Vbee och dess ansträngningar att stärka det vietnamesiska språket.

När Ho Minh Duc steg in i flygplatsens väntrum, mitt bland de livliga folkmassorna som återvände från affärsresor, pausade han i några sekunder när han hörde en mild, bekant kvinnlig röst läsa upp ett meddelande i systemet.

Vbees personal arbetar på företagets huvudkontor i Hanoi - Foto: Tillhandahållen av företaget.

Han log, kände sig lättad och glad, som om han återförenades med en närstående. Den där "älskade" var en av de 20 AI-röstskådespelarna som Duc och Vbee-teamet hade tillbringat otaliga dagar och månader med att arbeta med, där de hade lagt ner allt sitt hjärta på varje nyans av ljud och noggrant utformat varje nyans för att göra dem alltmer naturliga och mänskliga.

Den gropiga vägen för nystartade företag

VD Ho Minh Duc och tekniska chef Nguyen Thi Thu Trang – de två grundarna av Vbee Data Services and Solutions Joint Stock Company – har upplevt sådan glädje och stolthet otaliga gånger.

De stötte på dessa "speciella bekanta" igen under olika omständigheter: de klara rösterna i skolans högtalare, de varma tonerna i byggnader eller de professionella rösterna från de automatiserade telefonsystemen i många företag.

Vbees skapelser är inte längre bara ett resultat av algoritmer och kod; de kommer verkligen in i verkligheten och ger tysta men kraftfulla bidrag till många områden.

Från bokrecensioner och filmdubbning till automatiserade callcentermeddelanden har Vbee blåst nytt liv i rösttekniken.

Som "moder" till den centrala TTS-tekniken har Dr. Nguyen Thi Thu Trang alltid strävat efter att föra produkter som härrör från vietnamesisk talsyntesteknik – en teknik hon har lagt stor passion för sedan sin doktorsavhandling vid Paris 11-universitetet – till verkliga användare.

Vbees tidiga dagar var fulla av utmaningar. Trots att de var gratis de första två åren lockade deras text-till-tal-verktyg (TTS) bara en liten grupp användare. Men sedan blev COVID-19 oväntat en vändpunkt.

Inför strikta regler för social distansering var företag som FE Credit, Momo, Viet Credit, Sacombank med flera tvungna att hitta sätt att nå tusentals kunder. Det var då Vbee fick en möjlighet: från skuldpåminnelser till automatiserade svar blev deras produkt snabbt den optimala lösningen. Vid den tiden stod virtuella assistenter och virtuella callcenteragenter för upp till 80 % av Vbees intäkter.

I takt med att pandemin avtog och den globala ekonomin försämrades stod Vbee inför en ny utmaning. Vågen av generativ AI (GenAI) och trenden med digitalt innehåll återupplivade TTS-verktyget. Idag, från TikTok till YouTube och Facebook, finns Vbees AI-röster överallt.

”Mycket av det nuvarande TTS-innehållet tillhandahålls av oss”, delade Ho Minh Duc stolt. För närvarande har Vbees aktiva användarbas överstigit 2 miljoner, och denna siffra fortsätter att stadigt öka med 20 % varje månad.

Vbee har tränat över 20 högkvalitativa företagsröster, och om man inkluderar specialbeställda röster har de skapat över 200 olika AI-röster.

Med ny rösttranskriberingsteknik som nyligen undersökts och lanserats för testning kräver en ny röst nu bara 3 minuters datainspelning för träning, istället för 4 till 10 timmars inspelning som för två år sedan.

VD Ho Minh Duc och tekniska chef Nguyen Thi Thu Trang – de två grundarna av Vbee Data Services and Solutions Joint Stock Company – Foto: Tillhandahållen av företaget.

"Vi har en fördel i vår förståelse av det vietnamesiska språket."

I kapplöpningen om talsyntesteknik ser VD Ho Minh Duc en punkt där ansträngningarna att förnya tekniken gradvis kommer att nå sina gränser.

Enligt honom utvecklar Vbee inte bara central vietnamesisk talbehandlingsteknik, utan bygger också ett tekniksystem som kan förstå det vietnamesiska språket på djupet – med alla dess finesser, toner och unika kultur som bara sanna vietnameser kan förstå fullt ut.

