ไซมอน ปوغอสยาน ผู้ก่อตั้งและซีอีโอของ GSpeech – สัมภาษณ์รายการ

Simon Poghosyan เป็นผู้ก่อตั้งและซีอีโอของ GSpeech ซึ่งเป็นแพลตฟอร์ม AI ที่ช่วยให้เนื้อหาออนไลน์เป็นมิตรกับผู้ใช้มากขึ้นโดยการแปลงข้อความเป็นเสียงที่มีคุณภาพสูงในกว่า 70 ภาษา ด้วยประสบการณ์ในการออกแบบ VLSI และความสนใจในการเขียนโปรแกรมและประสบการณ์ของผู้ใช้ ไซมอนได้สร้าง GSpeech ขึ้นเพื่อทำให้วิธีการที่เว็บไซต์สามารถนำเสนอเนื้อหาที่มีเสียงได้ง่ายขึ้น

ปัจจุบัน GSpeech สามารถสร้างเสียงได้ประมาณ 200 ล้านตัวอักษรต่อเดือน และถูกใช้ในกว่า 70 ประเทศ โดยมีผู้เล่นเสียงที่สามารถปรับแต่งได้มากกว่า 200,000 ครั้งต่อเดือน หลังจากที่สร้างเสียงได้มากกว่า 1 พันล้านตัวอักษรแล้ว GSpeech ยังคงเติบโตอย่างรวดเร็ว แพลตฟอร์มนี้ได้รับการออกแบบให้สามารถรวมเข้ากับเว็บไซต์ได้ง่าย โดยต้องใช้เพียงบรรทัดโค้ดเดียว และรองรับผู้สร้าง ผู้ศึกษา และธุรกิจในการทำให้เนื้อหาของตนเป็นมิตรและน่าสนใจมากขึ้น

GSpeech ยังถูกใช้ในหน้าภาษาอังกฤษทั้งหมดของเรา คุณสามารถฟังบทความนี้และดูว่า GSpeech ทำงานได้ดีแค่ไหนโดยการคลิกปุ่มเล่น

ประสบการณ์ของคุณในการออกแบบ VLSI และการเขียนโปรแกรมในตอนแรกๆ ได้สร้างรากฐานทางเทคนิคที่แข็งแกร่ง คุณได้รับแรงบันดาลใจในการเปลี่ยนจากไมโครอิเล็กทรอนิกส์ไปสู่การสร้างซอฟต์แวร์ที่มีพลังงาน AI ได้อย่างไร และสิ่งนี้นำไปสู่การสร้าง GSpeech อย่างไร

ความหลงใหลในการแก้ปัญหาเริ่มต้นตั้งแต่สมัยมัธยม โดยได้รับแรงบันดาลใจจากคณิตศาสตร์และฟิสิกส์ ซึ่งนำไปสู่การสำเร็จการศึกษาระดับปริญญาตรี (2009) และมหาบัณฑิต (2011) ในสาขาวิศวกรรม VLSI จาก State Engineering University of Armenia ในการร่วมมือกับ Synopsys Armenia การศึกษาฟิสิกส์ทำให้ฉันฝึกฝนในการคิดอย่างแม่นยำและวิเคราะห์ แต่ในช่วงปีที่สองที่ฉันเริ่มเขียนโปรแกรม – โดยเริ่มจากภาษา Pascal – และฉันหลงใหลมันในทันที

ความหลงใหลนี้ทำให้ฉันเข้าสู่การสร้างซอฟต์แวร์ ฉันเริ่มต้นด้วยการสร้างเว็บไซต์ จากนั้นสร้างระบบจัดการเนื้อหาของตัวเอง หลังจากทำงานในหลายโครงการเกี่ยวกับการทำให้กระบวนการทำงานอัตโนมัติและออกแบบโครงสร้างการจัดการข้อมูล ฉันรู้สึกว่าฉันรักการสร้างโซลูชันทางดิจิทัลสำหรับอินเทอร์เฟซเว็บ

