Tyler Weitzman, Co-Pendiri & Kepala AI di Speechify – Seri Wawancara

Tyler Weitzman adalah Co-Pendiri, Kepala Kecerdasan Buatan & Presiden di Speechify, aplikasi teks-ke-suara nomor 1 di dunia, dengan lebih dari 100.000 ulasan 5-bintang. Weitzman adalah lulusan Universitas Stanford, di mana ia menerima gelar BS dalam matematika dan MS dalam Ilmu Komputer di jalur Kecerdasan Buatan. Ia telah dipilih oleh Inc. Magazine sebagai 50 Pengusaha Teratas, dan ia telah ditampilkan di Business Insider, TechCrunch, LifeHacker, CBS, di antara publikasi lainnya. Penelitian master Weitzman berfokus pada kecerdasan buatan dan teks-ke-suara, di mana makalah terakhirnya berjudul: “CloneBot: Prediksi Respons Dialog Personalisasi.”

Anda mulai mengkode ketika Anda berusia 9 tahun, apa yang awalnya menarik Anda ke ilmu komputer?

Saya cukup terobsesi sebagai anak dengan Dragon Ball Z, dan saya ingin belajar menganimasi diri saya sendiri. Saya belajar Adobe (ADBE ) Flash dan Photoshop dan memasang animasi Goku saya sendiri di halaman penggemar yang saya bangun. Segera setelah itu, saya mulai mempelajari tentang sistem dan algoritma, dan ketika saya belajar bahwa saya bisa benar-benar memprogram untuk hidup, itu cukup menyenangkan. Saya pikir itu hanya sebuah hobi seperti bermain game.

Anda kemudian mulai membangun aplikasi iPhone ketika Anda berusia 12 tahun, apa saja aplikasi-aplikasi tersebut?

Satu aplikasi disebut Black SMS yang memungkinkan orang mengirim pesan teks terenkripsi kepada satu sama lain. Aplikasi lain disebut Frontback yang memungkinkan pengguna mengambil foto selfie dan foto apa yang ada di depan mereka pada saat yang sama.

Bisakah Anda membahas penelitian Anda di Universitas Stanford dan bagaimana itu berfokus pada pemrosesan bahasa alami dan sintesis suara?

Penelitian saya mencakup beberapa penggunaan jaringan transformer, termasuk model generasi bahasa untuk obrolan, penandaan bagian ucapan, prediksi tanda baca, dan teks-ke-suara. Mengoptimalkan inferensi jaringan saraf untuk CPU seluler adalah fokus utama dan itu langsung diterjemahkan ke dalam suara offline yang tersedia di Speechify, yang bekerja bahkan dalam mode pesawat.

Bisakah Anda membagikan kisah asal di balik Speechify?

Saya buta di satu mata dan saudara laki-laki saya, Cliff, disleksia. Kami telah menggunakan buku audio dan teknologi audio teks-ke-suara sejak kami masih kecil untuk melewati sekolah dan ketika kami masih muda untuk membaca buku seperti Harry Potter. Ketika kami bertumbuh dewasa dan mulai menggunakan lebih banyak produk teknologi, kami mulai menyadari ada kesempatan untuk membangun aplikasi teks-ke-suara yang lebih baik di web dan seluler dengan suara yang lebih baik berkat kemajuan AI dan pengalaman pengguna yang lebih baik. Jadi kami memutuskan untuk melakukannya di Speechify.

Apa saja beberapa teknologi pembelajaran mesin yang digunakan di Speechify?

Kami telah mengadopsi teknik canggih untuk arsitektur generatif lanjutan – transformer/konformer, pelatihan prapengalaman skala besar, pelatihan terdistribusi, akumulasi gradien, ruang latent auto-encode, difusi, jaringan adversarial, dan pemodelan bahasa. Kami menggunakan teknik pendukung untuk pemrosesan fitur sekitar fonemisasi, nada, dan emosi, untuk lebih baik memodelkan suara secara khusus.

Apa saja beberapa tantangan di balik membangun aplikasi teks-ke-suara?

Satu tantangan kunci adalah membangun suara berkualitas tinggi yang terdengar seperti manusia nyata dan bukan robot. Tujuan kami adalah agar orang tidak dapat membedakan bagaimana suara kami terdengar dan bagaimana suara manusia, sehingga pengguna kami merasa nyaman mendengarkan konten di Speechify selama periode waktu yang lama. Tantangan kedua adalah mendistribusikan model AI kami ke jutaan pengguna. Ini adalah satu hal untuk membangun suara AI berkualitas tinggi dan hal lain untuk memastikan jutaan pengguna di seluruh dunia sebenarnya mengetahuinya dan menggunakannya.

Speechify adalah aplikasi nomor 1 di kategorinya di toko aplikasi, apa yang Anda atribusikan kesuksesan ini?

Kami percaya bahwa kami telah membangun produk terbaik di pasar untuk orang-orang yang ingin mendengarkan bacaan yang mereka butuhkan – apakah itu siswa dengan tugas, profesional yang membaca untuk pekerjaan, atau pembaca hiburan yang hanya ingin terhibur. Kami memiliki seleksi suara terbaik, termasuk selebriti seperti Snoop Dogg, dan antarmuka pengguna terbaik untuk orang-orang untuk dengan mudah mengunggah dan mengakses konten yang mereka inginkan. Dan pengalaman pengguna kami lancar di seluruh ekosistem Speechify – Anda dapat memulai mendengarkan artikel di komputer Anda dan kemudian dengan mudah memindahkannya untuk terus mendengarkannya di ponsel Anda.

Apa saja beberapa kasus penggunaan terbesar untuk aplikasi ini?

AI generatif Speechify memecahkan masalah nyata untuk siswa yang ingin menyelesaikan banyak tugas dengan lebih cepat, orang-orang nyata dengan disleksia dan ADHD yang memiliki kesulitan membaca, lansia dengan visi rendah, profesional yang ingin membaca lebih banyak dan lebih produktif, penulis yang ingin mendengarkan karya mereka, pembelajar auditori, dan banyak lagi.

Apa visi Anda untuk masa depan AI?

Kami ingin AI – dan khususnya suara teks-ke-suara AI – untuk menghilangkan hambatan bagi pembelajaran terlepas dari tingkat pendapatan, perbedaan pembelajaran, geografi, atau bahasa. Kami melihat AI sebagai alat untuk kebaikan sosial untuk meningkatkan kualitas hidup manusia melalui perbaikan pendidikan mereka.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Speechify.