Pavel Osokin, Co-Fundador y CEO de AMAI – Serie de Entrevistas

Pavel Osokin es el Co-Fundador y CEO de AMAI, una startup con sede en San Francisco que produce motores de voz de inteligencia artificial. Pavel lidera la operación y la estrategia de Amai con una ambición profesional de instalar su tecnología de voz en todos los teléfonos del mundo. En AMAI, desarrollaron una voz de inteligencia artificial que no podía ser distinguida de un discurso humano real por el 97% de los usuarios.

Has sido un empresario durante toda tu vida, habiendo lanzado tu primera empresa a los 13 años, ¿cuál fue tu primer intento de negocio y qué te motivó a adoptar esta mentalidad empresarial?

No llamé a eso una empresa, pero gané mi primer dinero revendiendo algunas cosas o simplemente lavando coches en la calle con un balde. Mi motivación era que quería un refresco o un snack, y mis padres no tenían dinero. Podía esperar a que el dinero apareciera o ganarlo yo mismo. Esperar no me atrae.

¿Podrías compartir la historia de origen detrás de AMAI?

Le pregunté a mi socio, “¿Qué necesitan las empresas de todo el mundo?” En esa conversación, me di cuenta de que todas las empresas buscan una “venta”. Empezamos a crear robots que pudieran corresponder con los clientes y vender productos a través del correo y los mensajeros. Por otro lado, no era algo particularmente nuevo, ya que hay muchos chatbots disponibles. Así que pensamos que si estos robots también pudieran hacer llamadas, sería genial. Como había pocas soluciones buenas en el mercado, creamos un prototipo de nuestra propia voz sintetizada, y después de las primeras ventas, abandonamos el robot y nos enfocamos en TTS.

¿Qué significa específicamente AMAI?

Esto significa “Soy inteligencia artificial” (I’m artificial intelligence).

¿Podrías discutir algunos de los desafíos detrás del diseño de tecnología de texto a voz de última generación?

Diseñar tecnología de texto a voz de última generación ofrece varios desafíos. El primero es recopilar conjuntos de datos. Entrenar una red neuronal requiere voces femeninas y masculinas de diferentes edades, y cuanto más, mejor. En segundo lugar, debes lograr una similitud muy cercana con una voz natural. El mejor método es probar diferentes modelos de aprendizaje automático y experimentar constantemente con diferentes casos de uso de la voz: en particular, debes encontrar la muestra más problemática y procesarla por separado. Hablando de desafíos a largo plazo, puede ser difícil evaluar si la voz se ha vuelto mejor o peor, y en qué dirección debe mejorarse.

¿Cuáles son algunos de los desafíos detrás del reconocimiento de voz cuando se trata de la interacción humana con la inteligencia artificial de voz de AMAI?

Hay cientos de empresas que trabajan en el reconocimiento de voz porque es más fácil de desarrollar. El problema que actualmente no tiene solución es el reconocimiento de la voz de un niño. Los niños tienen muchas características del habla a una edad temprana, por lo que es difícil tener en cuenta todas ellas. Sin embargo, hemos estado trabajando en una solución para este problema, y estamos muy cerca de anunciar el resultado: pronto, nuestra inteligencia artificial no tendrá problemas para interactuar no solo con adultos, sino también con niños.

¿Cuáles son algunos casos de uso populares para AMAI?

Actualmente, son la doblaje de audiolibros y el uso empresarial en centros de llamadas.

¿Qué idiomas se ofrecen actualmente y qué idiomas se están trabajando actualmente?

Nuestro sistema de varios hablantes incluye dos idiomas, ruso e inglés. La idea es que una voz creada en un idioma puede hablar todos los demás idiomas en nuestro modelo también. Actualmente, estamos recopilando datos para 40 idiomas más, y muy pronto tendremos 42.

¿Cuál es tu visión para el futuro de los asistentes de voz de inteligencia artificial?

Creo que los asistentes de voz se moverán hacia el metaverso, y estamos estudiando estas oportunidades ahora. Si integras el asistente con altavoces inteligentes o el navegador web, más personas utilizarán la búsqueda por voz y interactuarán con el asistente todos los días. Puedes hablar con tu refrigerador o TV.

¿Hay algo más que te gustaría compartir sobre AMAI?

AMAI utiliza solo sus propias tecnologías patentadas.

Gracias por la entrevista, los lectores que deseen aprender más pueden visitar AMAI.