ярилцлага
Павел Осокин, AMAI-ийн үүсгэн байгуулагч, гүйцэтгэх захирал – Цуврал ярилцлага
Павел Осокин бол хамтран үүсгэн байгуулагч, гүйцэтгэх захирал юм AMAI, аа Сан Францискод төвтэй, хиймэл оюун ухаантай дуу хоолойны хөдөлгүүр үйлдвэрлэдэг стартап. Павел дэлхийн бүх утсанд дуу хоолойны технологийг суулгах мэргэжлийн хүсэл тэмүүлэлтэй Амай компанийн үйл ажиллагаа, стратегийг удирдаж байна. AMAI-д тэд хэрэглэгчдийн 97% нь хүний жинхэнэ ярианаас ялгагдахааргүй хиймэл оюун ухааны дуу хоолойг бүтээжээ.
Та 13 настайдаа анхны компаниа үүсгэн байгуулсан насан туршийн бизнес эрхлэгч байсан бөгөөд таны бизнес хийх анхны оролдлого юу байсан бэ, энэ энтрепренёр сэтгэлгээнд юу нөлөөлсөн гэж бодож байна вэ?
Би үнэхээр компани гэж хэлээгүй ч зарим зүйлийг дахин зарж эсвэл гудамжинд хувинтай машинаа угаах замаар анхны мөнгөтэй болсон. Миний сэдэл бол би кокс эсвэл сникерс уухыг хүсч байсан бөгөөд аав ээжид мөнгө байхгүй байсан. Би мөнгө гарч ирэхийг хүлээх эсвэл өөрөө олох боломжтой. Хүлээх нь надад таалагдахгүй байна.
Та AMAI-ийн үүслийн түүхийг хуваалцаж болох уу?
Би хамтрагчаасаа "Дэлхийн компаниудад юу хэрэгтэй байна вэ?" Тэр ярианаас би бүх бизнес "борлуулалт" хайж байгааг ойлгосон. Бид үйлчлүүлэгчидтэй харилцаж, шуудан, мессенжерээр бүтээгдэхүүнээ борлуулах боломжтой роботуудыг хийж эхэлсэн. Нөгөөтэйгүүр, олон чатбот байдаг тул энэ нь тийм ч шинэ зүйл биш байв. Тиймээс, хэрэв эдгээр роботууд дуудлага хийх боломжтой бол сайхан байх болно гэж бид бодсон. Зах зээл дээр сайн шийдэл цөөхөн байсан тул бид өөрсдийн нэгтгэсэн дуу хоолойны прототипийг бүтээж, анхны борлуулалтын дараа роботоо орхиж, TTS дээр анхаарлаа хандуулсан.
AMAI нь юуг тусгайлан илэрхийлдэг вэ?
Энэ нь би AI (би хиймэл оюун ухаан) гэсэн үг юм.
Та хамгийн сүүлийн үеийн Text-to Speech технологийг зохион бүтээхэд тулгарч буй бэрхшээлүүдийн талаар ярилцаж болох уу?
Орчин үеийн TTS-ийг зохион бүтээх нь хэд хэдэн сорилттой тулгардаг. Эхнийх нь мэдээллийн багц цуглуулах явдал юм. Мэдрэлийн сүлжээг сургахад янз бүрийн насны эмэгтэй, эрэгтэй дуу хоолой шаардлагатай бөгөөд илүү их байх тусмаа сайн. Хоёрдугаарт, та байгалийн дуу хоолойтой маш ойрхон төстэй байдалд хүрэх хэрэгтэй. Хамгийн сайн арга бол машин сургалтын янз бүрийн загваруудыг туршиж, дуу хоолойг ашиглах янз бүрийн тохиолдлыг байнга туршиж үзэх явдал юм: ялангуяа та хамгийн асуудалтай түүврийг олж, тусад нь боловсруулах хэрэгтэй. Урт хугацааны сорилтуудын тухай ярих юм бол дуу хоолой сайжирсан уу, муудсан уу, ямар чиглэлд сайжруулах ёстойг үнэлэхэд хэцүү байж болно.
Хүмүүс AMAI дуут хиймэл оюун ухаантай харьцаж байгаа үед яриа танихад ямар бэрхшээл тулгардаг вэ?
Хөгжүүлэхэд илүү хялбар учраас дуу таних тал дээр олон зуун компани ажиллаж байна. Одоогоор шийдэлгүй байгаа асуудал бол хүүхдийн дуу хоолойг таних явдал юм. Хүүхдүүд бага насандаа ярианы олон шинж чанартай байдаг тул бүгдийг нь авч үзэхэд хэцүү байдаг. Гэсэн хэдий ч бид энэ асуудлыг шийдэх арга зам дээр ажиллаж байгаа бөгөөд үр дүнг нь зарлахад тун ойрхон байгаа тул удахгүй манай хиймэл оюун ухаан насанд хүрэгчид төдийгүй хүүхдүүдтэй харилцахад ямар ч асуудал гарахгүй.
AMAI-г ашиглах түгээмэл тохиолдлууд юу вэ?
Яг одоо энэ нь дуудлагын төвүүдэд аудио номыг хуулбарлах, байгууллагын хэрэглээ юм.
Одоогоор ямар хэлүүдийг санал болгож байна, ямар хэл дээр ажиллаж байна вэ?
Манай олон хэлтэй системд орос, англи гэсэн хоёр хэл багтдаг. Нэг хэлээр бүтээгдсэн дуу хоолой нь манай загварт бусад бүх хэлээр ярьж чаддаг гэсэн санаа юм. Одоогоор бид 40 гаруй хэлээр мэдээлэл цуглуулж байгаа бөгөөд тун удахгүй 42 хэлтэй болно.
AI дуут туслахуудын ирээдүйн талаар та ямар төсөөлөлтэй байна вэ?
Дуут туслахууд метаверс руу шилжинэ гэдэгт би итгэж байгаа бөгөөд бид одоо эдгээр боломжуудыг судалж байна. Хэрэв та туслахыг ухаалаг чанга яригч эсвэл вэб хөтчтэй нэгтгэвэл өдөр бүр илүү олон хүн дуут хайлтыг ашиглаж, туслахтай харьцах болно. Та хөргөгч эсвэл зурагттайгаа ярьж болно.
AMAI-ийн талаар хуваалцахыг хүссэн өөр зүйл байна уу?
AMAI нь зөвхөн өөрийн эзэмшлийн технологийг ашигладаг.
Ярилцлага өгсөнд баярлалаа. Илүү ихийг мэдэхийг хүссэн уншигчид маань зочлоорой AMAI.
