Benjamin Dorr, CEO of WellSaid – Wywiad

Benjamin Dorr jest CEO WellSaid i posiada ponad 20-letnie doświadczenie w zarządzaniu i inwestowaniu w firmy na wczesnym etapie rozwoju i firmy o szybko rosnącym tempie wzrostu, głównie w branży technologicznej. Bezpośrednio przed WellSaid, Benjamin był dyrektorem operacyjnym Cordial, platformy marketingowej cross-channel i dwukrotnym laureatem Deloitte Fast 500. Pełnił również funkcje wykonawcze w Valassis Digital, Rustic Pathways, Rhythm NewMedia i Counsyl. Benjamin rozpoczął swoją karierę w Citi, Morgan Stanley (MS ) i The Carlyle (CG ) Group, i posiada tytuł licencjata z Harvardu w dziedzinie informatyki i polityki publicznej.

Od momentu powstania w 2019 roku, WellSaid wykorzystuje zaawansowaną technologię text-to-speech, aby tworzyć ultra-realistyczne, wysokiej jakości głosy AI, starannie dobierając profesjonalnych aktorów głosowych i budując własną platformę AI. Firma oferuje rozwiązania gotowe do wdrożenia w przedsiębiorstwach, takie jak narzędzie Studio do współpracy przy tworzeniu głosów i interfejs API do bezproblemowej integracji, pomagając zespołom w marketingu, szkoleniach, produkcji wideo i rozwoju produktów w dostarczaniu spójnych, zgodnych z marką dźwięków. Kierując się silnymi wartościami i zasadami odpowiedzialnego AI, WellSaid priorytetem jest zaufanie, jakość i etyczne wdrożenie, aby zapewnić angażujące, pełne emocji i wiarygodne doświadczenia audio.

Miałeś fascynującą podróż — od bankowości inwestycyjnej i VC do pomocy w skalowaniu firm o misji. Jak te różnorodne doświadczenia ukształtowały twoje podejście do przywództwa i wizję dla WellSaid?

Przed założeniem mojej pierwszej firmy w 2006 roku, miałem szczęście doświadczyć podejścia do przywództwa, które ukształtowało, jak zarządzam. Na początku swojej kariery trafiłem na fantastycznego inwestora o imieniu Ed Mathias, którego styl przywództwa i inwestycyjny rezonował ze mną. Budował wszystkich wokół siebie i uważał swoją sieć za największy aktyw. Szukał diamentów wśród szorstkich kamieni, a nie tylko zwycięzców konsensusu, i twierdził, że ponieważ istnieje wiele sposobów na zarobienie pieniędzy, można optymalizować inne rzeczy — ciekawość intelektualną, ludzi, z którymi się pracuje, co pomaga światu itp.

Głos AI ewoluował gwałtownie w ciągu zaledwie kilku lat. Jaki największy skok do przodu, jak sądzisz, nastąpi kolejny — i jak WellSaid przygotowuje się do niego?

Powszechność. W miarę jak jakość głosu AI rośnie, rośnie również liczba przypadków użycia, od wewnętrznej komunikacji jeden-do-wielu, takiej jak szkolenia i umożliwianie, po zewnętrzną komunikację jeden-do-wielu, taką jak marketing. W tym samym czasie koszt podstawowy głosu AI zbliża się do poziomu tradycyjnego text-to-speech, co oznacza, że więcej osób może z niego skorzystać. Z uruchomieniem Caruso — naszego najnowszego modelu — i naszego ogólnego potoku danych, pchamy nasz postęp w zakresie innowacji zarówno pod względem jakości, jak i kosztów. Jest to jeden z zalet bycia pionowo zintegrowanym w AI od zestawu danych do modelu do aplikacji.

Syntetyczne głosy są wszędzie teraz — od audiobooków po boty obsługi klienta. Jak zapewnisz, że głosy WellSaid pozostaną godne zaufania i ludzkie w tym szybko rosnącym sektorze?

