Pavel Osokin, ผู้ร่วมก่อตั้งและซีอีโอของ AMAI – ซีรีส์สัมภาษณ์

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

คุณเป็นผู้ประกอบการที่มีอายุ 13 ปี และได้เริ่มธุรกิจแรกของคุณ คุณสามารถบอกเราเกี่ยวกับธุรกิจแรกของคุณและอะไรที่ทำให้คุณมีความคิดที่จะเริ่มธุรกิจได้บ้าง

ฉันไม่ได้เรียกมันว่า “บริษัท” แต่ฉันทำเงินได้โดยการขายของหรือล้างรถบนถนนด้วยถัง ฉันถูกขับเคลื่อนด้วยความต้องการที่จะซื้อโค้กหรือสแน็คส์ และพ่อแม่ของฉันไม่มีเงิน ฉันสามารถเลือกว่าจะรอเงินหรือหาวิธีหาเงินเองได้ การรอไม่ใช่สิ่งที่ฉันชอบ

คุณสามารถบอกเราเกี่ยวกับเรื่องราวของ AMAI ได้หรือไม่

ฉันถามเพื่อนร่วมงานของฉันว่า “บริษัททั่วโลกต้องการอะไร” ในระหว่างการคุยกัน ฉันรู้ว่าทุกธุรกิจกำลังมองหาการ “ขาย” เราเริ่มสร้างหุ่นยนต์ที่สามารถสื่อสารกับลูกค้าและขายสินค้าผ่านจดหมายและผู้ส่งสาร ในทางกลับกัน มันไม่ใช่สิ่งที่ใหม่มากเพราะมีหุ่นยนต์หลายตัวที่สามารถทำได้ เราคิดว่าหากหุ่นยนต์เหล่านี้สามารถทำการโทรศัพท์ได้ มันจะดีมาก เมื่อไม่มีวิธีแก้ปัญหาที่ดีในตลาด เราได้สร้างต้นแบบเสียงสังเคราะห์ของเราเอง และหลังจากการขายครั้งแรก เราได้ทิ้งหุ่นยนต์และมุ่งเน้นไปที่ TTS

AMAI ย่อมาจากอะไร

AMAI ย่อมาจาก “I’m AI” (ฉันคือ AI)

คุณสามารถพูดถึงความท้าทายในการออกแบบเทคโนโลยี Text-to-speech ที่ทันสมัยได้หรือไม่

การออกแบบเทคโนโลยี Text-to-speech ที่ทันสมัยมีหลายความท้าทาย อันดับแรกคือการรวบรวมข้อมูล การฝึกอบรมเครือข่ายประสาทต้องใช้เสียงของผู้หญิงและผู้ชายที่มีอายุแตกต่างกัน และยิ่งมีมากเท่าไหร่ ก็ยิ่งดีเท่านั้น อันดับที่สอง คุณต้องบรรลุเสียงที่เหมือนกับเสียงธรรมชาติอย่างใกล้ชิด วิธีที่ดีที่สุดคือการทดสอบโมเดลการเรียนรู้ของเครื่องจักรที่แตกต่างกันและทดลองกับกรณีการใช้เสียงที่แตกต่างกัน โดยเฉพาะอย่างยิ่ง คุณต้องค้นหาตัวอย่างที่มีปัญหามากที่สุดและประมวลผลมันแยกกัน เมื่อพูดถึงความท้าทายในระยะยาว อาจเป็นเรื่องที่ยากที่จะประเมินว่าเสียงได้ดีขึ้นหรือเลวกว่า และควรปรับปรุงในทางใด

คุณสามารถพูดถึงความท้าทายในการรับรู้เสียงเมื่อมนุษย์สื่อสารกับ AMAI ได้หรือไม่

มีหลายบริษัทที่ทำงานเกี่ยวกับการรับรู้เสียงเพราะว่ามันง่ายกว่าในการพัฒนา 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

คุณมีความคิดเห็นเกี่ยวกับอนาคตของ AI เสียงอย่างไร

ฉันเชื่อว่า AI เสียงจะเข้าสู่เมต้าเวิร์ส และเรากำลังศึกษาความเป็นไปได้เหล่านี้ หากคุณรวม AI เข้ากับลำโพงที่ฉลาดหรือเว็บเบราว์เซอร์ มากขึ้น ผู้คนจะใช้การค้นหาด้วยเสียงและโต้ตอบกับ AI ทุกวัน คุณสามารถพูดกับเครื่องทำความเย็นหรือทีวีของคุณได้

คุณมีอะไรที่ต้องการแบ่งปันเกี่ยวกับ AMAI อีกหรือไม่

AMAI ใช้เทคโนโลยีของตัวเองเท่านั้น

ขอขอบคุณสำหรับการสัมภาษณ์ ผู้อ่านสามารถเยี่ยมชม AMAI เพื่อเรียนรู้เพิ่มเติม