Jaime Bosch, CEO, Voicemod – Phỏng vấn loạt

Jaime Bosch là CEO của Voicemod một phần mềm thay đổi giọng nói miễn phí cho các game thủ, nhà sáng tạo nội dung và vtubers.

Bạn có thể chia sẻ câu chuyện về sự ra đời của Voicemod?

Là người thứ 8 trong số 10 người con, tôi lớn lên trong một môi trường mà tôi có thể hoàn toàn phát huy tinh thần kinh doanh từ rất sớm, vì luôn có sự hỗ trợ từ những người anh em cùng tư duy.

Do đó, chỉ là vấn đề thời gian trước khi hai người anh em và tôi, tất cả chúng tôi đều có tình yêu sâu sắc với công nghệ và âm nhạc, đã đùa giỡn với ý tưởng tạo ra một ứng dụng kết hợp sở thích của chúng tôi. Vì vậy, vào năm 2009, chúng tôi đã làm điều đó và tạo ra một ứng dụng âm nhạc B2C như một công việc phụ để kinh doanh phòng thu mà chúng tôi đang vận hành như nghề chính.

Khi đó là một dự án phụ, chúng tôi đã thử nghiệm rất nhiều thứ như điều chỉnh giọng nói, điều này đã truyền cảm hứng cho chúng tôi tạo ra một thứ gì đó hoàn toàn mới và độc đáo. Kết quả của điều này là những gì chúng tôi gọi là “Trải nghiệm Voicemod” – một cách hoàn toàn mới để trải nghiệm giọng nói của bạn – điều này đã trở thành động lực chính cho sự phát triển của ứng dụng. Bất kể ai thử phần mềm của chúng tôi, chúng tôi đều gặp phải những phản ứng tương tự từ những người trải nghiệm ứng dụng: tiếng cười và sự ngạc nhiên khi nghe mình nói theo một cách hoàn toàn khác.

Điều này đã dẫn chúng tôi đến việc định hình lại tầm nhìn của sản phẩm, thành một thứ gì đó có thể cuối cùng phát triển kết nối con người thông qua phương tiện âm thanh. Vì vậy, chúng tôi đã mang trải nghiệm từ thiết bị di động sang máy tính, nơi nó đã được cộng đồng game và phát trực tuyến đang bùng nổ đón nhận – và phần còn lại, như người ta nói, là “lịch sử”.

Voicemod ban đầu là một dự án phụ — khi nào bạn nhận ra rằng bạn muốn đầu tư toàn bộ?

Ban đầu, hai người anh em và tôi đã có một studio cùng nhau gọi là 2taptap. Khi chúng tôi nghĩ ra ý tưởng tạo ra Voicemod, ban đầu nó chỉ là một dự án phụ, nhưng theo thời gian, chúng tôi thấy cách mọi người tương tác với nó và tiềm năng mà công nghệ này có. Cho đến thời điểm đó, hầu hết công nghệ thay đổi giọng nói đều là không đồng bộ, vì vậy việc có thể trải nghiệm trở thành một người khác trong một môi trường thời gian thực là mới mẻ đối với nhiều người. Moment quyết định đối với chúng tôi, tuy nhiên, là nhận ra rằng mọi người đang sử dụng công nghệ của chúng tôi không chỉ để giải trí, mà để định hình toàn bộ cách họ thể hiện mình trực tuyến. Đây là lúc chúng tôi nhận ra rằng chúng tôi đang xây dựng một thứ gì đó không chỉ về giải trí, mà có thể là bước tiếp theo trong tương lai của các trải nghiệm âm thanh xã hội.

Bạn có thể thảo luận về một số công nghệ nhận dạng giọng nói?

Với loạt bộ thay đổi giọng nói trong danh mục của chúng tôi, có những quá trình được thực hiện để lấy giọng nói thông thường và biến nó thành một thứ gì đó mới. Tất nhiên, cũng có những khía cạnh trong giọng nói của một người mà phải tính đến như tuổi tác, giới tính, cảm xúc và chỉ những biến thể đơn giản trong cách một người nói.

Các biến thể này góp phần vào cách một người có thể nghe và ảnh hưởng đến những thay đổi được áp dụng. Chúng tôi tận dụng các yếu tố từ công nghệ nhận dạng giọng nói tiên tiến nhất để tạo điều kiện cho việc chuyển đổi và biến đổi giọng nói một cách chính xác nhất có thể – và chúng tôi liên tục cải tiến quá trình này. Chúng tôi muốn mang đến cho mọi người cơ hội để cấu trúc cách họ được nhận thức, nghe thấy cách họ muốn được nghe và mang lại một trải nghiệm nghe tuyệt vời cho khán giả của họ.

