シモン・ポゴスヤン、GSpeechの創設者兼CEO – インタビュー・シリーズ

シモン・ポゴスヤンは、GSpeechの創設者兼CEOです。GSpeechは、ウェブベースのAIプラットフォームで、テキストを70以上の言語で自然な音声に変換することで、オンラインコンテンツをよりアクセシブルにすることを支援しています。VLSIデザインの背景とプログラミングおよびユーザーエクスペリエンスへの強い関心を持つシモンは、ウェブサイトが音声コンテンツを提供する方法を簡素化するためにGSpeechを作成しました。

現在、GSpeechは毎月約2億文字の音声を生成し、70以上の国で使用されており、カスタマイズ可能なオーディオプレーヤーは毎月20万回以上再生されています。合計10億文字の音声を生成したことを最近超えたGSpeechは、急速に成長を続けています。このプラットフォームは、単一のコード行で簡単に統合できるように設計されており、クリエイター、教育者、企業がコンテンツをより包括的で魅力的になるように支援しています。

GSpeechは私たちのすべての英語ページでも使用されており、この記事を聞くことができ、GSpeechの性能を確認することができます。

あなたのVLSIデザイン（Very Large Scale Integration）における背景と初期のプログラミング経験は、強固な技術的基盤を築きました。AIを搭載したソフトウェアを構築することを決意したきっかけは何ですか？それがGSpeechの創設につながった経緯はどうなりましたか？

私の問題解決への情熱は、高校時代に数学と物理学への愛から始まりました。その関心は、2009年にアルメニア国立工科大学でVLSIデザインの学士号を、2011年に同大学で修士号を取得することになりました。物理学の勉強は、私に精度と分析的な思考を教えましたが、2年目に私はプログラミング、特にPascal言語に出会い、すぐにそれに恋しました。友人と私は、課題をすぐに完了し、6ヶ月以内に完了する必要がありました。すると、他の学生の課題もやり始めました。

この情熱は、私をソフトウェア開発の道に導きました。私はウェブサイトの作成から始め、独自のCMSを構築しました。プロセス自動化やデータ管理アーキテクチャの設計を行った後、私はデジタルソリューションを構築することへの情熱を発見しました。2GLuxプロジェクトを通じて、人気のあるGTranslate翻訳サービスを作成したエドヴァルド・アナニアンと協力しました。彼は私にWordPressとJoomlaのエコシステムを紹介し、GSpeechの概念は彼と共に生まれました。その初期の仕事は、後に完全な機能を備えたAIプラットフォームとなるツールの最初のバージョンにつながり、ウェブページのテキストを聞くことができるようにしました。2023年までに、私はSmarts Club LLCを設立し、GSpeechを70以上の言語をサポートするグローバルなAIオーディオソリューションに拡大しました。Humanity UnionのGSpeechの社会的責任プラットフォームのアクセシビリティを高める役割に対する称賛は、私のデジタル分断をAIで橋渡しするという使命を反映しています。これは、私の初期のプログラミング日々に根ざしています。

GSpeechは当初、視覚障害者のサポートツールとして始まりました。この初期の使命は、プラットフォームの進化にどのような影響を与えましたか？

アクセシビリティへの焦点は、高品質のリアルタイムAIオーディオ、70以上の言語への翻訳、シンプルなコードスニペットによるウェブサイトのシームレスな統合につながりました。この使命は、カスタマイズ可能なオーディオプレーヤー、言語と音声選択パネル、コンテキストに応じた再生、オーディオダウンロード、詳細な使用状況統計などの機能につながりました。100,000行以上のコードを書いた後、2023年にGSpeech Cloud Consoleを立ち上げました。これは、包括性と高度な機能性のバランスをとったスケーラブルなソリューションで、企業やクリエイターがコンテンツをよりアクセシブルでインタラクティブにすることを可能にします。

GSpeech Cloud Consoleの開発中に直面した最大の技術的な課題は何でしたか？

GSpeech Cloud Consoleを開発する上で最大の課題の1つは、リアルタイムでセキュアな高品質のAIオーディオ生成のためのスケーラブルなアーキテクチャを設計することでした。これには、ウェブから関連するコンテンツを取得し、サーバー上でオーディオを処理し、クラウド上で迅速かつ信頼性の高い配信のために保存するための革新的なソリューションが必要でした。ダイナミックでユーザー生成されたコンテンツを保護するためのロバストなセキュリティ対策、such as暗号化とアクセス制御の実装も重要でした。

