Když Ho Minh Duc vstoupil do čekárny na letišti uprostřed rušných davů vracejících se ze služebních cest, na pár vteřin se zastavil, když uslyšel jemný, známý ženský hlas čtecí hlášení v systému.
Zaměstnanci společnosti Vbee pracují v sídle společnosti v Hanoji - Foto: Poskytnuto společností.
Usmál se, cítil se ulevený a šťastný, jako by se znovu setkal s milovanou osobou. Ta „milovaná osoba“ byla jedním z 20 dabérů s umělou inteligencí, se kterými Duc a tým Vbee strávili nespočet dní a měsíců práce, vkládali své srdce do každé nuance zvuku a pečlivě každou nuanci propracovávali, aby byly stále přirozenější a lidštější.
Hrbolatá cesta startupů
Generální ředitel Ho Minh Duc a technický ředitel Nguyen Thi Thu Trang – dva zakladatelé společnosti Vbee Data Services and Solutions Joint Stock Company – zažili takovou radost a hrdost nesčetněkrát.
S těmito „zvláštními známostmi“ se setkali znovu za různých okolností: v jasných hlasech ze školních reproduktorů, v teplých tónech v budovách nebo v profesionálních hlasech z automatizovaných telefonních systémů mnoha podniků.
Výtvory společnosti Vbee již nejsou jen výsledkem algoritmů a kódu; skutečně vstupují do reálného života a tiše, ale mocně přispívají do mnoha oblastí.
Od recenzí knih a dabingu filmů až po automatizovaná hlášení v call centru, Vbee vdechla nový život hlasovým technologiím.
Jako „matka“ této základní technologie TTS se Dr. Nguyen Thi Thu Trang vždy snažila přinést produkty odvozené z vietnamské technologie syntézy řeči – technologie, do které vložila tolik vášně od své doktorské disertační práce na Univerzitě Paříž 11 – skutečným uživatelům.
Počátky Vbee byly plné výzev. Přestože byl první dva roky zdarma, jejich nástroj pro převod textu na řeč (TTS) přilákal jen malou skupinu uživatelů. Pak se ale COVID-19 nečekaně stal zlomovým bodem.
Tváří v tvář přísným předpisům o sociálním distancování musely firmy jako FE Credit, Momo, Viet Credit, Sacombank atd. najít způsoby, jak oslovit tisíce zákazníků. Tehdy se Vbee naskytla příležitost: od upomínek dluhů až po automatické odpovědi se jejich produkt rychle stal optimálním řešením. V té době virtuální asistenti a agenti virtuálních call center generovali až 80 % tržeb Vbee.
S odezněním pandemie a poklesem globální ekonomiky čelila společnost Vbee nové výzvě. Vlna generativní umělé inteligence (GenAI) a trend digitálního obsahu oživily nástroj pro převod textu na řeč. Dnes jsou hlasy Vbee s umělou inteligencí všude, od TikToku po YouTube a Facebook.
„Velkou část současného obsahu pro převod textu na řeč poskytujeme my,“ hrdě sdělil Ho Minh Duc. V současné době aktivní uživatelská základna Vbee překročila 2 miliony a toto číslo se neustále zvyšuje o 20 % každý měsíc.
Společnost Vbee natrénovala přes 20 vysoce kvalitních firemních hlasů a pokud zahrnete i hlasy na míru, vytvořili přes 200 různých hlasů s umělou inteligencí.
Díky nové technologii transkripce hlasu, která byla nedávno prozkoumána a uvedena do testování, nyní nový hlas vyžaduje pro trénování pouze 3 minuty záznamu dat, namísto 4 až 10 hodin záznamu, jak tomu bylo před dvěma lety.
Generální ředitel Ho Minh Duc a technický ředitel Nguyen Thi Thu Trang – dva zakladatelé společnosti Vbee Data Services and Solutions Joint Stock Company – Foto: Poskytnuto společností.
„Máme výhodu v naší znalosti vietnamského jazyka.“
V závodě o technologii syntézy řeči vidí generální ředitel Ho Minh Duc bod, kdy úsilí o inovace technologií postupně dosáhne svých limitů.
Podle něj Vbee nejen vyvíjí základní technologii zpracování vietnamské řeči, ale také buduje technologický systém schopný hluboce porozumět vietnamskému jazyku – se všemi jeho jemnostmi, tóny a jedinečnou kulturou, které plně rozumí jen opravdoví Vietnamci.
Jakožto přední společnost na trhu s převodem textu na řeč ve Vietnamu se dva lídři společnosti Vbee domnívají, že se jejich nástroj stal měřítkem pro dabing s využitím umělé inteligence ve vietnamštině. Uživatelé nejen oceňují přesnost, ale také vnímají „emoce“ v každém hlase, který Vbee vyvinula.
