Speechify įkūrėjas aptaria DI ateitį su „Everyday AI“ tinklalaide

Ar žvaigždžių balsai – generatyvinio DI ateitis? Ar DI saugus? „Speechify“ įkūrėjas ir generalinis direktorius Cliff Weitzman 152-oje „Everyday AI“ tinklalaidės laidoje su Jordanu Wilsonu aptarė šiuos ir daugybę kitų klausimų.

Everyday AI tinklalaidė

„Everyday AI“ – populiari nemokama kasdienė transliacija, tinklalaidė ir naujienlaiškis, padedantis žmonėms auginti karjerą su DI. Ji dalijasi naujausiais patarimais, tendencijomis ir moko efektyviai išnaudoti DI sėkmei pasiekti. Nuo starto 2023 m. balandį „Everyday AI“ tinklalaidė jau pritraukė 22 000 klausytojų ir 7 800 kasdienio naujienlaiškio prenumeratorių, ieškančių DI įžvalgų, gudrybių ir siekiančių didesnės sėkmės su dirbtiniu intelektu.

„Speechify“ kelias

Cliff Weitzman sukūrė „Speechify“, kai studijuodamas universitetuose sunkiai skaitė dėl disleksijos ir suprato, kad dauguma vadovėlių neturi audio versijų. Dabar tai #1 teksto skaitymo balsu programa pasaulyje su daugiau nei 150 000 penkių žvaigždučių įvertinimų ir 25+ mln. vartotojų. Kaip ji tapo tokia populiari, kad net Snoop Dogg panorėjo bendradarbiauti su įmone? Weitzman tai aptarė 152-oje „Everyday AI“ laidoje, pasirodžiusioje 2023 m. lapkričio 27 d.

Kaip veikia „Speechify“

Weitzman paaiškino, kad „Speechify“ paremta pažangiausiu teksto į kalbą (TTS) varikliu ir pasaulinio lygio DI balso generatoriumi, kuris akimirksniu ir nebrangiai paverčia bet kokį tekstą garsu. Programėles rasite Android, Mac, iOS įrenginiams, internete ir kaip Microsoft Edge bei Google Chrome plėtinius. „Speechify“ skaito ne tik skaitmeninius tekstus (PDF, naujienas, Google Docs, el. paštą), bet ir naudodama OCR bei DI technologiją leidžia nufotografuoti vadovėlius, ranka rašytus užrašus ir realiu laiku gauti natūraliai skambančius garso failus.

„Speechify“ taikymo sritys ir tikslas

Naudodamiesi „Speechify“, galite klausytis teksto vietoj skaitymo arba kartu su teksto paryškinimu – informacija įsisavinama greičiau ir lengviau. Todėl „Speechify“ tapo nepakeičiamu DI įrankiu studentams ir žmonėms su mokymosi skirtumais ar negalia: disleksija, ADHD, silpnu regėjimu, aklumu, autizmu, po smegenų traumų ar patiriantiems nerimą.

Nors iš pradžių „Speechify“ buvo kurta padėti turintiems mokymosi sunkumų, dabar ja naudojasi ir gydytojai, teisininkai, finansininkai, karininkai, vadovai, kalbų besimokantieji bei visi, siekiantys didesnio produktyvumo ir greitesnio skaitymo, pasitelkdami natūralų balsą ir OCR.

Weitzman dalijosi, kad „Speechify“ tikslas – pasirūpinti, jog „skaitymas niekada nebūtų kliūtis mokymuisi, nesvarbu, iš kur esate“.

Įžymybių balsai

Augant „Speechify“, pavyko užmegzti partnerystę su žinomomis įžymybėmis. Laidoje Weitzman ir Wilson aptarė, kaip pavyko susitarti su Snoop Dogg, kuris paskolino savo balsą „Speechify“ vartotojams kaip vieną iš galimų balso pasirinkimų.

Pasak Weitzman, daugelis „Speechify“ partnerių patys pradeda naudotis produktu ir tuomet patys susisiekia. Snoop Dogg agentas taip pat kreipėsi, norėdamas, kad Snoop padėtų vartotojams lengviau įsisavinti informaciją. Todėl Weitzman nuvyko į Snoop Dogg studiją, kur įrašė jo balsą ir atkūrė jį pasitelkęs balso klonavimą ir sintezę.

Iš daugiau nei 200 „Speechify“ DI balsų skirtingomis kalbomis – anglų, kinų, ispanų, portugalų ir kt. – galima išgirsti ir ilgametės investuotojos Gwyneth Paltrow balsą.

Tačiau kartu su šiomis įžymybių balsų galimybėmis „Speechify“ taip pat diegia saugiklius, kad būtų užkirstas kelias piktnaudžiavimui.

DI saugumas ir balso klonavimas

Nors „Speechify“ vertina DI teksto skaitymo ir balso klonavimo privalumus, Weitzman pabrėžia: vienas svarbiausių tikslų – turinio kūrėjų ir žmonių apsauga, nes „DI saugumas itin svarbus“.

Apsaugos politika tapo dar svarbesnė „Speechify“ plečiant teksto į kalbą galimybes ir pristatant naujus produktus, tokius kaip „Speechify Studio“ – DI įrankių rinkinį, leidžiantį kurti balso įrašus, versti, transkribuoti, redaguoti vaizdo įrašus ir naudoti DI avatarus.

Pavyzdžiui, anot Weitzman, „Speechify“ leidžia klonuoti tik savo ar šalia esančio žmogaus balsą (su jo sutikimu), kad būtų apsaugota nuo tapatybės vagysčių ir autorių teisių pažeidimų.

„Mūsų filosofija „Speechify“ – teisių savininkai valdo situaciją“, – sakė Weitzman. Jis pabrėžė, kad DI technologija nesiekia pakeisti turinio kūrėjų (pvz., garso knygų aktorių), o padėti jiems kurti greičiau ir produktyviau.

Weitzman taip pat atskleidė, jog dabar „Speechify“ kuria produktą, leidžiantį lengvai atskirti, ar balsas tikras, ar DI sukurtas, o jei jis padirbtas, tiksliai nurodyti jo kilmę – taip bus apsisaugota nuo apgavysčių, kai piktavaliai bando imituoti artimųjų balsus.

Klausykite Cliff Weitzman „Everyday AI“ tinklalaidėje

Sužinokite daugiau apie tai, kaip „Speechify“ DI keičia mokymosi ir turinio kūrimo ateitį – klausykite šio „Everyday AI“ tinklalaidės epizodo visose pagrindinėse platformose, pvz., „Apple Podcasts“, „Spotify“, arba žemiau:

Tinklalaidės laiko žymos: 

[00:12:50] Saugumas teksto į garsą srityje

[00:18:12] Teksto skaitymo balsu panaudojimas

[00:21:05] Klausytojų klausimai

[00:24:10] Teksto į garsą ateitis

[00:27:28] Ar rašytinis žodis įgauna mažiau reikšmės?

[00:31:30] Teksto skaitymas balsu profesionalams