Tyler Weitzman, Co-Fundador y Jefe de Inteligencia Artificial en Speechify – Serie de Entrevistas

Tyler Weitzman es el Co-Fundador, Jefe de Inteligencia Artificial y Presidente de Speechify, la aplicación de texto a voz número 1 en el mundo, con más de 100.000 reseñas de 5 estrellas. Weitzman es graduado de la Universidad de Stanford, donde obtuvo una licenciatura en matemáticas y una maestría en Ciencias de la Computación en la pista de Inteligencia Artificial. Ha sido seleccionado por la revista Inc. como uno de los 50 mejores empresarios, y ha sido destacado en Business Insider, TechCrunch, LifeHacker, CBS, entre otras publicaciones. La investigación de su maestría se centró en inteligencia artificial y texto a voz, donde su trabajo final se tituló: “CloneBot: Predicciones personalizadas de diálogo-respuesta”.

Comenzaste a programar cuando tenías solo 9 años, ¿qué te atrajo inicialmente a la informática?

Estaba bastante obsesionado de niño con Dragon Ball Z, y quería aprender a animar yo mismo. Aprendí Adobe (ADBE ) Flash y Photoshop y puse mis propias animaciones de Goku en una página web de fanes que construí. Fue poco después que comencé a aprender sobre sistemas y algoritmos, y cuando aprendí que podía programar para ganarme la vida, eso fue bastante emocionante. Pensé que era solo un pasatiempo como jugar juegos.

Luego comenzaste a construir aplicaciones para iPhone cuando tenías solo 12 años, ¿cuáles fueron algunas de esas aplicaciones?

Una aplicación se llama Black SMS que permite a las personas enviar mensajes de texto cifrados entre sí. Otra aplicación se llamaba Frontback que permite a los usuarios tomar selfies y fotos de lo que está frente a ellos al mismo tiempo.

¿Puedes hablar sobre tu investigación en la Universidad de Stanford y cómo se centró en procesamiento de lenguaje natural y síntesis de voz?

Mi investigación abarcó múltiples usos para redes de transformadores, incluyendo modelos de generación de lenguaje para chat, etiquetado de partes del habla, predicción de puntuación y texto a voz. La optimización de la inferencia de redes neuronales para CPUs móviles fue un enfoque principal y eso se tradujo directamente en las voces offline disponibles en Speechify, que funcionan incluso en modo avión.

¿Puedes compartir la historia de la creación de Speechify?

Soy ciego en un ojo y mi hermano Cliff es disléxico. Hemos utilizado audiolibros y tecnología de audio de texto a voz para todo lo que podemos recordar para pasar por la escuela y cuando éramos jóvenes para leer libros como Harry Potter. A medida que crecimos y comenzamos a usar más productos tecnológicos, comenzamos a darnos cuenta de que había una oportunidad para construir mejores aplicaciones de texto a voz en web y móviles con mejores voces gracias a los avances en IA y una mejor experiencia de usuario. Así que decidimos ir por ello en Speechify.

¿Cuáles son algunas de las diferentes tecnologías de aprendizaje automático que se utilizan en Speechify?

Hemos adoptado técnicas de vanguardia para arquitecturas generativas avanzadas: transformadores/conformadores, preentrenamiento a gran escala, entrenamiento distribuido, acumulación de gradientes, espacios latentes auto codificados, difusión, redes adversarias y modelado de lenguaje. Empleamos técnicas de procesamiento de características para fonemización, tono y emoción, para modelar mejor el habla en particular.

¿Cuáles son algunos de los desafíos detrás de la construcción de una aplicación de texto a voz?

Uno de los desafíos clave es construir voces de alta calidad que suenen como humanos reales en lugar de robots. Nuestro objetivo es que la gente no pueda distinguir la diferencia entre cómo suenan nuestras voces y cómo suenan los humanos, para que nuestros usuarios se sientan cómodos escuchando contenido en Speechify durante largos períodos de tiempo. Un segundo desafío es distribuir nuestros modelos de IA a millones de usuarios. Es una cosa construir voces de IA de alta calidad y otra cosa asegurarse de que millones de usuarios en todo el mundo actually se enteren de ellas y las usen.

Speechify es la aplicación número 1 en su categoría en la tienda de aplicaciones, ¿a qué atribuyes este éxito?

Creamos que hemos construido los mejores productos en el mercado para personas que quieren escuchar lo que necesitan leer: ya sea estudiantes con tareas, profesionales que leen para trabajar o lectores de ocio que simplemente quieren ser entretenidos. Tenemos la mejor selección de voces, incluyendo celebridades como Snoop Dogg, y la mejor interfaz de usuario para que las personas puedan subir y acceder fácilmente al contenido que desean consumir. Y nuestra experiencia de usuario es fluida en todo el ecosistema de Speechify: puedes comenzar a escuchar un artículo en tu computadora y luego fácilmente transferirlo para seguir escuchando en tu teléfono.

¿Cuáles son algunos de los casos de uso más grandes para esta aplicación?

La IA generativa de Speechify resuelve problemas reales para estudiantes que quieren pasar por muchas tareas más rápido, personas reales con dislexia y TDAH que tienen problemas para leer, personas mayores con visión baja, profesionales que quieren leer más y ser más productivos, escritores que quieren escuchar su trabajo, aprendices auditivos y muchos más.

¿Cuál es tu visión para el futuro de la IA?

Queremos que la IA – y específicamente las voces de texto a voz de IA – elimine las barreras para el aprendizaje independientemente de tu nivel de ingresos, diferencias de aprendizaje, geografía o idioma. Vemos la IA como una herramienta para el bien social para elevar la calidad de vida que los humanos pueden vivir mejorando su educación.

Gracias por la gran entrevista, los lectores que desean aprender más pueden visitar Speechify.