωρίς να χρησιμοποιούν εικονίδια; Αυτή η τεχνολογία έχει υπάρξει για ό,τι feels σαν αιώνες τώρα, αλλά πραγματικά έχει γίνει βαθιά ενσωματωμένη στην επικοινωνία μας από περίπου το 2010. Είδαμε μια παρόμοια τάση με τα στίκερς στα μηνύματα, την άνοδο των ηχητικών μηνυμάτων και σημειωμάτων, και τώρα την αναδυόμενη χρήση των GIF και Giphy. Με την κλιμάκωση των παγκόσμιων ηχητικών επικοινωνιών, η σημασία του πώς χρησιμοποιούμε τον ήχο αυξάνεται. Το να στείλετε μια ηχητική αντίδραση στο αστείο του φίλου σας μπορεί να πει πολλά περισσότερα για την αληθινή, ειλικρινή αντίδραση σας από το να γράψετε μια πρόταση. Φανταστείτε τη διαφορά μεταξύ του να ακούτε τον ήχο των γρύλων και ba dum tss! Όλα αυτά έχουν διαφορετικές σημασίες και συναισθήματα που μπορείτε να επικοινωνήσετε με ένα μόνο κλικ.

Θέλουμε να κάνουμε όσο το δυνατόν πιο εύκολο για τους χρήστες να χρησιμοποιούν φωνές, ηχητικά εφέ και ηχητικά εικονίδια για να έχουν πιο ελκυστικές ηχητικές συνομιλίες με φίλους, οικογένεια ή ξένους.

Τι είναι κάποιες από τις τεχνολογίες μηχανικής μάθησης πίσω από την εφαρμογή Voicemod, συμπεριλαμβανομένης της δυνατότητας να κάνουν τους χρήστες να ακούγονται καλύτερα και να προσαρμόζουν την φωνή τους γύρω από την πραγματική τους φωνή;

Η μηχανική μάθηση βρίσκεται στην καρδιά των περισσότερων από τις νέες λειτουργίες του Voicemod.

Σχετικά με το δημιουργικό μέρος, το Voicelab του Voicemod έχει δημιουργήσει την πρώτη τεχνολογία αλλαγής φωνής σε πραγματικό χρόνο στην αγορά που θα επιτρέψει στους χρήστες να επιλέξουν τη δική τους ηχητική ταυτότητα, δημιουργώντας προσωπικές φωνές για κάθε ένα.

Με την καινούρια, προηγμένη τεχνολογία που θα κυκλοφορήσει σύντομα, δημιουργούμε φωνές που δεν έχουν ακουστεί ποτέ πριν με μοναδικά χαρακτηριστικά που θα βοηθήσουν να προστατεύσουν την ιδιωτικότητα και την ασφάλεια των χρηστών, ενώ ταυτόχρονα τους επιτρέπουν να δημιουργήσουν την επιθυμητή προσωπικότητα τους μέσω του ήχου.

Έχουμε επίσης παρατηρήσει μεθόδους μηχανικής μάθησης που βασίζονται σε δεδομένα να εμφανίζονται τα τελευταία χρόνια. Αυτές μας επιτρέπουν να μάθουμε αφηρημένες κρυφές δομές μέσα στα σήματα ομιλίας που σχετίζονται με την αντίληψη χαρακτηριστικών της φωνής, όπως η φωνολογία, το περιεχόμενο, η ταυτότητα, η πρόθεση και η διάθεση. Χρησιμοποιώντας αυτές τις τεχνολογίες, μπορούμε να ελέγξουμε και να τροποποιήσουμε τα αντίληπτα χαρακτηριστικά του σήματος. Αυτό μας επιτρέπει να σχεδιάσουμε τεχνολογίες που δίνουν στους χρήστες περισσότερο έλεγχο над τις αντιληπτές φωνητικές ταυτότητες με έναν τρόπο που δεν ήταν δυνατός πριν.

