Pavel Osokin，AMAI 的联合创始人和 CEO – 采访系列

Pavel Osokin 是 AMAI 的联合创始人和 CEO，AMAI 是一家位于旧金山的初创公司，生产 AI 语音引擎。Pavel 领导着 Amai 的运营和战略，具有专业的雄心，旨在将其语音技术安装到世界上的每部电话中。在 AMAI 中，他们开发了一个 AI 语音，97% 的用户无法将其与真实的人类语音区分开来。

您是一位终身企业家，13岁时就创立了您的第一家公司，您的第一项商业尝试是什么，您认为是什么激发了您的企业家精神?

我并没有真正称它为一家公司，但我通过转卖一些东西或在街上用桶洗车赚了我的第一笔钱。我的动机是，我想要一瓶可乐或一块士力架，我的父母没有钱。我可以等待钱出现，或者自己赚钱。等待并不吸引我。

您能分享一下 AMAI 的起源故事吗?

我问我的合作伙伴，“世界各地的公司需要什么？”在那次谈话中，我意识到每家企业都在寻找“销售”。我们开始制作可以通过邮件和信使与客户交流并销售产品的机器人。另一方面，这并不是特别新鲜的东西，因为有很多聊天机器人可用。所以，我们认为如果这些机器人也可以打电话，那将很酷。由于市场上有很少好的解决方案，我们创建了自己合成语音的原型，并在第一次销售后放弃了机器人，专注于 TTS。

AMAI 具体代表什么?

这代表着“我是 AI”（我是人工智能）。

您能讨论一下设计最先进的文本转语音技术的一些挑战吗?

设计最先进的 TTS 提供了几个挑战。第一个挑战是收集数据集。训练神经网络需要不同年龄的男女声音，越多越好。第二，您需要实现与自然声音非常接近的效果。最好的方法是测试不同的机器学习模型，并不断尝试不同的语音使用情况：特别是，您需要找到最有问题的样本并单独处理它。谈到长期挑战，很难评估声音是否变得更好或更糟，以及应该在哪个方向上改进。

在人类与 AMAI 语音 AI 交互时，语音识别的一些挑战是什么?

有数百家公司正在从事语音识别的工作，因为它更容易开发。目前没有解决方案的问题是儿童语音的识别。儿童在很小的年龄就有很多语音特征，因此很难考虑到所有这些因素。尽管如此，我们一直在努力解决这个问题，我们即将宣布结果——因此，很快我们的 AI 将不仅能够与成年人交互，还能与儿童交互。

AMAI 的一些流行用例是什么?

目前，它是有声书配音和企业呼叫中心的使用。

目前提供哪些语言，哪些语言正在开发中?

我们的多语音系统包括两种语言，俄语和英语。其理念是，一种语言中创建的语音可以在我们的模型中说所有其他语言。目前，我们正在收集 40 多种语言的数据，很快我们将拥有 42 种语言。

您对 AI 语音助手的未来有什么展望?

我相信语音助手将进入元宇宙，我们正在研究这些机会。如果您将助手与智能扬声器或网络浏览器集成在一起，更多的人将每天使用语音搜索和与助手交互。您可以与您的冰箱或电视交谈。

您是否还有其他关于 AMAI 的信息想要分享?

AMAI 只使用其自己的专有技术。

感谢采访，希望了解更多的读者可以访问 AMAI。