Засновник Speechify обговорює майбутнє штучного інтелекту в подкасті Everyday AI

Чи стануть голоси зірок майбутнім генеративного ШІ? Чи безпечний ШІ? Засновник і генеральний директор Speechify Кліфф Вайцман поспілкувався з Джорданом Вілсоном у 152-му епізоді подкасту Everyday AI, аби відповісти на ці та інші запитання.

Подкаст Everyday AI

Подкаст Everyday AI — популярне безкоштовне щоденне шоу, подкаст і розсилка, що допомагають звичайним людям розвивати свою кар’єру за допомогою ШІ. Подкаст не лише тримає слухачів у курсі найсвіжіших порад і трендів у стрімко зростаючій сфері генеративного штучного інтелекту, а й гарантує, що вони розуміють, як використовувати ШІ для власного успіху. З моменту запуску у квітні 2023 року подкаст Everyday AI зібрав 22 000 слухачів і 7 800 підписників щоденної email-розсилки, які прагнуть дізнаватися про ШІ та стратегії, що дозволяють працювати розумніше, а не більше, і сягати нових вершин завдяки штучному інтелекту.

Історія Speechify

Кліфф Вайцман створив Speechify після того, як у коледжі стикався з труднощами через дислексію та зрозумів, що більшість підручників не мають аудіоверсії. Сьогодні це застосунок №1 для перетворення тексту на мовлення у світі, з понад 150 000 п’ятизіркових відгуків і більш ніж 25 мільйонами користувачів. Як він став настільки популярним, що навіть Snoop Dogg захотів співпрацювати з компанією? Вайцман розповів про це та багато іншого у 152-му епізоді Everyday AI, що вийшов у прямий ефір у понеділок, 27 листопада.

Як працює Speechify

Вайцман пояснив, що Speechify побудовано на основі найкращого рушія перетворення тексту на мовлення (TTS) з найвищою якістю AI-генератора голосу у світі, що дозволяє миттєво й доступно перетворювати будь-який текст на голос. Завдяки застосункам для Android, Mac та iOS, вебверсії, а також розширенням для Microsoft Edge та Google Chrome Speechify не обмежується лише озвучуванням цифрового тексту — наприклад, PDF-файлів, новин, документів Google чи email. Використовуючи сучасну технологію OCR і ШІ, користувачі можуть швидко фотографувати сторінки підручників, конспекти, рукописні нотатки й інші паперові матеріали та перетворювати їх на реалістичне аудіо в режимі реального часу.

Випадки використання та мета Speechify

Даючи змогу користувачам слухати текст замість читати або паралельно з читанням завдяки функції підсвічування тексту, Speechify допомагає засвоювати інформацію швидше, легше та ефективніше. Це зробило Speechify незамінним AI-інструментом для студентів і людей, що мають труднощі з навчанням або особливі потреби, такі як дислексія, СДУГ, знижений зір, сліпота, аутизм, наслідки струсу мозку, тривожність тощо.

Якщо спочатку Speechify переважно використовувався як допоміжна технологія для людей з особливостями навчання, то зараз ним користуються всі — за словами Вайцмана, це лікарі, юристи, бухгалтери, військові, керівники, фінансисти, ті, хто вивчає мови, і всі, хто звик багатозадачити й хоче підвищити продуктивність і швидкість читання завдяки природним голосам і технології OCR.

Власне, Вайцман зазначив, що мета Speechify — зробити так, щоб «читання ніколи не ставало бар’єром для здобуття знань для будь-кого, незалежно від походження».

Голоси зірок

У міру зростання Speechify компанія отримала можливість співпрацювати зі світовими знаменитостями. У цьому випуску Вайцман і Вілсон обговорюють, як Speechify почав працювати саме зі Snoop Dogg, який надав свій голос численним опціям для озвучення у Speechify.

Вайцман пояснив, що багато партнерств Speechify виникають тоді, коли люди, які користуються самим продуктом, виходять на компанію. Далі він описує, як агент Snoop Dogg зв’язався зі Speechify, пояснивши, що репер хоче допомогти своїй аудиторії споживати інформацію за допомогою власного голосу. Це призвело до того, що Вайцман полетів у студію Snoop Dogg і записав, а потім відтворив його голос завдяки технології клонування голосу та синтезу мовлення.

Серед понад 200 голосів ШІ у Speechify різними мовами — англійською, китайською, іспанською, португальською й іншими — є й голос актриси та давньої інвесторки Speechify Гвінет Пелтроу, який також доступний як опція для озвучення тексту.

Однак разом із цими голосами зірок, які можуть начитувати все — від постів у соцмережах до наукових публікацій, — Speechify впроваджує захисні механізми, щоб запобігти зловживанням.

Безпека ШІ та клонування голосу

Хоча Speechify визнає переваги інструментів перетворення тексту на мовлення і технологій клонування голосу, Вайцман також наголосив, що одним із головних пріоритетів є захист творців контенту та людей, оскільки “безпека ШІ надзвичайно важлива”.

Запровадження політик безпеки стало ще важливішим після того, як Speechify розширив можливості перетворення тексту на мовлення і запустив нові продукти, наприклад, Speechify Studio — набір інструментів на основі ШІ, що дозволяє контент-мейкерам створювати озвучення голосом ШІ, персональні голоси, перекладати озвучення, автоматично транскрибувати свою роботу, редагувати відео й використовувати AI-аватари.

Наприклад, Вайцман пояснює: Speechify дозволяє користувачам клонувати лише свій власний голос або голос людини поруч, яка надала згоду, а не будь-який голос з інтернету. Це захищає від зловживань, крадіжки особистості чи порушення авторських прав.

«Наша загальна філософія у Speechify — ставити право власника в пріоритет», — сказав Вайцман. Також він зазначив, що технологія ШІ Speechify не призначена для заміни творців контенту, наприклад, акторів озвучування, а для того, щоб "допомагати їм творити більше”, робити це ефективніше.

Крім того, Вайцман розповів, що Speechify зараз працює над продуктом, який дозволить користувачам легко визначати, чи голос, який вони чують, є людським, чи це синтетичний голос ШІ, а якщо він штучний — де саме він був створений. Такий захист допоможе не потрапляти на гачок шахраїв, які змінюють голос, щоб імітувати близьких з метою обману.

Послухайте Кліффа Вайцмана в подкасті Everyday AI

Щоб дізнатися більше про те, як ШІ-технологія перетворення тексту на мовлення від Speechify формує майбутнє освіти та створення контенту, увімкніть цей спеціальний випуск Everyday AI на основних платформах подкастів, таких як Apple Podcasts і Spotify, або слухайте нижче:

Таймкоди подкасту: 

[00:12:50] Безпека у сфері текст-у-голос

[00:18:12] Випадки застосування перетворення тексту на мовлення

[00:21:05] Запитання аудиторії

[00:24:10] Майбутнє перетворення тексту на мовлення

[00:27:28] Чи втрачає письмове слово вплив?

[00:31:30] Використання перетворення тексту на мовлення для професіоналів