GSpeech เริ่มต้นเป็นเครื่องมือที่ช่วยผู้ที่มีปัญหาการมองเห็น คุณสามารถบอกเราเกี่ยวกับวิธีการที่ภารกิจในตอนแรกๆ มีอิทธิพลต่อการเติบโตของแพลตฟอร์มเป็นโซลูชัน text-to-speech ที่มีพลังงาน AI ที่สมบูรณ์แบบได้อย่างไร

การมุ่งเน้นไปที่การเข้าถึงได้ทำให้เกิดการพัฒนาเสียงที่มีคุณภาพสูงในเวลาจริง AI ที่สามารถแปลเป็นกว่า 70 ภาษา และการรวมเข้ากับเว็บไซต์ได้อย่างง่ายดายผ่านโค้ดเพียงบรรทัดเดียว สิ่งนี้นำไปสู่การสร้างฟีเจอร์ต่างๆ เช่น ผู้เล่นเสียงที่สามารถปรับแต่งได้ แผงเลือกภาษาและเสียง การเล่นเสียงที่ตระหนักถึงบริบท การดาวน์โหลดเสียง และสถิติการใช้งานที่มีรายละเอียด – รวมถึงข้อมูลประเทศ เมือง อุปกรณ์ และการวิเคราะห์การเล่นเสียงตามเวลา – ทั้งหมดนี้ได้รับการออกแบบเพื่อทำให้เนื้อหามีความหลากหลายและน่าสนใจมากขึ้น

คุณได้เผชิญกับความท้าทายทางเทคนิคที่สำคัญใดๆ ในระหว่างการพัฒนา GSpeech Cloud Console

หนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดในการพัฒนา GSpeech Cloud Console คือการออกแบบโครงสร้างที่สามารถขยายได้สำหรับการสร้างเสียง AI ที่มีคุณภาพสูงในเวลาจริง ซึ่งต้องใช้โซลูชันที่เป็นนวัตกรรมในการดึงเนื้อหาที่เกี่ยวข้องจากเว็บ การประมวลผลเสียงบนเซิร์ฟเวอร์ของเรา และการเก็บข้อมูลในคลาวด์สำหรับการส่งมอบที่รวดเร็วและเชื่อถือได้ การนำมาตรการรักษาความปลอดภัยที่มั่นคง เช่น การเข้ารหัสและการควบคุมการเข้าถึง เป็นสิ่งสำคัญในการปกป้องเนื้อหาที่สร้างโดยผู้ใช้

อีกความท้าทายหนึ่งคือการทำให้การแปลในเวลาจริงโดยใช้เครื่องยนต์ประสาทเทียมที่ทันสมัยเป็นไปได้ เราต้องแน่ใจว่าการแปลมีความแม่นยำและต่ำกว่าความหน่วง และสร้างอินเทอร์เฟซที่直观สำหรับผู้ใช้ในการเลือกภาษาและโปรไฟล์เสียงที่ต้องการสำหรับการเล่นเสียง โดยให้ความสำคัญกับความสบายของผู้ใช้และความเป็นส่วนตัว

ด้วยการแปลในเวลาจริงในกว่า 70 ภาษาและเสียงที่มีคุณภาพเป็นธรรมชาติกว่า 230 เสียง คุณรักษาคุณภาพเสียงและความแม่นยำในการแปลภาษาที่หลากหลายได้อย่างไร

เพื่อรักษาคุณภาพเสียงที่สม่ำเสมอ เราได้รวมโมเดล text-to-speech ที่ทันสมัยหลายรุ่นซึ่งได้รับการปรับปรุงและอัปเดตอย่างต่อเนื่อง เหล่านี้เป็นเครื่องยนต์หลายภาษาที่จัดการเนื้อหาที่ผสมผสานภาษาได้ด้วยความแม่นยำสูง

คุณสามารถอธิบายวิธีการที่ GSpeech ใช้ AI และการเรียนรู้ของเครื่องในการส่งมอบการสร้างเสียงที่เหมือนจริงได้อย่างไร และคุณติดตามความก้าวหน้าในเทคโนโลยีเสียงประสาทเทียมอย่างไร

