Тайлер Вейцман, сооснователь и глава отдела ИИ в Speechify – Интервью

Тайлер Вейцман – сооснователь, глава отдела искусственного интеллекта и президент компании Speechify, которая является лучшим в мире приложением для преобразования текста в речь, имеющим более 100 000 отзывов с 5 звездами. Вейцман окончил Стэнфордский университет, где получил степень бакалавра по математике и магистра по компьютерным наукам на факультете искусственного интеллекта. Он был выбран журналом Inc. как один из 50 лучших предпринимателей и был представлен в таких изданиях, как Business Insider, TechCrunch, LifeHacker, CBS и других. Исследования Вейцмана в магистратуре были сосредоточены на искусственном интеллекте и преобразовании текста в речь, и его окончательная работа была озаглавлена: «CloneBot: Предсказания персонализированных диалогов-ответов».

Вы начали программировать, когда вам было всего 9 лет, что изначально привлекло вас к информатике?

Я был довольно увлечен в детстве мультсериалом “Драконий шар Z”, и я хотел научиться анимации. Я изучил Adobe (ADBE ) Flash и Photoshop и создал свои собственные анимации Гоку на фанатской странице, которую я построил. После этого я начал изучать системы и алгоритмы, и когда я узнал, что можно программировать для заработка, это было довольно интересно. Я думал, что это просто хобби, как игры.

Затем вы начали создавать приложения для iPhone, когда вам было всего 12 лет, какие были некоторые из этих приложений?

Одно из приложений называется Black SMS, которое позволяет людям отправлять зашифрованные текстовые сообщения друг другу. Другое приложение было названо Frontback, которое позволяет пользователям делать селфи и фотографии того, что находится перед ними, в одно и то же время.

Можете ли вы рассказать о своих исследованиях в Стэнфордском университете и о том, как они были сосредоточены на обработке естественного языка и синтезе речи?

Мои исследования охватывали несколько применений трансформерных сетей, включая модели генерации языка для чата, тегирование частей речи, прогнозирование пунктуации и преобразование текста в речь. Оптимизация вывода нейронных сетей для мобильных ЦП была основным направлением и напрямую перевелась на офлайн-голоса, доступные в Speechify, которые работают даже в режиме самолета.

Можете ли вы рассказать историю создания Speechify?

Я слеп на один глаз, а мой брат Клифф имеет дислексию. Мы использовали аудиокниги и технологию преобразования текста в речь, чтобы пройти через школу и читать книги, такие как “Гарри Поттер”, когда мы были молодыми. Когда мы стали старше и начали использовать больше технологических продуктов, мы начали понимать, что есть возможность построить лучшие приложения для преобразования текста в речь на вебе и мобильных устройствах с лучшими голосами благодаря достижениям в области ИИ и лучшему пользовательскому опыту. Итак, мы решили попробовать в Speechify.

Какие из различных технологий машинного обучения используются в Speechify?

Мы приняли передовые методы для продвинутых генеративных архитектур – трансформеры/конформеры, крупномасштабное предварительное обучение, распределенное обучение, накопление градиентов, авто-кодированные латентные пространства, диффузия, противостоящие сети и моделирование языка. Мы используем вспомогательные методы для обработки функций, окружающих фонемизацию, высоту тона и эмоции, чтобы лучше смоделировать речь.

Какие из основных проблем при создании приложения для преобразования текста в речь?

Одной из ключевых проблем является создание высококачественных голосов, которые звучат как реальные люди, а не роботы. Наша цель – сделать так, чтобы люди не могли отличить, как звучат наши голоса и как звучат люди, чтобы наши пользователи были комфортны, слушая контент в Speechify в течение длительного времени. Второй проблемой является распространение наших моделей ИИ среди миллионов пользователей. Это одно дело – построить высококачественные голоса ИИ, и другое дело – сделать так, чтобы миллионы пользователей во всем мире узнали о них и использовали их.

Speechify является лучшим приложением в своей категории в магазине приложений, что, по вашему мнению, является причиной этого успеха?

Мы считаем, что построили лучшие продукты на рынке для людей, которые хотят слушать то, что им нужно – будь то студенты с домашним заданием, профессионалы, которые читают для работы, или досуговые читатели, которые просто хотят развлечься. У нас есть лучший выбор голосов, включая знаменитостей, таких как Снуп Догг, и лучший пользовательский интерфейс для людей, чтобы легко загружать и получать доступ к контенту, который они хотят потреблять. И наш пользовательский опыт бесперебойный на протяжении всего экосистемы Speechify – вы можете начать слушать статью на вашем компьютере и затем легко перейти к продолжению прослушивания на вашем телефоне.

Какие из основных случаев использования этого приложения?

Генеративный ИИ Speechify решает реальные проблемы для студентов, которые хотят быстрее пройти через большое количество домашнего задания, реальных людей с дислексией и СДВГ, которые испытывают трудности с чтением, пожилых людей с низким зрением, профессионалов, которые хотят читать больше и быть более продуктивными, писателей, которые хотят слушать свою работу, аудиторных учеников и многих других.

Каково ваше видение будущего ИИ?

Мы хотим, чтобы ИИ – и в частности голоса ИИ для преобразования текста в речь – ликвидировали барьеры для обучения, независимо от вашего уровня дохода, различий в обучении, географии или языка. Мы видим ИИ как инструмент для социального блага, чтобы повысить качество жизни, которое люди могут жить, улучшая их образование.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Speechify.