A Speechify alapítója az AI jövőjéről beszélget az Everyday AI podcastban

A hírességek hangjai jelentik a generatív AI jövőjét? Biztonságos-e az AI? A Speechify alapítója és vezérigazgatója, Cliff Weitzman ült le Jordan Wilsonnal az Everyday AI Podcast 152. epizódjában, hogy ezekre és még több kérdésre választ adjon.

Everyday AI podcast

Az Everyday AI podcast egy népszerű, ingyenes, napi élő közvetítés, podcast és hírlevél, amely segíti a hétköznapi embereket abban, hogy AI-val fejlesszék a karrierjüket. A podcast nemcsak naprakészen tartja a hallgatókat a generatív AI gyorsan bővülő területének legújabb tippjeivel és trendjeivel kapcsolatban, hanem azt is megmutatja, hogyan használhatják ki az AI-t a sikerük érdekében. 2023 áprilisi indulása óta a The Everyday AI podcast 22 000 hallgatót és 7 800 napi e-mail-feliratkozót gyűjtött össze, akik AI-ismereteket és stratégiákat szeretnének tanulni ahhoz, hogy okosabban, ne keményebben dolgozzanak, és a mesterséges intelligencia segítségével új magasságokba emeljék a sikerüket.

A Speechify története

Cliff Weitzman eredetileg azért fejlesztette ki a Speechify-t, mert főiskolán diszlexiával küzdött, és rájött, hogy a legtöbb tankönyvnek nincs hangoskönyv verziója. Ma ez a világ első számú szövegfelolvasó alkalmazása, több mint 150 000 ötcsillagos értékeléssel és 25 millió felhasználóval. Hogyan lett ilyen népszerű, hogy még Snoop Dogg is partnerséget akart kötni a céggel? Weitzman erről és még sok másról beszélt az Everyday AI podcast 152. epizódjában, amely 2023. november 27-én jelent meg.

Hogyan működik a Speechify

Weitzman elmagyarázta, hogy a Speechify a világ legjobb szövegfelolvasó (TTS) motorjára és legkiválóbb AI hanggenerátorára épül, amely bármilyen szöveget azonnal és megfizethetően alakít át beszéddé. Az Android-, Mac- és iOS-alkalmazással, a webes verzióval, valamint a Microsoft Edge- és Google Chrome-kiterjesztésekkel a Speechify nemcsak digitális szövegek felolvasására alkalmas, például PDF-ek, hírcikkek, Google Dokumentumok és e-mailek esetében. Fejlett OCR- és AI-technológiájával a felhasználók gyorsan lefényképezhetik tankönyveiket, tanulási segédleteiket, kézzel írt jegyzeteiket és egyéb fizikai dokumentumaikat, majd valós időben élethű hangfájlokká alakíthatják őket.

A Speechify felhasználási esetei és célja

Azzal, hogy a felhasználók szöveget hallgathatnak olvasás helyett vagy mellett, a Speechify szövegkiemelő funkciója révén gyorsabban, könnyebben és hatékonyabban szerezhetnek információt. Ennek köszönhetően a Speechify alapvető AI-eszközzé vált diákok és olyan személyek számára, akik tanulási zavarokkal vagy fogyatékkal élnek, például diszlexia, ADHD, gyengénlátás, vakság, autizmus, agyrázkódás vagy szorongás esetén.

Habár a Speechify-t kezdetben főként segítő technológiaként használták tanulási nehézségekkel küzdők támogatására, ma már mindenféle ember használja – Weitzman szerint orvosok, ügyvédek, könyvelők, katonák, vezetők, pénzügyi szakemberek, nyelvtanulók és olyan multitaskolók is, akik szeretnék növelni a produktivitásukat és az olvasási sebességüket a kiváló minőségű, természetes hangzású hangoknak és az OCR-technológiának köszönhetően.

Valójában Weitzman megosztotta, hogy a Speechify célja az, hogy „az olvasás soha ne legyen akadálya a tanulásnak senki számára, függetlenül a hátterétől.”

Hírességek hangjai

Ahogy a Speechify egyre nagyobbra nőtt, lehetősége nyílt együttműködni néhány igazán ismert névvel. Az epizódban Weitzman és Wilson elmesélte, hogyan jött létre a partnerség Snoop Dogg-gal, aki saját hangjával bővítette a Speechify hangválasztékát.

