Przyszłość podcastingu to sztuczna inteligencja

Mówiąc ogólnie, około 22 000 nowych podcastów jest uruchamianych w miesiącu. Jest blisko 2,5 miliona (ponad 71 milionów odcinków) w katalogu Apple Podcasts, według Podcast Industry Insights. I to są tylko te, o których wiemy.

“Wiele podcastów nie przechodzi już przez duże platformy. Idą bezpośrednio do swoich słuchaczy, sprzedają treści premium i odnoszą duży sukces”, mówi Andy Taylor, były pracownik BBC Radio i założyciel konsultingowego R&D Bwlb z Cardiff.

A to nie mówiąc już o rosnącej ilości treści podobnych do podcastów, czy to stworzonych przez marki w celach promocyjnych, czy przez producentów wydarzeń, którzy chcą, na przykład, udostępnić prelekcje na żądanie. Każda treść musi być wyprodukowana i rozpowszechniona, czy to przez profesjonalistów audio, czy przez ludzi uczących się tego fachu. Dlatego im więcej mogą zautomatyzować produkcji, tym więcej mogą się skoncentrować na treści.

“Różne miejsca, w których publikowany jest audio, wybuchły”, wyjaśnia Jonathan Wyner, główny inżynier w M Works Mastering i profesor Berklee College of Music w Bostonie. “Z tymi wszystkimi kontekstami jest prawdziwa motywacja i imperatyw dla twórców, aby być bardziej wszechstronnymi.”

Aby nie wspominać, bardziej produktywnymi i wydajnymi.

Wzrost sztucznej inteligencji

Sztuczna inteligencja (AI) — oprogramowanie, które może zautomatyzować zadania wcześniej wykonywane przez ludzi — posiada klucz do radzenia sobie z falą treści podcastowych. AI nie tylko może przyspieszyć produkcję, ale także sprawić, że podcasty będą brzmieć lepiej i przygotować scenę dla audio doświadczeń jutra.

“AI podstawowo pomaga w zadaniach powtarzalnych, aby przyspieszyć workflow podcastera”, wyjaśnia Manos Chourdakis, inżynier badawczy w Nomono, który rozwija narzędzia podcastingowe oparte na AI. “Na przykład, z AI, nie musisz słuchać całego podcastu, aby znaleźć miejsce, w którym ktoś powiedział coś źle, a potem je zastąpić lub usunąć. Mógłbyś to zrobić sam, ale AI robi to szybciej.”

Potem są zadania, które można wykonać tylko z AI — przynajmniej w skali, takie jak usuwanie szumu lub poprawianie dialogu. “Dobrze jakościowa poprawa dialogu byłaby niemożliwa bez AI”, mówi Chourdakis. “Przynajmniej niemożliwa w rozsądnym czasie przy użyciu tradycyjnych narzędzi.”

Idealna dla zadań podrzędnych

Zastosowania AI w podcastingu są tak różnorodne, jak zadania produkcyjne. Niektóre są wbudowane bezpośrednio w platformy podcastowe. Kiedy twórcy uploadują swoje podcasty do platformy hostingowej Podcast.co, system automatycznie “słucha” plików audio i normalizuje poziomy dźwięku.

“Każde narzędzie, które może pomóc zmniejszyć nudne części pracy, jest dobrą rzeczą”, mówi Mike Cunsolo, współzałożyciel platformy. Cunsolo prowadzi również Cue, firmę produkcyjną podcastów, która współpracuje z markami korporacyjnymi, oraz Matchmaker.fm, która łączy producentów podcastów z gośćmi. “Zawsze będziesz potrzebować tego ludzkiego elementu ekspertyzy, ale wkrótce maszyny mogą nauczyć się, co sprawia, że podcast jest interesujący i zmniejszyć czas pracy.”

Dostawca rozwiązań Descript stosuje AI do wielu aspektów inżynierii podcastowej, w tym usuwania szumu i kontroli echa. Jednym z bardziej “nudnych” zadań, które Descript może wykonać, jest ton pokoju.

