Pavel Osokin, Co-Fundador e CEO da AMAI – Série de Entrevistas

Pavel Osokin é o Co-Fundador e CEO da AMAI, uma startup com sede em San Francisco que produz motores de voz de IA. Pavel lidera a operação e a estratégia da Amai com a ambição profissional de instalar sua tecnologia de voz em todos os telefones do mundo. Na AMAI, eles desenvolveram uma voz de IA que não pode ser distinguida de um discurso humano real por 97% dos usuários.

Você já é um empreendedor desde muito jovem, tendo lançado sua primeira empresa aos 13 anos, o que foi sua primeira tentativa de negócios e o que motivou essa mentalidade empreendedora?

Não chamava de empresa, mas eu ganhei meu primeiro dinheiro revendendo coisas ou simplesmente lavando carros na rua com um balde. Minha motivação era que eu queria um refrigerante ou um Snickers, e meus pais não tinham dinheiro. Eu podia esperar que o dinheiro aparecesse ou ganhá-lo sozinho. Esperar não me atrai.

Pode compartilhar a história por trás da criação da AMAI?

Perguntei ao meu parceiro: “O que as empresas ao redor do mundo precisam?” Nessa conversa, percebi que todos os negócios estão procurando por uma “venda”. Começamos a criar robôs que pudessem se comunicar com os clientes e vender produtos por e-mail e mensagens. Por outro lado, não era algo particularmente novo, pois há muitos chatbots disponíveis. Então, pensamos que se esses robôs também pudessem fazer ligações, seria legal. Como havia poucas boas soluções no mercado, criamos um protótipo de nossa própria voz sintetizada, e após as primeiras vendas, abandonamos o robô e nos concentramos na TTS.

O que AMAI significa especificamente?

Isso significa Eu sou IA (Eu sou inteligência artificial).

Pode discutir alguns dos desafios por trás do design de tecnologia de texto-para-fala de ponta?

Projetar tecnologia de texto-para-fala de ponta oferece vários desafios. O primeiro é coletar conjuntos de dados. Treinar uma rede neural requer vozes femininas e masculinas de várias idades, e quanto mais, melhor. Em segundo lugar, você precisa alcançar uma semelhança muito próxima com uma voz natural. O melhor método é testar diferentes modelos de aprendizado de máquina e experimentar constantemente com diferentes casos de uso de voz: em particular, você precisa encontrar o exemplo mais problemático e processá-lo separadamente. Falando dos desafios de longo prazo, pode ser difícil avaliar se a voz melhorou ou piorou e em que direção deve ser aprimorada.

Quais são alguns dos desafios por trás do reconhecimento de fala quando se trata de humanos interagindo com a IA de voz da AMAI?

Há centenas de empresas trabalhando no reconhecimento de voz porque é mais fácil de desenvolver. O problema que atualmente não tem solução é o reconhecimento da voz de uma criança. As crianças têm muitas características de fala em uma idade jovem, então é difícil levar todas em consideração. No entanto, estamos trabalhando em uma solução para esse problema e estamos muito perto de anunciar o resultado – logo, nossa IA não terá problemas para interagir não apenas com adultos, mas também com crianças.

Quais são alguns casos de uso populares para a AMAI?

No momento, é a dublagem de livros de áudio e o uso empresarial em centros de atendimento.

Quais idiomas estão atualmente disponíveis e quais idiomas estão sendo trabalhados?

Nosso sistema de vários falantes inclui dois idiomas, russo e inglês. A ideia é que uma voz criada em um idioma pode falar todos os outros idiomas em nosso modelo também. Atualmente, estamos coletando dados para 40 idiomas adicionais e logo teremos 42.

Qual é sua visão para o futuro dos assistentes de voz de IA?

É minha crença de que os assistentes de voz se moverão para o metaverso, e estamos estudando essas oportunidades agora. Se você integrar o assistente com alto-falantes inteligentes ou o navegador da web, mais pessoas usarão a busca por voz e interagirão com o assistente todos os dias. Você pode falar com sua geladeira ou TV.

Há algo mais que você gostaria de compartilhar sobre a AMAI?

A AMAI usa apenas suas próprias tecnologias proprietárias.

Obrigado pela entrevista, leitores que desejam aprender mais devem visitar AMAI.