斯塔斯·图辛斯基，Instreamatic 首席执行官兼联合创始人 – 采访系列

斯塔斯·图辛斯基是 Instreamatic 的首席执行官兼联合创始人，Instreamatic 是一个提供 AI 驱动的语音和音频营销解决方案的平台，帮助品牌更好地与消费者互动。

您之前联合创立了 Unisound，一家音频广告代理公司。您如何利用这段经历来构想启动一个 AI 语音营销公司？

在 Unisound 的经历对我理解数字音频广告的演变至关重要。我们是最早认识到数字空间中音频广告需求和潜力的公司之一。

我在那里学到的一个关键经验是，个性化和语境化可以显著提高广告的有效性，包括音频广告。这一理解成为 Instreamatic 背后的愿景的基石。

在 Unisound，我们观察到市场中缺乏智能、响应式广告解决方案。我们设想使用 AI 不仅用于定位，还用于创建更具互动性和吸引力的体验。这导致了一个 AI 驱动的营销平台的想法，这将改变我们与广告的互动方式。

您能分享一下 Instreamatic 的诞生故事吗？

最初，Instreamatic 诞生于一个改变音频出版商如何盈利其内容的愿景。最初，我们的重点是为盈利提供音频广告，这仍然是我们运营的重要部分。

当我们深入行业时，我们发现了一个在 AI 中用于创意优化的重大机会。这一认识在塑造我们的方向向更深入地将 AI 技术集成到我们的服务中方面至关重要。

我们在音频广告方面的专业知识与 AI 技术的进步的汇聚是 Instreamatic 的催化剂。我们看到了不仅为出版商服务，还为用户和广告商提供更动态和高效的广告生态系统的潜力。

最初使用了哪些 AI/ML 技术？

我们从一个简单的分类器开始。它是一种监督机器学习方法，模型尝试预测给定输入数据的正确标签。然后，我们通过使用嵌入来增强我们的分类器。最终，我们不仅限于 NLP 技术。新的想法和挑战带来了新的障碍，现在我们的武器库包括文本转语音合成和零次语音克隆。

生成式 AI 如何改变您的技术栈以及您如何部署它？

生成式 AI 为我们的技术栈和部署策略带来了显著的变化。我们的当前技术栈包括支持生成式 AI 模型的高级机器学习库和框架，特别是用于文本转语音合成和零次语音克隆。我们利用高性能计算资源来训练这些模型，因为它们需要大量的计算能力。这涉及利用 GPU 加速的硬件来处理生成式 AI 应用的密集处理需求。

对于部署，我们严重依赖基于云的解决方案。这为我们提供了管理生成式 AI 应用程序大量工作负载所需的可扩展性。我们使用诸如 Docker 和 Kubernetes 之类的容器化技术来管理和扩展我们的应用程序。这种设置确保我们的生成式 AI 模型可以快速部署并根据需求进行扩展。

我们的 CI/CD 流水线针对机器学习工作流进行了优化。我们使用可以自动执行模型训练和部署的工具，确保它们始终使用最新的数据和算法进行更新。这对于维护我们的生成式 AI 应用的有效性至关重要。

在数据处理方面，我们实施了强大的数据处理管道。这些管道旨在高效处理大量数据，这对于训练和运行生成式 AI 模型至关重要。我们确保数据以安全的方式处理和存储，遵循数据安全和隐私的最佳实践。

总体而言，将生成式 AI 集成到我们的技术栈中导致我们采用了高性能计算资源、基于云的基础设施、容器化以实现可扩展性、自动化的 CI/CD 流水线用于机器学习以及安全的数据处理机制。这些技术元素对于支持我们生成式 AI 应用的高级功能至关重要。

Instreamatic 专门从事您所说的语境视频和音频广告——您如何定义它？

语境广告利用生成式 AI 的最新进展，显著改变了视频和音频广告的可能性。对于企业来说，结果是品牌参与度和 ROI 的提高。语境广告提供了基本上无限的能力，持续生成和 A/B 测试新的创意内容，相关于听众的特定语境和环境。

事实是，广告行业多年来一直面临着广告参与度下降的问题，这对任何人来说都不奇怪，因为消费者表现出越来越多的屏幕疲劳，并抵制那些依靠广告数量来获得转化的广泛广告。虽然展示出更具体的原创内容和更高的相关性可以获得更高的参与度，但为每个消费者的语境手动制作和管理单独的广告副本的时间和成本投入是极其具有阻碍性的。