Weitzman elmondta, hogy a Speechify legtöbb partnersége maguktól a felhasználóktól érkezik, akik megkeresik a céget. Ezután kifejtette, hogyan jelezte Snoop Dogg ügynöke a Speechify-nak, hogy Snoop szeretné a hangját felhasználni, hogy segítsen a közönségének információt fogyasztani. Ez késztette Weitzmant arra, hogy elutazzon Snoop Dogg otthoni stúdiójába, ahol hangklónozás és beszédszintézis technológiával rögzítették és klónozták a hangját.

A Speechify több mint 200 AI-hangja között, amelyeket különböző nyelveken érhetünk el, beleértve az angolt, kínait, spanyolt, portugált és még sok mást, Gwyneth Paltrow színésznő – aki régóta támogatója is a Speechify-nak – szintén elérhető felolvasó hangként.

Ám ezekkel a hírességek által megszólaltatott hangopciókkal – amelyek képesek bármilyen tartalmat felolvasni a közösségimédia-posztoktól a tudományos dolgozatokig – együtt járnak a Speechify által bevezetett óvintézkedések is a visszaélések elkerülése érdekében.

AI-biztonság és hangklónozás

Miközben a Speechify elismeri az AI-alapú szövegfelolvasó eszközök és a hangklónozási technológia előnyeit, Weitzman elmagyarázta, hogy a Speechify egyik legfontosabb szempontja az alkotók és emberek védelme, mert „az AI-biztonság rendkívül fontos.”

A biztonsági irányelvek bevezetése még fontosabbá vált, ahogy a Speechify bővítette szövegfelolvasó funkcióját és új termékeket, például a Speechify Studio-t vezetett be. Ez egy AI-alapú eszközkészlet, amely lehetővé teszi a tartalomkészítők számára, hogy AI-hangalámondásokat és egyedi hangokat készítsenek, hangalámondásokat fordítsanak, automatikusan átiratokat hozzanak létre, videókat szerkesszenek és AI-avatarokat használjanak.

Például Weitzman elmagyarázta, hogy a Speechify csak akkor engedélyezi egy hang klónozását, ha a felhasználó a saját hangját vagy egy mellette lévő – hozzájárulását adó – barát hangját másolja, és nem bármely, az interneten talált hangot; így védi a felhasználókat a visszaélésekkel, illetve az identitás- vagy szerzői jogsértéssel szemben.

„Általánosságban a Speechify filozófiája az, hogy a jogtulajdonosokat ülteti a vezetőülésbe” – mondta Weitzman. Hozzátette, hogy a Speechify AI-technológiáját nem arra használják, hogy felváltsa az alkotókat, például a hangoskönyvek narrátorait, hanem hogy „kibővítse a kreatív lehetőségeiket,” például több tartalom hatékonyabb elkészítésében segítve őket.

Emellett Weitzman elárulta, hogy a Speechify jelenleg olyan terméken dolgozik, amely lehetővé teszi, hogy a felhasználók könnyen felismerjék, vajon egy hang emberi vagy AI által generált szintetikus hang, és ha az utóbbi, akkor pontosan hol készült – ez a védelem segít megelőzni, hogy rosszindulatú szereplők hangátalakítót használva szerettünk hangján átveréssel visszaéljenek.

Hallgasd meg Cliff Weitzmant az Everyday AI podcastban

Ha többet szeretnél megtudni arról, hogyan alakítja a Speechify szövegfelolvasó AI-ja a tanulás és a tartalomkészítés jövőjét, hallgasd meg az Everyday AI podcast ezen különleges epizódját a nagyobb podcastplatformokon, például az Apple Podcastson és a Spotify-on, vagy indítsd el lentebb:

Podcast-időbélyegek: 

[00:12:50] Biztonság a szövegből hangra területen

[00:18:12] Szövegfelolvasás felhasználási esetei

[00:21:05] Kérdések a hallgatóktól

[00:24:10] A szövegfelolvasás jövője

[00:27:28] A nyomtatott szó jelentősége csökken?

[00:31:30] Szövegfelolvasás használata szakmai környezetben