“Czasami producenci muszą wstawić cyfrową ciszę do podcastu. Może to być między edycjami lub aby wydłużyć odstępy między zdaniami”, mówi Jay LeBoeuf, szef ds. biznesu i rozwoju w Descript. “Ale to brzmi nienaturalnie.”

Jeśli producenci nie nagrali tonu pokoju, gdy podcast był nagrywany, mogą musieć wrócić i go uzyskać. Albo mogą posłuchać go w nagraniu, skopiować i wkleić tam, gdzie potrzebne, a potem edytować wynik, aby naturalnie się zmieszał.

Albo komputery mogą to zrobić. Generator tonu pokoju oparty na AI w Descript analizuje nagranie, identyfikuje ton pokoju i automatycznie syntetyzuje go tam, gdzie jest potrzebny. Taka technologia nie tylko unieważnia zadania podrzędne, ale także pozwala na większą elastyczność produkcji.

“AI pozwoli nam używać tańszego sprzętu, gorszych pomieszczeń i głośniejszych lokalizacji, a mimo to uzyskać dobre wyniki”, mówi Chourdakis z Nomono.

Nowe możliwości oparte na AI

AI otwiera również drzwi do innowacji w podcastingu — tworzenia nowych rozwiązań, które podnoszą poprzeczkę dla podcastów i słuchaczy. Na przykład, narzędzie Epidemic Audio Reference (EAR) pomaga podcastom znaleźć muzykę wolną od praw autorskich na podstawie piosenek, które im się podobają.

“Powiedzmy, że szukasz muzyki na intro lub outro, i myślisz o konkretnym utworze, ale jest on chroniony prawem autorskim”, mówi Chourdakis. “System używa AI, aby pomóc ci znaleźć coś podobnego.”

W Bwlb, zespół Taylora opracował Accordion, rozwiązanie oparte na AI, które może wziąć podcast i odtworzyć go w różnych długościach.

“Każe inny aspekt naszego życia staje się coraz bardziej inteligentny — inteligentne domy, inteligentne lodówki”, mówi Taylor. “Ludzie chcą więcej kontroli i wygody w swoim doświadczeniu podcastowym.”

Gdy Taylor pracował nad dokumentami dla BBC, był proszony o krótsze wersje do emisji na różnych platformach. Proces był zawsze ręczny. Accordion stosuje algorytmy oprogramowania do treści podcastu, aby inteligentnie utworzyć wersje o różnej długości. “To nie przyspiesza niczego”, mówi Taylor, “ale daje użytkownikowi kontrolę nad czasem trwania treści bez utraty struktury lub słuchalności”.

Ustawienie focusu na immersyjne opowiadanie

Im więcej podcastów używa narzędzi AI, tym lepiej one się stają. Innymi słowy, im więcej danych one spożywają, tym więcej uczą się.

Algoritmy poprawy dialogu Nomono opierają się na dużych zbiorach danych nagrań głosowych — niektórych czystych i zrozumiałych, niektórych mniej — które uczą narzędzi AI, jak generować lepszy dźwięk. “Podcasterzy nie powinni potrzebować zaawansowanej wiedzy audio, aby produkować wysokiej jakości audio”, mówi Chourdakis. “Poprzez zautomatyzowanie niektórych z tych zadań, mogą spędzać więcej czasu na koncentrowaniu się na wielkim opowiadaniu i mniej czasu na nudnych zadaniach czyszczenia.”

A w przyszłości mogą ewoluować, aby łatwiej tworzyć nowy gatunek immersyjnych, przestrzennych podcastów. Na przykład, technologia Nomono umożliwia produkcję audio opartą na obiektach, która pozwala producentom “umieścić” głosy w 3D przestrzeni dźwiękowej lub utworzyć dynamiczne wersje, które mogą być dostosowane do słuchaczy.

“Produkcja medialna wkracza teraz w fazę, w której jeśli możesz to wyobrazić, to może się wydarzyć”, mówi LeBoeuf z Descript. “I nie potrzebujesz już drogiego studia ani dekad treningu, aby osiągnąć swoje cele.”