Ludzie są w centrum każdego aspektu WellSaid. Zamknięta technologia głosu WellSaid oparta jest na odpowiedzialnie udostępnionych danych głosowych od płatnych aktorów. Ale nasi artyści głosowi są czymś więcej niż danymi szkoleniowymi, są prawdziwymi współpracownikami w całym procesie. A nasi klienci nie są po prostu testerami, ale partnerami w tworzeniu idealnego głosu dla każdego zastosowania. Każda funkcja na platformie WellSaid odzwierciedla to, dając użytkownikom możliwość ponownego nagrania linii, podkreślenia słowa lub natychmiastowego zaktualizowania zawartości bez kompromisowania jakości, spójności lub praw.

Każdy głos jest gotowy do produkcji i został zatwierdzony do użycia w treści publicznej lub kierowanej do klienta.

WellSaid podkreśla „odpowiedzialne AI”. Co to oznacza w praktyce podczas tworzenia nowych modeli głosu?

WellSaid ustanawia standard dla odpowiedzialnego AI z solidnym ramieniem, skupionym wokół sprawiedliwości, przejrzystości, prywatności i bezpieczeństwa oraz moderacji treści.

WellSaid zatrudnia prawdziwych artystów głosowych, zapewniając ich wyraźną, pisemną zgodę na dostarczenie danych głosowych do platformy i wynagradza ich uczciwie z udziałem w przychodach. Aby chronić ich prywatność i bezpieczeństwo, WellSaid używa zdjęć stockowych i pseudonimów do reprezentowania syntetycznych głosów i zachęca ich do zachowania ostrożności, gdy udostępniają swoje powiązanie z WellSaid, aby zmniejszyć ryzyko, że inni będą nadużywać ich głosu.

Aby zapobiec rozprzestrzenianiu się dezinformacji i głębokich fałszerstw głosowych z klonowania głosu, użytkownicy WellSaid nie mogą przesłać danych głosowych od polityków, celebrytów lub innych osób, chyba że WellSaid posiada ich wyraźną, pisemną zgodę. WellSaid również utrzymuje surowe standardy dla odpowiedniej treści, zabraniając używania głosów do treści, które są szkodliwe, nienawistne, oszukańcze lub mające na celu wywołanie przemocy.

WellSaid zapewnia, że treść zawsze należy do twórcy, gwarantując użytkownikom własność praw autorskich i ochronę praw autorskich do materiałów lub treści utworzonych na platformie.

Poprzez obszerną ochronę WellSaid, ustanawiamy branżowe oczekiwania dotyczące tego, jak powinno wyglądać odpowiedzialne AI głosowe w produkcji.

WellSaid ma na celu zaoferowanie „najwyższej relacji jakości do kosztu” w branży. Jakie innowacje — techniczne, operacyjne lub strategiczne — pomogą w spełnieniu tej obietnicy?

W WellSaid priorytetem jest pionowa integracja naszego całego potoku produktowego. W ramach Caruso dobrym przykładem jest nasz wewnętrznie opracowany vocoder, który pozwala nam trenować z 1/10 liczby parametrów w porównaniu z powszechnym narzędziem takim jak BigVGAN, i możemy to robić przy 2-krotnie lepszej jakości dźwięku. Strategicznie, byliśmy świadomi dostarczania jakości ponad zakresem (takim jak oferowanie każdego języka). W ten sposób możemy stracić część biznesu, ale jest to koszt dostarczania wyższej jakości, niższej ceny produktu naszej podstawowej publiczności.

Jak sądzisz, że rola głosu AI będzie ewoluować w środowiskach przedsiębiorstw w ciągu najbliższych 3–5 lat?

AI nie jest nową granicą, ale częścią znanej tendencji. Podobnie jak wzrost urządzeń mobilnych czy wczesny internet, AI oznacza zmianę, która zmusza zespoły do przemyślenia, w jaki sposób tworzy się treść, jak ludzie wchodzą w interakcje z oprogramowaniem i jak głos reprezentuje markę.