Tại sao việc giúp mọi người thể hiện mình qua âm thanh lại quan trọng?

Từ khi chúng ta sinh ra và tiếng khóc đầu tiên của một đứa trẻ, âm thanh là cách tự nhiên mà chúng ta học cách thể hiện mình. Khi chúng ta lớn lên, tầm quan trọng của giao tiếp âm thanh tiếp tục tăng, vì chúng ta học cách tạo hình âm thanh thành ngôn ngữ và sử dụng giọng nói của mình để đưa cảm xúc và sắc thái vào những từ chúng ta nói. Bằng cách tăng cao độ của giọng nói, chúng ta có thể tín hiệu hóa sự phấn khích – hoặc sử dụng hiệu ứng âm thanh như tiếng thở dài hoặc tiếng than để nhấn mạnh vào những điểm chúng ta muốn làm.

Đối với một số người thực sự tài năng, giọng nói là một công cụ cho sự thể hiện không giới hạn – vì họ có thể tạo ra một lượng âm thanh không giới hạn hoặc giọng nói. Hầu hết chúng ta, tuy nhiên, không may mắn như vậy và thực sự cảm thấy không thoải mái với giọng nói của mình (đặc biệt là khi chúng ta nghe thấy nó được ghi lại). Một số người dùng của chúng tôi nói về việc cảm thấy lo lắng khi nói trước những người lạ và thất vọng vì không thể thể hiện mình theo cách họ muốn.

Đây là nơi chúng tôi thấy một cơ hội lớn để giúp mọi người. Với các bản sắc giọng nói của chúng tôi, người dùng có thể định hình giọng nói của mình để trở thành một thứ gì đó họ cảm thấy thoải mái – hoặc thậm chí trượt vào những giọng nói khác nhau cho các tình huống cụ thể. Chúng tôi cũng muốn trao quyền cho họ sử dụng hiệu ứng âm thanh, clip âm nhạc hoặc biểu tượng âm thanh để tạo ra bầu không khí, truyền đạt ngữ cảnh hoặc thực hiện các hiệu ứng hài hước – tương tự như cách biểu tượng cảm xúc đồ họa đã giúp định hình giao tiếp văn bản.

Bạn đã mô tả Voicemod như một sự phát triển kết nối con người qua âm thanh, bạn có thể giải thích thêm về điều này?

Ngoài việc giải phóng người nói và loại bỏ một loại chướng ngại tâm lý ngăn cản mọi người nói, chúng tôi cũng đang làm việc để làm cho kết nối này sâu sắc hơn. Ví dụ, bảng điều khiển âm thanh của chúng tôi lấy giao tiếp và nâng nó lên một tầm cao mới — hãy nghĩ về nó như một “biểu tượng cảm xúc âm thanh”. Bạn có thể tưởng tượng những người dưới 35 tuổi trò chuyện mà không sử dụng biểu tượng cảm xúc? Mặc dù công nghệ này đã tồn tại từ rất lâu, nhưng nó thực sự chỉ trở nên sâu sắc trong giao tiếp của chúng tôi kể từ khoảng năm 2010. Chúng tôi đã thấy một xu hướng tương tự với các nhãn dán trên các nền tảng nhắn tin, sự gia tăng của tin nhắn và lưu ý giọng nói, và bây giờ là việc sử dụng ngày càng tăng của GIF và Giphy. Với việc mở rộng giao tiếp âm thanh trên toàn thế giới, tầm quan trọng của cách chúng ta sử dụng âm thanh đang tăng lên. Việc gửi một phản ứng âm thanh đến một trò đùa của bạn bè có thể nói rất nhiều về phản ứng trung thực, chân thành của bạn so với việc chỉ gõ một câu.

Chúng tôi muốn làm cho nó dễ dàng nhất có thể cho người dùng sử dụng giọng nói, hiệu ứng giọng nói và biểu tượng cảm xúc âm thanh để có những cuộc trò chuyện âm thanh hấp dẫn hơn với bạn bè, gia đình hoặc những người lạ.

Có những công nghệ học máy nào đằng sau ứng dụng Voicemod, bao gồm cả việc cho phép người dùng nghe tốt hơn và tùy chỉnh giọng nói của họ xung quanh giọng nói thực của họ?

Học máy là trái tim của hầu hết các tính năng mới của Voicemod.

Về mặt sáng tạo, Voicelab của Voicemod đã tạo ra công nghệ chuyển đổi giọng nói thời gian thực đầu tiên trên thị trường sẽ cho phép người dùng chọn bản sắc âm thanh của riêng họ, tạo ra các giọng nói cá nhân cho từng người.

