Vbee a snaha dát křídla vietnamskému jazyku

Když Ho Minh Duc vstoupil do letištní haly uprostřed shonu lidí vracejících se ze služební cesty, na pár vteřin se zastavil, když uslyšel známý, jemný ženský hlas čtecí hlášení v systému.

Zaměstnanci společnosti Vbee pracují v sídle společnosti v Hanoji - Foto: NVCC

Usmál se, cítil se ulevený a šťastný, jako by potkal příbuzného. Tím „příbuzným“ byl jeden z 20 hlasů umělé inteligence, se kterými Duc a tým Vbee „jedli a spali“ mnoho dní a měsíců, vkládali celé své srdce do každé zvukové linie a starali se o každou nuanci hlasu, aby byly přirozenější a lidštější.

Hrbolatý start

Nevím, kolikrát generální ředitel Ho Minh Duc a technický ředitel Nguyen Thi Thu Trang – dva zakladatelé společnosti Vbee Data Solutions and Services Joint Stock Company – zažili takový pocit radosti a hrdosti.

Se „zvláštními známými“ se setkávali v mnoha různých situacích: jasné hlasy z reproduktorů ve školách, vřelé hlasy v budovách nebo profesionální hlasy z automatických ústředen mnoha podniků.

Výtvory Vbee už nejsou jen výsledkem algoritmů a kódů, ale skutečně vstupují do života a tiše, ale mocně přispívají do mnoha oblastí.

Od úvodních informací do knih, dabingu filmů až po automatizovaná hlášení v call centru, Vbee vdechuje nový život hlasovým technologiím.

Jako „matka“ základní technologie TTS se Dr. Nguyen Thi Thu Trang vždy snaží přinášet produkty z vietnamské technologie syntézy řeči – technologie, které věnuje velké úsilí od své doktorské práce na Univerzitě Paříž 11 – skutečným uživatelům.

Počátky Vbee byly náročné. Přestože byl první dva roky zdarma, jeho nástroj pro převod textu na řeč (TTS) přilákal jen malé publikum. Pak se ale pandemie COVID-19 stala nečekaným zlomovým bodem.

Tváří v tvář přísným předpisům týkajícím se sociálního distancování musely firmy jako FE Credit, Momo, Viet Credit, Sacombank ... najít způsoby, jak oslovit tisíce zákazníků. Tehdy se naskytla příležitost společnosti Vbee: od upomínek dluhů až po automatické odpovědi se jejich produkty okamžitě staly optimálním řešením. V té době virtuální asistenti a virtuální call centra generovali až 80 % tržeb společnosti Vbee.

Když pandemie pominula a světová ekonomika se zhroutila, Vbee čelila nové výzvě. Vlna generativní umělé inteligence (GenAI) a trendů digitálního obsahu oživila nástroj pro převod textu na řeč. Dnes jsou hlasy Vbee s umělou inteligencí všude, od TikToku po YouTube a Facebook.

„V současné době poskytujeme spoustu obsahu pro převod textu na řeč,“ hrdě sdělil pan Ho Minh Duc. V současné době počet skutečných uživatelů Vbee překročil 2 miliony a toto číslo se neustále zvyšuje o 20 % každý měsíc.

Vbee vyškolila přes 20 vysoce kvalitních firemních hlasů a pokud počítáte i vlastní hlasy, vytvořila přes 200 různých hlasů s umělou inteligencí.

Díky nové technologii transkripce hlasu, která byla nedávno zkoumána a testována, potřebuje nový hlas k trénování pouze 3 minuty nahraných dat namísto 4 až desítek hodin nahrávání jako před dvěma lety.

Generální ředitel Ho Minh Duc a technický ředitel Nguyen Thi Thu Trang - dva zakladatelé společnosti Vbee Data Solutions and Services Joint Stock Company - Foto: NVCC

„Lépe rozumíme Vietnamcům.“

V závodě o technologii syntézy řeči vidí generální ředitel Ho Minh Duc dobu, kdy úsilí o technologické inovace postupně dosáhne svých limitů.

