Jaime Bosch, CEO, Voicemod – Interviu

Jaime Bosch este CEO-ul Voicemod, un software gratuit de schimbare a vocii pentru gameri, creatori de conținut și vtuberi.

Puteți împărtăși povestea de origine din spatele Voicemod?

Ca al optulea din cei zece copii, am crescut într-un mediu în care am putut să-mi dezvolt spiritul antreprenorial de la o vârstă foarte fragedă, deoarece exista întotdeauna sprijin din partea fraților mei cu gândire similară.

În acest fel, a fost doar o chestiune de timp până când doi dintre frații mei și eu, toți împărtășind o dragoste profundă pentru tehnologie și muzică, am jucat cu ideea de a crea o aplicație care să combine interesele noastre. Așadar, în 2009, am făcut exact asta și am creat o aplicație B2C de muzică ca un proiect secundar pentru afacerea noastră de studio pe care o conduceam ca ocupație principală.

Deoarece era un proiect secundar, am experimentat mult cu lucruri precum modularea vocii, ceea ce ne-a inspirat să creăm ceva complet nou și inovator. Rezultatul acestui lucru a fost ceea ce am numit “Experiența Voicemod” – o modalitate complet nouă de a experimenta propria voce – care a devenit forța motrice a evoluției aplicației. Indiferent de cine a încercat software-ul nostru, am întâlnit mereu aceleași reacții din partea oamenilor care au experimentat aplicația: râs și uimire la auzul propriei voci într-un mod complet diferit.

Acest lucru ne-a condus să redefinim viziunea noastră pentru produs, în ceva care ar putea, în cele din urmă, să evolueze conexiunea umană prin intermediul sunetului. Așadar, am adus experiența de la mobil la PC, unde a fost imediat preluată de scena în plină expansiune a jocurilor și a transmisiilor – și restul, așa cum se spune, este “istorie”.

Voicemod a fost inițial un proiect secundar — când ați realizat că doriți să vă implicați complet?

Inițial, frații mei și eu aveam un studio împreună numit 2taptap. Când am venit cu ideea de a crea Voicemod, a fost inițial doar un proiect secundar, dar pe măsură ce a trecut timpul, am văzut cum oamenii interacționau cu el și ce potențial avea tehnologia. Până în acel moment, majoritatea tehnologiilor de schimbare a vocii erau asincrone, astfel încât să poți experimenta a fi cineva altcineva într-un mediu în timp real a fost o noutate pentru mulți oameni. Momentul definitoriu pentru noi, cu toate acestea, a fost realizarea că oamenii foloseau tehnologia noastră nu doar pentru a se distra, ci pentru a-și modela întreaga modalitate de exprimare online. Acesta a fost momentul în care am realizat că construim ceva care nu era doar despre divertisment, ci posibil despre următorul pas în evoluția experiențelor audio sociale.

Puteți discuta despre unele dintre tehnologiile de recunoaștere a vocii?

În ceea ce privește gama noastră de schimbătoare de voce, există procese care sunt efectuate pentru a lua o voce umană obișnuită și a o transforma în ceva nou. Desigur, există și aspecte ale vocii care trebuie luate în considerare, cum ar fi vârsta, sexul, emoția și simplele variații în felul în care vorbește cineva.

Aceste variații contribuie la modul în care cineva poate suna și afectează modificările care sunt aplicate. Ne bazăm pe elemente din tehnologia de recunoaștere a vocii de ultimă generație pentru a facilita conversia și transformarea vocii în modul cel mai precis posibil — și suntem într-o continuă îmbunătățire a acestui proces. Vrem să oferim oamenilor oportunitatea de a structura cum sunt percepuți, să sune cum doresc să fie auziți și să ofere o experiență de ascultare excelentă pentru publicul lor.

De ce este important să ajutați oamenii să se exprime prin sunet?

De la momentul în care ne naștem și până la primul țipăt al unui bebeluș, sunetul este modul natural prin care învățăm să ne exprimăm. Pe măsură ce crescem, importanța comunicării audio continuă să crească, deoarece învățăm să modelăm sunetul în limbaj și să folosim vocile noastre pentru a pune emoție și nuanță în cuvintele pe care le vorbim. Prin ridicarea tonului vocii, putem semnala entuziasm – sau folosi efecte sonore, precum suspine sau gemete, pentru a pune accent pe punctele pe care le dorim să le subliniem.

Pentru unii oameni extrem de talentați, vocea este un instrument pentru exprimare nelimitată – deoarece pot crea o cantitate nelimitată de efecte sonore sau voci. Majoritatea dintre noi, cu toate acestea, nu suntem atât de norocoși și de fapt ne simțim inconfortabil cu vocile noastre (în special atunci când le auzim înregistrate). Unii dintre utilizatorii noștri vorbesc despre faptul că se simt nervoși atunci când vorbesc în fața străinilor și sunt frustrați de faptul că nu pot să se exprime corespunzător în felul în care ar dori.

Acesta este locul în care vedem o oportunitate uriașă de a-i ajuta pe oameni. Cu identitățile noastre de voce, utilizatorii pot modela vocile lor pentru a fi ceva cu care se simt confortabil – sau chiar pot să se strecoare în diferite voci pentru situații specifice. De asemenea, vrem să-i împuternicim să folosească efecte sonore, clipuri muzicale sau emoji-uri audio pentru a crea ambianță, a transmite context sau a implementa efecte comice – similar cu modul în care emoji-urile grafice au ajutat la modelarea comunicării textuale.

Ați descris Voicemod ca evoluând conexiunea umană prin sunet; puteți elabora asupra acestui aspect?