我们的语境音频、视频和连接电视（CTV）广告由 AI 驱动，以此来反对这种低参与度的趋势，通过使广告商能够使每个广告都与听众的语境和需求高度相关。考虑一个传统的 30 秒音频广告：一位雇佣的配音演员可能会录制几个广告副本，听众不太可能对此感到惊讶或被吸引。语境广告可以增强这种传统的广告内容，使用生成式 AI 合成同一位演员的声音，并自动在整个活动中生成数千个广告变体。

语境广告特别适合为较长的广告活动（3-6 个月）注入新活力。传统上，这些活动容易受到创意疲劳的影响：观众不断看到相同的创意，导致参与度下降。我们的技术通过使创意每周刷新变得简单来解决这个挑战。例如，对于每周更新产品优惠的零售商来说，我们的自动广告生成也非常适合让这些活动保持最新和新鲜。

品牌可以期待 AI 超级个性化广告的现实性如何？

现在，这是完全现实的，就像由生成式 AI 驱动的语境广告所示。语境广告可以包含超级个性化的细节，包括听众的位置、时间、他们使用的应用程序或平台的名称或类型以及他们正在进行的活动，例如收听播客或玩游戏。语境广告甚至可以包含诸如本地商店名称和地址、本地店内促销、促销码（每个渠道唯一，以启用性能测量）、带有特定优惠的旅行目的地等变量。这些广告还可以提及听众可以与品牌互动和兑换广告中提供的优惠的最近本地商店。这种相同的定位能力确保广告活动达到最有可能对所提供的产品和解决方案最感兴趣的受众。这些广告都是在没有录制新语音或旁白内容的情况下生成和投放的。

您能讨论一下客户可以使用的核心产品吗？

从品牌的角度来看，我们的语境广告平台采用单个原始语音样本和脚本，识别每个个体听众的参数，并使用我们的语音 AI 能力无缝地生成和投放与这些参数相符的音频、视频或 CTV 广告。例如，针对特定用户生成的语境广告可能从以下内容开始：“希望您在芝加哥这个雨天的早晨喜欢您的播客，我只是想快速通知您，Jake 的咖啡店本月都有买一送一的优惠。”

从出版商的角度来看，AI 驱动的语音、视频和 CTV 语境广告提供了一项具有革命性的创新，并且无需复杂的集成。语境广告与所有支持 VAST 标签的需求方平台（DSP）和广告服务器兼容，提供即时的可扩展性。出版商还可以利用我们的广告网络，以无需平台成本的方式达到全球 60 亿次印象：技术成本包含在媒体支出中，当在网络内发布时。

您能分享一下在平台上发布广告的过程吗？

在我们的平台上发布广告只需几分钟。品牌或代理商用户只需编写广告文案，可以选择从我们的语音库中选择免版税的语音或克隆自己的语音人才。用户还可以上传任何必要的资产（背景音乐、视频片段、横幅等）。用户最终确定广告，平台提供了可以通过 VAST 标签（广告流量的行业标准）或作为可下载的媒体文件提供给任何数字和广播环境的广告版本。

这些 AI 增强的广告不仅通过实现大规模的超级个性化来提高视频和音频广告活动的性能，还将制作活动的成本降低，并将广告创作时间从几周缩短到几分钟。对于具有 50+ 版本的活动，用户可以体验到大约 10 倍的成本降低。我们的技术为单创意活动也提供了类似的决定性好处。该平台也是销售团队快速为客户制作广告模拟的绝佳工具，而无需在早期阶段与制作和创意团队进行交互，因为我们的 AI 可以编写文案并完全制作自定义广告。

您对 AI 广告和营销的未来有什么展望？

我确实看到一个未来，顾客不会因为每个广告都与他们相关且更有趣而感到恼火或忽略广告，品牌也更加能够在正确的时刻以正确的语境信息到达正确的受众。这显然与行业的现状不同，但我相信这是我们正在走向的方向——而 AI，在战略上被利用，正在使其成为可能。语境广告也将继续改进，以捕捉听众的注意力，因为它们直接针对他们的语境和需求，特别是在用户隐私优先的世界中，用户定位变得越来越困难，因此语境定位是提高广告性能的唯一高效机制。我们的高级生成式广告 AI 可以创建无限的新创意，以针对每位听众作为个体。结果是听众参与度的提高、广告 ROI 的提高以及品牌与客户的更有意义的联系。

感谢这次精彩的采访，希望了解更多的读者可以访问 Instreamatic。