Майбутнє подкастів – це штучний інтелект

Приблизно 22 000 нових подкастів запускаються щомісяця. За даними Podcast Industry Insights, у каталозі Apple Podcasts зараз налічується близько 2,5 мільйона подкастів (більше 71 мільйона епізодів). І це лише ті, про які ми знаємо.

“Багато подкастерів тепер не проходять через великі платформи. Вони прямують до своїх слухачів, продають преміум-контент і мають великий успіх”, – говорить Енді Тейлор, колишній працівник BBC Radio і засновник кардіффської компанії з дослідження та розробки Bwlb.

І це не кажучи про зростаючий обсяг контенту, подібного до подкастів, створеного брендами для просування або організаторами заходів, які хочуть, наприклад, зробити свої виступи доступними онлайн. Кожен контент потребує виробництва та розповсюдження, незалежно від того, чи роблять це аудіопрофесіонали, чи люди, які вчаться цьому ремеслу. Тому чим більше вони можуть автоматизувати великі ділянки виробництва, тим більше вони можуть зосередитися на контенті.

“Різні місця, де публікується аудіо, просто вибухнули”, – пояснює Джонатан Вайнер, головний інженер компанії M Works Mastering і професор Беркліського коледжу музики в Бостоні. “З усіх цих контекстів є реальна мотивація і імператив для творців бути більш універсальними”.

Не кажучи вже про те, що вони повинні бути більш продуктивними та ефективними.

Рост штучного інтелекту

Штучний інтелект (ШІ) — програмне забезпечення, яке може автоматизувати завдання, раніше виконувані людьми, — володіє ключем до обробки цунамі контенту подкастів. ШІ не тільки може прискорити виробництво, але й зробити подкасти звучати краще і створити сцену для аудіо-ексperyєнсів завтрашнього дня.

“ШІ допомагає виконувати повторювані завдання, щоб прискорити робочий процес подкастера”, – пояснює Манос Чурдакіс, дослідний інженер компанії Nomono, яка розробляє інструменти подкастінгу на основі ШІ. “Наприклад, з ШІ вам не потрібно слухати весь подкаст, щоб знайти місце, де хтось сказав щось неправильно, а потім замінити або видалити це. Ви можете зробити це самостійно, але ШІ робить це швидше”.

Потім є завдання, які можна виконувати лише за допомогою ШІ — принаймні в масштабі, наприклад, видалення шуму або покращення діалогу. “Якісне покращення діалогу було б неможливим без ШІ”, – говорить Чурдакіс. “Принаймні неможливим у розумному часовому масштабі з використанням традиційних інструментів”.

Ідеально підходить для рутинних завдань

Застосування ШІ в подкастінгу так само різноманітні, як і завдання виробництва. Деякі з них побудовані безпосередньо в платформи подкастів. Коли творці завантажують свої подкасти на платформу хостингу Podcast.co, система автоматично “слухає” аудіофайли та нормалізує рівні звуку.

“Будь-який інструмент, який може допомогти зменшити час, витрачений на рутинні завдання, – це добре”, – говорить Майк Кунсоло, співзасновник платформи. Кунсоло також керує Cue, компанією з виробництва подкастів, яка працює з корпоративними брендами, і Matchmaker.fm, яка підключає продюсерів подкастів до гостей. “Вам завжди буде потрібно той людський експертний елемент, але скоро машини зможуть вивчити, що робить подкаст цікавим, і зменшити час на завдання”.

Постачальник рішень Descript застосовує ШІ до багатьох аспектів інженерії подкастів, включаючи видалення шуму та контроль еха. Одним із найбільш “рутинних” завдань, які може виконувати Descript, є кімнатний тон.

“Іноді продюсерам потрібно вставити цифрову тишу в подкаст. Можливо, між монтажами або щоб витягнути розстановку між реченнями”, – говорить Джей Лебоеф, керівник бізнесу та корпоративного розвитку компанії Descript. “Але це звучить вкрай натурально”.

Якщо продюсери не захопили кімнатний тон під час запису подкасту, їм може знадобитися повернутися і отримати його. Або вони можуть слухати його в записі, копіювати та вставляти його, де потрібно, а потім редагувати результат, щоб він звучав природно.

Або комп’ютери можуть зайнятися цим. Генератор кімнатного тону Descript на основі ШІ аналізує запис, визначає кімнатний тон і автоматично синтезує його, де це потрібно. Така технологія не тільки усуває рутинні завдання, але й дозволяє збільшити гнучкість виробництва.

“ШІ дозволить нам використовувати menos дороге обладнання, гірші кімнати та шумніші місця і все одно отримувати хороші результати”, – говорить Чурдакіс з Nomono.

Нові можливості на основі ШІ

ШІ також відкриває двері до інновацій у сфері подкастів — створення нових рішень, які підвищують планку для подкастерів та слухачів. Наприклад, інструмент Epidemic Audio Reference (EAR) допомагає подкастерів знаходити музику без авторських прав на основі пісень, які їм подобаються.

“Наприклад, ви шукаєте музику для вступу чи виходу, і ви думаєте про конкретну пісню, але вона захищена авторським правом”, – говорить Чурдакіс. “Система використовує ШІ, щоб допомогти вам знайти щось подібне”.

У Bwlb команда Тейлора розробила Accordion, рішення на основі ШІ, яке може взяти подкаст і відтворити його різної тривалості.

“Усі інші частини нашого життя стають розумнішими — розумні будинки, розумні холодильники”, – говорить Тейлор. “Люди хочуть більше контролю та зручності від свого досвіду подкастів”.

Коли Тейлор працював над документальними фільмами для BBC, його просили створити коротші версії для різних платформ. Процес завжди був ручним. Accordion застосовує програмні алгоритми до контенту подкастів, щоб інтелектуально створювати версії різної тривалості. “Це не прискорює нічого”, – говорить Тейлор, – “але це дає користувачеві контроль над тривалістю контенту без втрати структури тону чи слуховості”.

Фокус на іммерсивному оповіданні

Чим більше подкастери використовують інструменти ШІ, тим краще вони стають. Інакше кажучи, чим більше даних вони споживають, тим більше вони вчаться.

Алгоритми покращення діалогу Nomono засновані на великих наборах даних голосових записів — деяких чистих та зрозумілих, деяких менш зрозумілих — які вчать інструменти ШІ, як генерувати кращий звук. “Подкастерів не повинні мати передові знання аудіо, щоб виробляти високоякісний аудіо”, – говорить Чурдакіс. “Автоматизуючи деякі з цих завдань, вони можуть витратити більше часу на створення великого оповідання, а менше часу на рутинні завдання з очистки”.

І в майбутньому вони можуть еволюціонувати легше, щоб створити новий жанр іммерсивних, просторових подкастів. Наприклад, технологія Nomono дозволяє виробляти об’єктно-орієнтований аудіо, який дозволяє продюсерам “розміщувати” голоси в тривимірному звуковому просторі або створювати динамічні версії, які можна налаштувати для слухачів.

“Виробництво медіа зараз вступає в фазу, коли якщо ви можете щось уявити, це можна зробити”, – говорить Лебоеф з Descript. “І вам більше не потрібно дорогої студії чи десятиліть тренувань, щоб досягти своїх цілей”.