Pe lângă faptul că eliberează vorbitorul și înlătură o anumită barieră mentală care împiedică oamenii să vorbească, lucrăm și la adâncirea acestei conexiuni. De exemplu, panoul nostru de sunete ridică comunicarea la un nivel superior — gândiți-vă la el ca la un “emoji audio”. Puteți imagina oameni sub 35 de ani care vorbesc fără a folosi emoji? Deși această tehnologie a existat de ceva vreme, a devenit realmente profund integrată în comunicarea noastră de abia din aproximativ 2010. Am văzut o tendință similară cu stickerele de pe platformele de mesagerie, apariția mesajelor vocale și a notițelor vocale, și acum utilizarea emergentă a GIF-urilor și a Giphy. Cu extinderea comunicațiilor audio la nivel mondial, importanța modului în care folosim sunetul crește. Trimite un răspuns audio la gluma unui prieten poate spune mult mai multe despre reacția dvs. brută și onestă decât simpla tastare a unei propoziții. Imaginați-vă diferența dintre a auzi sunetul greierilor și “ba dum tss!” Toate au sensuri și sentimente foarte diferite pe care le puteți comunica cu un singur clic.

Vrem să facem ca utilizatorii să poată utiliza voci, efecte vocale și emoji-uri audio pentru a avea conversații audio mai captivante cu prietenii, familia sau străinii.

Ce sunt unele dintre tehnologiile de învățare automată din spatele aplicației Voicemod, inclusiv posibilitatea utilizatorilor de a suna mai bine și de a-și personaliza vocea în jurul vocii reale?

Învățarea automată este în inima majorității noilor funcții Voicemod.

În ceea ce privește partea creativă, Voicelab-ul Voicemod a creat prima tehnologie de conversie vocală în timp real de pe piață, care va permite utilizatorilor să-și aleagă propria identitate sonică, creând voci personale pentru fiecare.

Cu tehnologia noastră avansată, care urmează să fie lansată curând, creăm voci niciodată auzite, cu caracteristici unice, care vor ajuta la protejarea confidențialității și securității utilizatorilor, în același timp permițându-le să creeze personalitatea dorită prin sunet.

Am observat, de asemenea, apariția metodologiilor de învățare profundă bazate pe date în ultimii ani. Acestea ne permit să învățăm structuri abstracte ascunse în semnalele vocale, referitoare la caracteristicile perceptive ale vocii, cum ar fi fonologia, conținutul, identitatea, intenția și starea de spirit. Folosind aceste tehnologii, putem controla și modifica aspectele perceptive ale semnalului. Acest lucru ne permite să proiectăm tehnologii care oferă utilizatorilor un control mai mare asupra identităților vocale percepute, într-un mod care nu a fost posibil anterior.

Ce sunt unele dintre cazurile de utilizare pentru aplicația Voicemod?

Lucrul minunat despre Voicemod este că uneltele sale servesc o varietate largă de nevoi și scenarii. Situațiile mai comune ar fi pentru crearea de conținut, jocuri cu prietenii, discuții cu familia sau prietenii, crearea unor medii de rol imersiv sau chiar pentru muncă și afaceri – unde utilizatorii folosesc în principal uneltele noastre de anulare a zgomotului și îmbunătățire a sunetului.

Puteți discuta despre unele dintre provocările și beneficiile lansării unei afaceri cu frații?

Onest, aș iubi să o fac, și știu că, desigur, toată lumea se confruntă cu provocări într-un fel sau altul, dar de fapt nu-mi amintesc prea multe în cazul nostru. Motivul este că venim dintr-o familie foarte mare. Am făcut mereu ceva împreună, de la proiecte din copilărie la jocuri și creații. A fost firesc să ajungem să lucrăm împreună. Frații mei, Fernando și Juan — care, așa cum am menționat, au cofondat Voicemod alături de mine — aveau deja câteva companii împreună, așa că aveau o experiență considerabilă în acest sens. M-am alăturat lor în 2010 în compania lor, 2taptap, așa că am obținut o senzație despre asta. Acest lucru a însemnat că, atunci când am creat Voicemod, am făcut-o complet aliniați cu ceea ce vrem să realizăm și, mai important, cum vrem să o facem. Așadar, ne-a ajutat să aducem o cultură puternică de valori aliniate în Voicemod, ceea ce a fost cheia succesului nostru.

Există altceva pe care ați dori să-l împărtășiți despre Voicemod?

Există multe lucruri care se întâmplă în spatele cortinei, dar, în linie cu dorința noastră de a evolua sunetul pentru toată lumea, lucrăm în prezent la ceva care să facă tehnologia noastră și mai… accesibilă. O modalitate prin care orice dezvoltator să poată utiliza tehnologia noastră în produsul său

Știm că oamenii petrec cea mai mare parte a timpului de veghe online, conectați, exprimându-se pe diverse platforme și aplicații. În medii online, “avatarul” dvs. este reprezentarea dvs. de sine completă. Și, cu adevărat, cine este acea persoană fără o voce?

Construirea tehnologiei de schimbare a vocii în timp real și dezvoltarea unui sistem de expresii sonore complet personalizabile este o muncă imensă. Echipa noastră a luat acel pas din ecuație, proiectând un kit complet care poate fi integrat ușor de dezvoltatori oriunde. Suntem extrem de entuziasmați să facem tehnologia noastră accesibilă dezvoltatorilor și utilizatorilor de pe tot globul, pe măsură ce continuăm să construim viitorul experiențelor audio sociale!

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre Voicemod ar trebui să viziteze Voicemod.