Pavel Osokin, ผู้ร่วมก่อตั้งและซีอีโอของ AMAI – ซีรีส์สัมภาษณ์

Pavel Osokin เป็นผู้ร่วมก่อตั้งและซีอีโอของ AMAI ซึ่งเป็นสตาร์ทอัพในซานฟรานซิสโกที่ผลิตเครื่องยนต์เสียง AI Pavel กำกับดูแลการดำเนินงานและกลยุทธ์ของ Amai โดยมีความทะเยอทะยานในการติดตั้งเทคโนโลยีเสียงของตนเองในโทรศัพท์ทุกเครื่องในโลก ใน AMAI พวกเขาได้พัฒนาเสียง AI ที่ไม่สามารถแยกแยะจากเสียงพูดของมนุษย์ได้โดย 97% ของผู้ใช้

คุณเป็นผู้ประกอบการมาตลอดชีวิต โดยเริ่มธุรกิจแรกเมื่ออายุ 13 ปี ความพยายามทำธุรกิจครั้งแรกของคุณคืออะไร และคุณคิดว่าอะไรเป็นแรงผลักดันให้เกิดแนวคิดแบบผู้ประกอบการนี้

ฉันไม่ได้เรียกมันว่า “บริษัท” แต่ฉันทำเงินได้โดยการขายของหรือล้างรถบนถนนด้วยถัง ฉันถูกขับเคลื่อนด้วยความต้องการที่จะซื้อโค้กหรือสนิกเกอร์ส และพ่อแม่ของฉันไม่มีเงิน ฉันสามารถเลือกว่าจะรอเงินหรือหาวิธีหาเงินเองได้ การรอไม่ใช่สิ่งที่ฉันชอบ

คุณสามารถบอกเราเกี่ยวกับเรื่องราวของ AMAI ได้หรือไม่

ฉันถามหุ้นส่วนของฉันว่า “บริษัททั่วโลกต้องการอะไร” ในระหว่างการคุยกัน ฉันรู้ว่าทุกธุรกิจกำลังมองหาการ “ขาย” เราเริ่มสร้างหุ่นยนต์ที่สามารถสื่อสารกับลูกค้าและขายสินค้าผ่านอีเมลและแอปส่งข้อความ ในทางกลับกัน มันไม่ใช่สิ่งที่ใหม่มากเพราะมีแชตบอตให้ใช้งานมากมาย เราคิดว่าหากหุ่นยนต์เหล่านี้สามารถทำการโทรศัพท์ได้ มันจะดีมาก เนื่องจากในตลาดมีโซลูชันที่ดีอยู่เพียงไม่กี่ราย เราได้สร้างต้นแบบเสียงสังเคราะห์ของเราเอง และหลังจากการขายครั้งแรก เราได้ทิ้งหุ่นยนต์และมุ่งเน้นไปที่ TTS

AMAI ย่อมาจากอะไร

AMAI ย่อมาจาก “I’m AI” (ฉันคือ AI)

คุณสามารถพูดถึงความท้าทายในการออกแบบเทคโนโลยีแปลงข้อความเป็นเสียงพูด ที่ทันสมัยได้หรือไม่

การออกแบบเทคโนโลยีแปลงข้อความเป็นเสียงพูด ที่ทันสมัยมีหลายความท้าทาย อันดับแรกคือการรวบรวมข้อมูล การฝึกอบรมเครือข่ายประสาทต้องใช้เสียงของผู้หญิงและผู้ชายที่มีอายุแตกต่างกัน และยิ่งมีมากเท่าไหร่ ก็ยิ่งดีเท่านั้น อันดับที่สอง คุณต้องบรรลุเสียงที่เหมือนกับเสียงธรรมชาติอย่างใกล้ชิด วิธีที่ดีที่สุดคือการทดสอบโมเดลการเรียนรู้ของเครื่องจักรที่แตกต่างกันและทดลองกับกรณีการใช้เสียงที่แตกต่างกัน โดยเฉพาะอย่างยิ่ง คุณต้องค้นหาตัวอย่างที่มีปัญหามากที่สุดและประมวลผลมันแยกกัน เมื่อพูดถึงความท้าทายในระยะยาว อาจเป็นเรื่องที่ยากที่จะประเมินว่าเสียงได้ดีขึ้นหรือเลวกว่า และควรปรับปรุงในทางใด

คุณสามารถพูดถึงความท้าทายในการรับรู้เสียงเมื่อมนุษย์สื่อสารกับ AMAI ได้หรือไม่

มีบริษัทหลายร้อยแห่งที่ทำงานด้านการรู้จำเสียงพูดเพราะว่ามันง่ายกว่าในการพัฒนา ปัญหาหนึ่งที่ไม่มีวิธีแก้ปัญหาคือการรับรู้เสียงของเด็ก เด็กมีลักษณะของเสียงที่แตกต่างกันในอายุเด็ก และยากที่จะพิจารณาเสียงทั้งหมด อย่างไรก็ตาม เรากำลังทำงานเพื่อแก้ปัญหานี้ และเรากำลังจะประกาศผลลัพธ์เร็วๆ นี้ ดังนั้น AI ของเราจะไม่มีปัญหาในการสื่อสารกับทั้งผู้ใหญ่และเด็ก

คุณสามารถบอกเราเกี่ยวกับการใช้งานที่นิยมของ AMAI ได้หรือไม่

ปัจจุบัน คือ การพากย์หนังสือเสียงและใช้ในศูนย์บริการลูกค้า

ภาษาใดที่มีอยู่ในปัจจุบัน และภาษาใดที่กำลังพัฒนา

ระบบผู้พูดหลายคนของเรามีภาษา 2 ภาษา ได้แก่ รัสเซียและอังกฤษ ความคิดคือเสียงที่สร้างขึ้นในภาษาหนึ่งสามารถพูดภาษาอื่นๆ ในโมเดลของเราได้ ปัจจุบัน เรากำลังรวบรวมข้อมูลสำหรับภาษาเพิ่มเติม 40 ภาษา และเร็วๆ นี้เราจะมีภาษา 42 ภาษา

วิสัยทัศน์ของคุณต่ออนาคตของผู้ช่วยเสียง AI คืออะไร

ฉันเชื่อว่าผู้ช่วยเสียงจะเข้าสู่เมตาเวิร์ส และเรากำลังศึกษาความเป็นไปได้เหล่านี้ หากผสานผู้ช่วยเข้ากับลำโพงอัจฉริยะหรือเว็บเบราว์เซอร์ ผู้คนจำนวนมากขึ้นจะใช้การค้นหาด้วยเสียงและโต้ตอบกับผู้ช่วยทุกวัน คุณสามารถพูดกับตู้เย็นหรือทีวีของคุณได้

คุณมีอะไรที่ต้องการแบ่งปันเกี่ยวกับ AMAI อีกหรือไม่

AMAI ใช้เทคโนโลยีของตัวเองเท่านั้น

ขอขอบคุณสำหรับการสัมภาษณ์ ผู้อ่านสามารถเยี่ยมชม AMAI เพื่อเรียนรู้เพิ่มเติม