もう1つの障害は、先進的なニューラルエンジンを使用したリアルタイム翻訳の実現でした。低遅延で正確な翻訳を保証する必要がありました。また、ユーザーが言語と好みの音声プロファイルを選択できる直感的なインターフェイスを構築する必要がありました。最後に、複数のカスタマイズ可能なプレーヤー表示を備えたオーディオテンプレート作成ウィザードを開発しました。柔軟性、パフォーマンス、ユーザビリティのバランスを取ることは、デバイス全体で課題でした。

70以上の言語でリアルタイム翻訳を提供し、230以上の自然な音声を備えているGSpeechでは、さまざまな言語セット全体で音声の品質と精度を確保するためにどのような措置を講じていますか？

一貫した音声品質を維持するために、複数の先進的なテキスト音声変換（TTS）モデルを統合し、継続的に最適化および更新しています。これらの多言語エンジンは、混合言語コンテンツを高精度で処理します。また、ユーザーにさらに表現力豊かで自然な音声オプションを提供するために、100以上の新しい音声スタイルを導入中です。GSpeechは毎月200万文字以上のオーディオを生成し、70以上の国で使用されており、オンラインプレーヤーは毎月20万回以上再生されています。この規模は、継続的なフィードバックと現実世界でのテストを提供し、これが直接品質管理に影響します。

GSpeechがAIと機械学習をどのように利用して、実際的な音声合成を提供しているのか、詳しく説明してください。ニューラル音声技術の急速な進歩にどのように対処していますか？

GSpeechは、最先端のAIと機械学習を利用して、自然な音声合成を生成しています。これらのモデルは、自然さと多言語対応に最適化されており、テキスト入力から高品質のオーディオを生成します。さらに、カスタマイズ可能な音声スタイルを提供してユーザーエクスペリエンスを向上させています。TTSエイリアスも統合しており、ユーザーは特定の単語やフレーズのオーディオでの表現方法をカスタマイズできます。ニューラル音声技術の進歩に追随するために、最新の進歩を継続的に評価し、業界のリーダーと協力し、将来は独自のモデルを開発する予定です。こうしてGSpeechは、音声合成の革新の最前線に立っています。

音声調整、ピッチ制御、再生のカスタマイズはあなたのユーザーにとってどれほど重要ですか？これらの機能が実際に輝いているユーザー事例を教えてください。

音声調整、ピッチ制御、再生のカスタマイズは、私のユーザーにとって非常に重要です。これらの機能により、ユーザーはニュースやブログのウェブサイトから、包括的なeラーニングコンテンツまで、独自の高品質な音声スタイルを制作できます。さらに100以上の新しい音声スタイルを導入することで、これらの機能はさらに強化されます。我が最も誇れるのは、GSpeech Studioです。これは、ユーザーが複数のオーディオチャンネルを制作し、バックグラウンドミュージックをミックスし、完成度の高い音声オーバーをエクスポートできる、新しいオーディオ編集および生成プラットフォームです。視覚障害を持つ学生からGSpeechが自主的な学習を可能にしたという感謝の手紙を受け取ったことは、私にとって大きな喜びでした。これは、これらの機能がコンテンツをアクセシブルで変革的なものにする方法を示しています。

GSpeechはWordPress、Shopify 、Wixなどとシームレスに統合されています。クリエイターと企業がさまざまなエコシステムでGSpeechをプラグアンドプレイで使用できるようにするための戦略は何ですか？

GSpeechのプラグアンドプレイ統合の戦略は、シンプルさ、互換性、スケーラビリティに焦点を当てています。軽量でモジュラーなプラグインとコードスニペットを開発し、最小限の設定で統合できるようにしました。したがって、数千の記事やダイナミックコンテンツブロックが手動作業なしで音声サポートを得ることができます。柔軟で美しく設計されたプレーヤーを提供し、デバイス全体で適応させています。これらのプレーヤーはカスタマイズ可能だけでなく、アクセシビリティとユーザーエンゲージメントにも最適化されています。WordPressの場合、管理パネルにGSpeechクラウドダッシュボードを直接埋め込むことで、ユーザー管理を簡素化しました。詳細なドキュメントと直感的なダッシュボードが、非技術的なユーザーを導きます。定期的なテストにより、さまざまなエコシステム全体で一貫したパフォーマンスが確保され、クリエイターと企業がAIを搭載したテキスト音声変換を容易に追加できるようになります。