Với công nghệ tiên tiến mới sắp được phát hành, chúng tôi tạo ra những giọng nói chưa từng có với các đặc điểm độc đáo sẽ giúp bảo vệ quyền riêng tư và bảo mật của người dùng, đồng thời cho phép họ tạo ra nhân cách mong muốn của mình thông qua âm thanh.

Chúng tôi cũng đã quan sát các phương pháp học sâu dựa trên dữ liệu xuất hiện trong những năm gần đây. Những phương pháp này cho phép chúng tôi học các cấu trúc ẩn trừu tượng trong tín hiệu giọng nói liên quan đến các đặc điểm nhận thức của giọng nói như âm vị học, nội dung, bản sắc, ý định và tâm trạng. Bằng cách tận dụng những công nghệ này, chúng tôi có thể kiểm soát và sửa đổi các khía cạnh nhận thức của tín hiệu. Điều này cho phép chúng tôi thiết kế các công nghệ mang lại cho người dùng nhiều quyền kiểm soát hơn đối với bản sắc giọng nói được nhận thức của họ theo cách mà trước đây không thể.

Có những trường hợp sử dụng nào cho ứng dụng Voicemod?

Điều tuyệt vời về Voicemod là các công cụ của nó phục vụ một loạt các nhu cầu và tình huống. Các tình huống phổ biến hơn sẽ là cho việc tạo nội dung, chơi game với bạn bè, trò chuyện với gia đình hoặc bạn bè, tạo môi trường nhập vai hấp dẫn, hoặc thậm chí cho công việc và kinh doanh – nơi người dùng chủ yếu sử dụng các công cụ hủy bỏ tiếng ồn và nâng cao âm thanh của chúng tôi.

Bạn có thể thảo luận về một số thách thức và lợi ích của việc ra mắt một công ty khởi nghiệp với anh em?

Thành thật mà nói, tôi sẽ rất vui, và tôi biết rằng tất nhiên mọi người đều phải đối mặt với thách thức theo một số cách, nhưng tôi thực sự không nhớ nhiều trong trường hợp của chúng tôi. Lý do là, chúng tôi đến từ một gia đình rất lớn. Chúng tôi luôn làm việc gì đó cùng nhau, từ các dự án thời thơ ấu đến chơi nhạc và sáng tạo. Đó chỉ là điều tự nhiên mà chúng tôi sẽ kết thúc bằng cách làm việc cùng nhau. Hai người anh em của tôi, Fernando và Juan — những người đã đồng sáng lập Voicemod cùng tôi — đã có một số công ty cùng nhau, vì vậy họ đã có nhiều kinh nghiệm trong lĩnh vực đó. Tôi đã tham gia cùng họ vào năm 2010 trong công ty của họ, đó là 2taptap, vì vậy tôi đã có cảm nhận về nó. Điều này có nghĩa là khi chúng tôi tạo ra Voicemod, chúng tôi đã làm điều đó hoàn toàn phù hợp với những gì chúng tôi muốn đạt được và quan trọng hơn là cách chúng tôi muốn đạt được nó. Do đó, nó thực sự đã giúp mang lại một văn hóa giá trị được định hướng mạnh mẽ vào Voicemod, điều này đã là chìa khóa cho thành công của chúng tôi.

Có điều gì khác mà bạn muốn chia sẻ về Voicemod?

Có rất nhiều điều đang diễn ra sau hậu trường, nhưng phù hợp với mong muốn của chúng tôi để phát triển âm thanh cho mọi người, chúng tôi hiện đang làm việc trên một thứ gì đó để làm cho công nghệ của chúng tôi trở nên dễ tiếp cận hơn. Một cách để bất kỳ nhà phát triển nào cũng có thể sử dụng công nghệ của chúng tôi trong sản phẩm của họ

Chúng tôi biết rằng mọi người dành hầu hết thời gian thức của họ trực tuyến, cắm vào, thể hiện mình trên các nền tảng và ứng dụng khác nhau. Trong các môi trường trực tuyến, hình đại diện của bạn là toàn bộ cách bạn thể hiện mình. Và thực sự, ai là người đó nếu không có giọng nói?

Xây dựng công nghệ thay đổi giọng nói thời gian thực và phát triển một hệ thống biểu đạt âm thanh hoàn toàn có thể tùy chỉnh là rất nhiều công việc. Đội ngũ của chúng tôi đã thực hiện bước này bằng cách thiết kế một bộ công cụ hoàn chỉnh có thể dễ dàng được tích hợp bởi các nhà phát triển ở bất kỳ nơi nào. Chúng tôi rất hào hứng khi mang công nghệ của mình đến với các nhà phát triển và người dùng trên toàn thế giới, vì chúng tôi tiếp tục xây dựng tương lai của các trải nghiệm âm thanh xã hội!

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Voicemod.