Například ve vietnamštině má i jediné slovo jako „ngõ“ (ulička) mnoho různých názvů v závislosti na regionu, například „hẻm“, „kiệt“ a „xẹc“ – každé slovo nese specifickou nuanci, které musí umělá inteligence rozumět.
Aby toho dosáhla, Vbee investovala značné prostředky do sběru vzorových datových sad a také do výkonného serverového systému pro trénování umělé inteligence.
„Aby umělá inteligence dokázala porozumět informacím s takovými regionálními nuancemi a správně je zpracovat, museli jsme vytvořit nespočet sad vzorků a náklady na zpracovatelské servery byly také velmi vysoké,“ uvedl generální ředitel Ho Minh Duc.
Dr. Nguyen Thi Thu Trang věnuje více než 15 let výzkumu základní technologie TTS společnosti Vbee, aby rozluštila charakteristické tóny a gramatiku vietnamského jazyka. Její mateřský jazyk je pro ni jemným světem plným expresivních nuancí.
„Vietnamština je velmi složitý a zajímavý jazyk; tóny jsou nejobtížnějším aspektem a liší se od mnoha jiných běžných jazyků světa. Čím lépe jazyku rozumím, tím přesnější bude můj model,“ vysvětlila.
Vbee se postupně etabluje jako nepostradatelná součást nástrojů a zařízení, které integrují software pro zpracování vietnamského jazyka v technologické éře.
Tým Vbee v každém slově a každém hlase nejen zkoumá a vyvíjí technologie, ale také se snaží ve svých hlasech s umělou inteligencí vytvořit skutečné „vietnamské emoce“.
Název Vbee je zkratkou pro „Vietnamese BE your Eyes“ (vietnamsky BE tvé oči), což pramení z mé původní touhy vytvořit nástroj, který by sloužil jako „oči“ pro zrakově postižené. V dnešním rozvojovém světě, kde mnoho lidí upřednostňuje sluch před zrakem, však věříme, že se Vbee stane také „očima“ pro všechny.
Dr. Nguyen Thi Thu Trang (vedoucí lektor na Fakultě informačních technologií a komunikací, Hanojská univerzita vědy a techniky, zakladatel a technický ředitel společnosti Vbee)
Setkání nadšenců do audioknih
Vbee vznikla z hlubokého spojení Dr. Nguyen Thi Thu Trang s komunitou zrakově postižených. Od studentských let se věnuje nahrávání audioknih a vývoji vietnamských systémů pro převod textu na řeč pro podporu zrakově postižených.
Tyto zkušenosti ji inspirovaly k vývoji vietnamského softwaru pro převod textu na řeč – předchůdce Vbee. V roce 2018 založila se svým spolužákem Ho Minh Ducem – spolužákem na Hanojské univerzitě vědy a techniky se zkušenostmi z projektu Socbay.com a digitalizace audioknih – společnost Vbee, průkopníka v oblasti převodu textu na řeč ve Vietnamu.
Vynikající úspěchy společnosti Vbee
- Vítěz první ceny soutěže Qualcomm Vietnam Innovation Challenge 2024
- Zvláštní cena na Youth Start-up Award 2023
- Startup vítězí v akceleračním programu Grab Venture Ignite 2020.
- Hlavní cena na Vietnam Talent Awards 2018, druhá cena na Vietnam Talent Awards 2020.
- Certifikováno jako klíčová vietnamská technologie v Národním programu digitální transformace 2025-2030 Ministerstva informací a komunikací.
- Projekt získal cenu Vietnam Digital Media Award 2018 a cenu Vingroup Funding Award 2019.
Regionální vize
Společnost Vbee, která se etablovala na vietnamském trhu, se zaměřuje na expanzi do jihovýchodní Asie a plánuje do roku 2026 uvést svou technologii TTS do zemí, jako je Laos, Thajsko, Kambodža a Filipíny.
Podle Dr. Nguyen Thi Thu Tranga usnadní dnešní rychlý technologický pokrok s nástupem vícejazyčných modelů vývoj nástrojů pro převod textu na řeč pro jiné jazyky.
V současné době zkoumá hlasové technologie pro thajštinu, čínštinu a angličtinu, což otevírá nové možnosti pro Vbee na mezinárodním trhu.
Vietnamský startup oceněn na pařížském summitu o umělé inteligenciZdroj: https://tuoitre.vn/vbee-va-no-luc-chap-canh-cho-tieng-viet-20250217102146767.htm
Komentář (0)