W ciągu najbliższych kilku lat firmy przedsiębiorstw nie będą mogły uniknąć głosu AI, tak jak nie mogły uniknąć innych rewolucji technologicznych w przeszłości. W miarę jak jakość głosu AI będzie się poprawiać, wraz z niższymi kosztami i prostszymi przepływami pracy niż tradycyjna treść głosowa, głos AI stanie się standardem dla treści korporacyjnej, takiej jak reklama, rozwój i produkcja wideo, i więcej.

Czy widzisz przyszłość, w której firmy głęboko personalizują głos AI dla tożsamości marki — być może nawet licencjonując głosy tak jak licencjonują muzykę lub postacie dzisiaj?

Wiele firm ma bardzo wyraźne głosy w swojej tożsamości marki, konsekwentnie używając tego samego pamiętnego aktora głosowego lub celebryty w swojej treści. Głos AI umożliwia każdej firmie zbudowanie tego samego rozpoznania za mniejszą cenę. Głosy AI mogą być tak dynamiczne i personalizowane jak tradycyjne aktorstwo głosowe, a marki będą wkrótce stawać się synonimem swoich głosów AI — niektóre już są.

Podkreślałeś wagę kultury firmy i wartości w budowaniu wielkich firm. Jak stosujesz tę filozofię teraz w WellSaid?

Skłaniam się ku temu, że wielka kultura polega na pracy z wielkimi ludźmi, więc maksymalizacja gęstości talentów, wpływu i chemii są wszystkie krytyczne inicjatywy dla naszego zespołu kierowniczego. Zasady WellSaid to sposób, w jaki chcemy współpracować, dostarczając wezwanie do działania dla każdego członka zespołu, a nie statyczną cnotę. Poniższe zasady pomagają nam osiągnąć wielką kulturę firmy:

• Wynajdujemy technologię, która rewolucjonizuje sposób, w jaki ludzie pracują.

• Działamy odpowiedzialnie i staramy się minimalizować szkody.

• Stawiamy klientów w centrum wszystkiego, co robimy.

• Szanujemy indywidualność, uznając, że pracujemy najlepiej jako zespół.

• Staramy się zbudować wielką firmę, której zawsze możemy być dumni.

Jak myślisz o etycznych implikacjach tworzenia głosów, które nie są różne od prawdziwych ludzi? Jakie odpowiedzialności wynikają z tego?

Chociaż rozwój AI przyniósł wyzwania etyczne i obawy, WellSaid podjął decyzję o priorytecie transparentności i zgodności od samego początku. Jest to nasza odpowiedzialność jako firmy, aby zapobiec nadużyciom, głębokim fałszerstwom lub rozprzestrzenianiu się dezinformacji. Obejmuje to pracę z talentami głosowymi, aby tworzyć niestandardowe głosy, które są licencjonowane do określonych przypadków użycia, ustanawianie klarownych kontroli nad tym, kto może używać tych głosów i w jakim celu. Jest to również odpowiedzialność marek, które używają głosu AI, zapewniając, że współpracują z renomowanymi dostawcami AI, którzy mają te zabezpieczenia na miejscu.

Co najbardziej cieszy cię w następnym rozdziale WellSaid — i co, jak sądzisz, zaskoczy branżę, patrząc, dokąd zmierza głos AI?

Mówimy o liczbie „Słów WellSaid” jako gwiazdy polarnej dla naszego zespołu. Jestem podekscytowany, widząc, jak te słowa będą rosły, gdy więcej firm będzie kontynuowało dostrzeganie wartości głosu AI w dostarczaniu ludzko-centrycznych wiadomości swoim odbiorcom na dużą skalę. W miarę jak użycie głosu AI będzie się rozszerzać, ludzie będą zaskoczeni, jak bezproblemowo będzie można przyjmować tę technologię w różnych przypadkach użycia. Możliwości są nieograniczone dla głosu AI i audio jako interfejsu w oprogramowaniu i środowiskach fizycznych.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić WellSaid.