GSpeech ใช้ AI และการเรียนรู้ของเครื่องโดยการรวมโมเดล text-to-speech ที่ทันสมัยหลายรุ่นเพื่อสร้างเสียงที่เหมือนจริง โมเดลเหล่านี้ได้รับการปรับให้เหมาะสมสำหรับความเป็นธรรมชาติและความรองรับหลายภาษา และประมวลผลข้อความเพื่อสร้างเสียงที่มีคุณภาพสูงพร้อมการเน้นเสียงและจังหวะที่สมจริง

การปรับเสียง การควบคุมเสียง และการปรับแต่งการเล่นเสียงมีความสำคัญต่อผู้ใช้ของคุณอย่างไร และคุณภูมิใจที่สุดกับการใช้งานใดที่ฟีเจอร์เหล่านี้ทำงานได้ดี

การปรับเสียง การควบคุมเสียง และการปรับแต่งการเล่นเสียงมีความสำคัญอย่างยิ่งต่อผู้ใช้ของเรา ทำให้พวกเขาสามารถสร้างเสียงที่มีคุณภาพสูงและปรับแต่งให้เหมาะสมกับความต้องการเฉพาะของตนได้

GSpeech มีการรวมเข้ากับ WordPress, Shopify , Wix และอื่นๆ อย่างไร คุณมีกลยุทธ์ใดในการทำให้แพลตฟอร์มนี้เป็นแบบปลั๊กแอนด์เพลย์สำหรับผู้สร้างและธุรกิจต่างๆ ในระบบนิเวศที่หลากหลาย

กลยุทธ์ของเราสำหรับการรวม GSpeech เข้ากับแพลตฟอร์มต่างๆ มุ่งเน้นไปที่ความเรียบง่าย ความเข้ากันได้ และความสามารถในการขยายได้ เราได้พัฒนาปลั๊กอินและโค้ดสแน็ปที่เบาและแบบโมดูลาร์ ซึ่งรวมเข้ากันได้อย่างง่ายดาย โดยมักต้องใช้เพียงไม่กี่คลิก

เมื่อมองย้อนกลับไปในระยะเวลาตั้งแต่ปี 2012 จนถึงปัจจุบัน คุณมองเห็นความสำเร็จที่ยิ่งใหญ่ที่สุดสำหรับตัวคุณเองหรือทางอาชีพในการสร้าง GSpeech อย่างไร

ความสำเร็จที่ยิ่งใหญ่ที่สุดสำหรับ GSpeech คือการสร้างเสียงที่มีคุณภาพสูงมากกว่า 1 พันล้านตัวอักษร ซึ่งแสดงให้เห็นถึงผลกระทบระดับโลกของเราในการเข้าถึงได้ นอกจากนี้ยังมีการให้คำชมจากองค์กรต่างๆ เช่น Humanity Union ที่ยกย่อง GSpeech สำหรับการปรับปรุงแพลตฟอร์มการมีส่วนร่วมของพวกเขา

ปัจจุบัน GSpeech ยังได้รับการใช้งานอย่างจริงจังโดยสำนักงานสถิติภูมิภาคนามันกันในอุซเบกิสถาน ซึ่งเป็นหน่วยงานภาครัฐที่มีผู้เข้าชมจำนวนมากและเป็นที่รู้จักในระดับประเทศ การได้เห็นหน่วยงานสาธารณะนำเทคโนโลยีของเราไปใช้อย่างกว้างขวางถือเป็นหมุดหมายที่มีความหมาย และเป็นสัญญาณอันทรงพลังถึงความไว้วางใจในโซลูชันของเรา