2012年から現在までの旅を振り返ってみると、GSpeechを構築する上で、あなた自身や専門的に見て最も大きなマイルストーンは何でしたか？

GSpeechにとって最大のマイルストーンは、高品質のAIオーディオを10億文字生成し、世界的なアクセシビリティへの影響を実証したことです。同様に意味のあるのは、Humanity UnionからGSpeechが社会的責任プラットフォームのアクセシビリティを高めたという評価を受けたこと、またブログ所有者から「ゲームチェンジャー」と評価されたことです。WordPressやAppSumoなどのプラットフォームで110以上の5つ星レビューを受けていることも、信頼の証です。

GSpeechは現在、ウズベキスタンのナマンガン地域統計局のような政府機関でも活用されています。公共機関が技術を幅広く採用していることは、信頼の強い兆しです。

キリスト教徒として、またアルメニア教会で奉仕する者として、私は可能な限り他の信仰ベースのイニシアチブを支援しようとします。クリスチャンのウェブサイトにGSpeechを無料で提供することで、彼らのメッセージをより効果的に伝え、音声で聖書をよりアクセスしやすくする手助けをしています。これは、私がより大きなものに貢献できる小さな部分です。同時に、The Cordのような献身的なミニストリーと協力することを名誉に思います。彼らの使命とコンテンツは、実践における聖書の力を見せています。

これらの瞬間 — 技術が信仰、理解、包括性の橋となる時 — 私がGSpeechを作った理由を思い出させてくれます。

あなたはGSpeechが、特にオーディオコンテンツと音声インターフェイスがより支配的になる将来のデジタルメディアの役割をどのように見ていますか？

私はGSpeechが、AIを搭載した音声アクセスを提供することで、デジタルメディアをよりアクセシブルで魅力的になるように変革するリーダーとなることを想像しています。私たちの目標は、ウェブサイトがデフォルトで自然に音声インタラクティブで多言語対応になるように、オンライン体験全体を変えることです。単一のコード行で、サイト所有者は数千の記事を音声コンテンツに変えることができます。将来的に、GSpeech Studioを強力でユニークなオーディオ生成および編集プラットフォームとして開発し、ユーザーがバックグラウンドミュージックを備えたマルチレイヤーの音声コンテンツを作成できるようにします。私たちは、ウェブを真正に聞こえる、直感的で、普遍的にアクセス可能なものにしたいと思います。

GSpeechは最近AppSumoに登場し、早期の採用者からほぼ完璧な評価を獲得しました。AppSumoコミュニティからの反応はあなたにとって何を意味しますか？これらの勢いを将来どのように築き上げていく予定ですか？

AppSumoでの立ち上がりはGSpeechを数百万の人々に紹介し、そのほぼ完璧な評価は非常に励みになります。オンラインコースを運営しているユーザーは、私たちのツールの使いやすさや対応の速さを称賛しています。これは、Humanity Unionからのフィードバックと一致しています。ブログ所有者は、私たちの音声を「真正に魅力的」と表現し、翻訳を「印象的」と評しています。彼らの肯定的なフィードバックは、私たちのAIを搭載したテキスト音声変換ソリューションの価値を証明し、プロジェクトへの情熱を燃やしています。立ち上がり中のクライアントをサポートすることも、新しいアイデアを生み出し、特にGSpeech Studioの開発に影響を与えました。これは、ユーザーのリクエストに応えて、先進的なオーディオ編集およびエクスポート機能を提供することを目的としています。将来的に、この勢いを維持するために、コミュニティの声を積極的に聞き、フィードバックを統合し、包括性とエンゲージメントを高めるための革新的な機能を開発し、GSpeechが変革的なツールとして進化し続けることを保証します。

最後に、今日の急速に変化するテクノロジー景観で、アクセシブルでAIを搭載したツールを構築したい若い開発者や起業家に、どのようなアドバイスを贈りますか？

若い開発者や起業家に、私のアドバイスは、心を込めて仕事に取り組み、真正な問題に対してユニークでスマートな解決策を提供することです。小さなステップから始め、顧客のフィードバックを慎重に聞き、ユーザーを信頼できる友人として扱い、すべてを尽くし、忍耐強くありましょう。AIテクノロジーを、強力なアライであると見なしてください。賢く使えば、インパクトのあるアクセシブルなツールを作成する能力を増幅します。情熱、忍耐、違いを生み出すというコミットメントで構築し、真正に意味のある解決策を作成します。

素晴らしいインタビュー、ありがとうございます。私たちはGSpeechの解決策をウェブサイトに採用しました。簡単な統合のためです。詳細については、GSpeechを訪れてください。