Podle něj Vbee nejen vyvíjí základní technologii pro zpracování vietnamské řeči, ale také buduje technologický systém schopný hluboce porozumět vietnamskému jazyku – se všemi jemnostmi, tóny a jedinečnou kulturou, které plně rozumí jen opravdoví Vietnamci.

Jakožto přední společnost na trhu s převodem na řeč ve Vietnamu se oba lídři společnosti Vbee domnívají, že se jejich nástroj stal standardem pro čtení hlasu s využitím umělé inteligence pro Vietnamce. Uživatelé nejen oceňují přesnost, ale také cítí „emoce“ v každém hlase vyvinutém společností Vbee.

Například ve vietnamštině má slovo „aleje“ mnoho různých názvů v závislosti na regionu, například „hèm“, „kiệt“, „xếc“ – každé slovo má jinou nuanci, které musí umělá inteligence rozumět.

Aby toho dosáhla, Vbee investovala značné prostředky do sběru vzorků dat a také do výkonných serverových systémů pro trénování umělé inteligence.

„Abychom umělé inteligenci pomohli správně pochopit a zpracovat každou regionální nuanci, museli jsme vytvořit nespočet sad vzorků a náklady na zpracovatelský server byly také velmi vysoké,“ sdělil generální ředitel Ho Minh Duc.

Dr. Nguyen Thi Thu Trang strávila více než 15 let výzkumem základní technologie TTS od Vbee, aby dekódovala jedinečné tóny a gramatiku vietnamštiny. Její mateřský jazyk je pro ni jemným světem plným expresivních nuancí.

„Můj vietnamský jazyk je velmi složitý a zajímavý, jeho tóny jsou nejobtížnější a odlišné od mnoha jiných populárních jazyků na světě. Čím lépe jazyku rozumím, tím přesnější bude můj model,“ vysvětlila.

Společnost Vbee postupně prosazuje, že v technologické éře budou nepostradatelnou součástí nástrojů a zařízení s integrovaným softwarem pro zpracování vietnamského jazyka.

Tým Vbee v každém slově, v každém hlase nejen zkoumá a vyvíjí technologie, ale také se snaží ve svých hlasech s umělou inteligencí vytvořit skutečně „vietnamskou emoci“.

Název Vbee je zkratkou fráze „Vietnamese BE your Eyes“ (Vietnamci buďte svýma očima), která vychází z mé původní touhy vytvořit nástroj, který se stane „očima“ pro zrakově postižené. Ale v současném vývojovém trendu, kdy mnoho lidí chce přejít na poslech více než na vidění, věříme, že Vbee se stane také „očima“ všech.

Dr. Nguyen Thi Thu Trang (přednášející, Fakulta informačních technologií, Hanojská univerzita vědy a techniky, zakladatel a technologický ředitel společnosti Vbee)

Setkání milovníků audioknih

Vbee vznikla ze vztahu mezi Dr. Nguyen Thi Thu Trang a komunitou nevidomých. Od studentských let se podílela na nahrávání audioknih a vývoji vietnamské čtečky na podporu nevidomých.

Tyto zkušenosti ji inspirovaly k vývoji vietnamského čtecího softwaru – předchůdce Vbee. V roce 2018 založila spolu s panem Ho Minh Ducem – spolužákem z Hanojské univerzity 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 Vbee

- První cena soutěže Qualcomm Vietnam Innovation Challenge 2024

- Zvláštní cena Tuoi Tre Start-up Award 2023

- Vítězný startup v akceleračním programu Grab Venture Ignite 2020

- První cena soutěže Vietnamský talent 2018, druhá cena soutěže Vietnamský talent 2020

- Certifikát vietnamské klíčové technologie v Národním programu digitální transformace 2025–2030 Ministerstva informací a komunikací

- Vítězný projekt v soutěži Vietnam Digital Media Award 2018 a v soutěži Vingroup Fund 2019.

Regionální vize

Poté, co si společnost Vbee upevnila svou pozici 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 řečové technologie pro thajštinu, čínštinu a angličtinu, což otevírá nové možnosti pro Vbee na mezinárodním trhu.

Zdroj: https://tuoitre.vn/vbee-va-no-luc-chap-canh-cho-tieng-viet-20250217102146767.htm