ในฐานะคริสเตียนและผู้ที่รับใช้ในคริสตจักรอาร์เมเนีย ผมพยายามสนับสนุนโครงการด้านศรัทธาอื่น ๆ เมื่อมีโอกาส ผมมักให้เว็บไซต์คริสเตียนใช้ GSpeech โดยไม่คิดค่าใช้จ่าย เพื่อช่วยเผยแพร่สารของพวกเขาได้อย่างมีประสิทธิภาพยิ่งขึ้น และทำให้พระคัมภีร์เข้าถึงได้ง่ายขึ้นผ่านเสียง นี่คือส่วนเล็ก ๆ ที่ผมสามารถช่วยสิ่งที่ยิ่งใหญ่กว่าได้ ขณะเดียวกัน ผมรู้สึกเป็นเกียรติที่ได้ทำงานกับพันธกิจที่ทุ่มเทอย่าง The Cord ซึ่งเป็นชุมชนผู้เชื่อเมสสิยาห์และเป็นลูกค้าคนสำคัญของ GSpeech โดยพันธกิจและเนื้อหาของพวกเขาสะท้อนพลังของพระคัมภีร์ที่นำไปสู่การปฏิบัติ

ช่วงเวลาเช่นนี้—เมื่อเทคโนโลยีกลายเป็นสะพานเชื่อมศรัทธา ความเข้าใจ และการมีส่วนร่วมของทุกคน—เตือนให้ผมนึกถึงเหตุผลที่เราสร้าง GSpeech ขึ้นมาตั้งแต่แรก

คุณมองเห็น GSpeech มีบทบาทอย่างไรในอนาคตของสื่อดิจิทัล โดยเฉพาะอย่างยิ่งเมื่อเนื้อหาที่มีเสียงและอินเทอร์เฟซเสียงกลายเป็นกระแสหลักมากขึ้น

ฉันเห็น GSpeech เป็นผู้นำในการทำให้สื่อดิจิทัลมีความเข้าถึงได้และน่าสนใจมากขึ้นโดยการเปิดใช้งานเสียง AI บนเว็บ เป้าหมายของเราคือการเปลี่ยนแปลงประสบการณ์ออนไลน์ทั้งหมด เพื่อให้เว็บไซต์สามารถมีเสียงและเป็นมิตรกับผู้ใช้โดยอัตโนมัติ

GSpeech ได้เริ่มใช้งานบน AppSumo และได้รับการให้คะแนนใกล้เคียงกับความสมบูรณ์แบบจากผู้ใช้ในช่วงแรกๆ คุณมองว่าการตอบรับจากชุมชน AppSumo มีความหมายต่อคุณอย่างไร และคุณวางแผนจะสร้างความสำเร็จนี้ต่อไปอย่างไร

การเปิดตัวบน AppSumo ทำให้ GSpeech เข้าถึงผู้คนหลายล้านคน และการให้คะแนนที่ใกล้เคียงกับความสมบูรณ์แบบนั้นเป็นการยืนยันผลิตภัณฑ์ของเราอย่างมาก ผู้ใช้หลายคนชื่นชมเครื่องมือที่直관และความสนับสนุนที่ตอบสนอง

สุดท้าย คุณมีคำแนะนำอะไรสำหรับนักพัฒนารุ่นใหม่หรือผู้ประกอบการที่ต้องการสร้างเครื่องมือที่มีพลังงาน AI ที่เข้าถึงได้ในสภาพแวดล้อมเทคโนโลยีที่เปลี่ยนแปลงอย่างรวดเร็วในปัจจุบัน

สำหรับนักพัฒนารุ่นใหม่และผู้ประกอบการ ฉันแนะนำให้พวกเขาทุ่มเททั้งใจให้กับงานของตน และหาปัญหาแท้จริงที่พวกเขาสามารถให้คำตอบที่ชาญฉลาดได้ เริ่มต้นด้วยการก้าวเล็กๆ ฟังคำติชมจากลูกค้า และพัฒนาต่อไปอย่างต่อเนื่อง

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม เราได้เลือกใช้โซลูชัน GSpeech สำหรับเว็บไซต์ของเราเนื่องจากการรวมเข้าที่ง่ายดาย เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับ GSpeech คลิกที่นี่: GSpeech