Τι είναι κάποιες από τις περιπτώσεις χρήσης της εφαρμογής Voicemod;

Το υπέροχο πράγμα για το Voicemod είναι ότι τα εργαλεία του εξυπηρετούν eine ευρεία ποικιλία αναγκών και καταστάσεων. Οι πιο κοινοί τρόποι θα ήταν για τη δημιουργία περιεχομένου, το gaming με φίλους, το chat με οικογένεια ή φίλους, τη δημιουργία εικονικών περιβαλλόντων ρόλων, ή ακόμη και για δουλειά και επιχείρηση – όπου οι χρήστες κυρίως χρησιμοποιούν τα εργαλεία μας για την ακύρωση θορύβου και την βελτίωση του ήχου.

Μπορείτε να συζητήσετε κάποιες από τις προκλήσεις και τα οφέλη της εκκίνησης μιας επιχείρησης με αδέλφια;

Ειλικρινά, θα ήθελα να το κάνω, και ξέρω ότι φυσικά όλοι αντιμετωπίζουν προκλήσεις με κάποιον τρόπο, αλλά πραγματικά δεν μπορώ να θυμηθώ πολλές σε нашей περίπτωση. Ο λόγος είναι ότι προέρχομαι από μια πολύ μεγάλη οικογένεια. Πάντα κάναμε κάτι μαζί, από παιδικά έργα μέχρι να παίζουμε μουσική και να δημιουργούμε. Ήταν μόνο φυσικό που θα 끝νούσαμε να δουλεύουμε μαζί. Οι αδέλφιοι μου, Φερνάντο και Χουάν — οι οποίοι, όπως ανέφερα, συνίδρυσε το Voicemod μαζί μου — ήδη είχαν αρκετές εταιρείες μαζί, οπότε είχαν πολλή εμπειρία σε αυτό. Εγώ τους εντάχθηκα το 2010 στην εταιρεία τους, η οποία ονομάζονταν 2taptap, οπότε έπαιρνα μια αίσθηση γι’ αυτό. Αυτό σημαίνει ότι όταν δημιουργήσαμε το Voicemod, το κάναμε πλήρως ευθυγραμμισμένοι με αυτό που θέλαμε να επιτύχουμε και, ακόμη πιο σημαντικά, πώς θέλαμε να το επιτύχουμε. Αυτό έχει πραγματικά βοηθήσει να φέρει μια πολύ ισχυρή κουλτούρα συμφωνίας των αξιών στο Voicemod, η οποία έχει été μια αληθινή κλειδί στην επιτυχία μας.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με το Voicemod;

Υπάρχει πολύ που συμβαίνει πίσω από τις κulis, αλλά σε ευθυγράμμιση με την επιθυμία μας να εξελίξουμε τον ήχο για όλους, εργαζόμαστε επί του παρόντος σε κάτι για να κάνουμε την τεχνολογία μας ακόμη πιο… προσιτή. Ένας τρόπος για κάθε dévelopερ να χρησιμοποιήσει την τεχνολογία μας στην εφαρμογή τους

Ξέρουμε ότι οι άνθρωποι περνούν το μεγαλύτερο μέρος του εγρύπνου χρόνου τους online, συνδεδεμένοι, εκφράζοντας τον εαυτό τους σε διάφορες πλατφόρμες και εφαρμογές. Σε online περιβάλλοντα, το “avatar” σας είναι η ολόκληρη αυτοπαράσταση σας. Και πραγματικά, ποιος είναι εκείνος ο άνθρωπος χωρίς φωνή;

Η κατασκευή τεχνολογίας αλλαγής φωνής σε πραγματικό χρόνο και η ανάπτυξη ενός συστήματος πλήρως προσαρμόσιμων ηχητικών εκφράσεων είναι πολλή δουλειά. Η ομάδα μας έχει πάρει αυτό το βήμα έξω από την εξίσωση, σχεδιάζοντας ένα ολόκληρο kit που μπορεί να ενσωματωθεί εύκολα από dévelopers όπου κι αν βρίσκονται. Είμαστε εξαιρετικά ενθουσιασμένοι να κάνουμε την τεχνολογία μας προσιτή σε dévelopers και χρήστες σε όλο τον κόσμο, καθώς συνεχίζουμε να χτίζουμε το μέλλον των κοινωνικών ηχητικών εμπειριών!

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν Voicemod.