Som ett ledande företag på TTS-marknaden i Vietnam anser Vbees två ledare att deras verktyg har blivit riktmärket för AI-röstöverföringar på vietnamesiska. Användare uppskattar inte bara noggrannheten utan upplever också "känslan" i varje röst som utvecklats av Vbee.

På vietnamesiska, till exempel, har även ett enda ord som "ngõ" (gränd) många olika namn beroende på region, såsom "hẻm", "kiệt" och "xẹc" – varje ord bär på en distinkt nyans som AI behöver förstå.

För att uppnå detta har Vbee investerat kraftigt i att samla in exempeldataset samt i ett kraftfullt serversystem för att träna AI:n.

"För att AI skulle kunna förstå och korrekt bearbeta information med sådana regionala nyanser var vi tvungna att bygga otaliga exempeluppsättningar, och kostnaden för bearbetningsservrarna var också mycket hög", delade VD Ho Minh Duc.

Dr. Nguyen Thi Thu Trang har ägnat över 15 år åt att forska kring Vbees kärnteknik för att dechiffrera de distinkta tonerna och grammatiken i det vietnamesiska språket. För henne är hennes modersmål en subtil värld full av uttrycksfulla nyanser.

"Vietnamesiska är ett mycket komplext och intressant språk; tonerna är den svåraste aspekten och skiljer sig från många andra vanliga språk i världen. Ju mer jag förstår språket, desto mer exakt blir min modell", förklarade hon.

Vbee etablerar sig gradvis som en oumbärlig del av verktyg och enheter som integrerar vietnamesisk språkbehandlingsprogramvara i den teknologiska eran.

I varje ord och varje röst utforskar och utvecklar Vbee-teamet inte bara teknologi utan strävar också efter att skapa en genuin "vietnamesisk känsla" i sina AI-röster.

Namnet Vbee är en förkortning av "Vietnamese BE your Eyes", vilket härrör från min ursprungliga önskan att skapa ett verktyg som skulle fungera som "ögon" för synskadade. Men i dagens utvecklingsländer, där många människor prioriterar hörsel framför syn, tror vi att Vbee också kommer att bli "ögon" för alla.

Dr. Nguyen Thi Thu Trang (universitetslektor vid Institutionen för informationsteknologi och kommunikation, Hanois universitet för vetenskap och teknik, grundare och teknisk chef för Vbee Company)

En samling ljudboksentusiaster

Vbee föddes ur Dr. Nguyen Thi Thu Trangs djupa kontakt med synskadade. Ända sedan studietiden har hon varit involverad i inspelning av ljudböcker och utveckling av vietnamesiska text-till-tal-system för att stödja synskadade.

Dessa erfarenheter inspirerade henne att utveckla vietnamesisk text-till-tal-programvara – föregångaren till Vbee. År 2018 grundade hon och hennes klasskamrat Ho Minh Duc – en studiekamrat vid Hanois universitet för vetenskap och teknik med erfarenhet från Socbay.com-projektet och digitaliseringen av ljudböcker – Vbee, en pionjär inom text-till-tal i Vietnam.

Vbees enastående prestationer

- Förstapristagare i Qualcomm Vietnam Innovation Challenge 2024

- Specialpris vid Ungdomsstartpriset 2023

- Startup vinner accelerationsprogrammet Grab Venture Ignite 2020.

- Huvudpris vid Vietnam Talent Awards 2018, andra pris vid Vietnam Talent Awards 2020.

- Certifierad som en vietnamesisk kärnteknologi i det nationella programmet för digital transformation 2025-2030 från ministeriet för information och kommunikation.

- Projektet vann Vietnam Digital Media Award 2018 och Vingroup Funding Award 2019.

Regional vision

Efter att ha etablerat sig på den vietnamesiska marknaden siktar Vbee på att expandera till Sydostasien, med planer på att lansera sin TTS-teknik i länder som Laos, Thailand, Kambodja och Filippinerna senast 2026.

Enligt Dr. Nguyen Thi Thu Trang kommer dagens snabba teknikutveckling, med framväxten av flerspråkiga modeller, att göra det enklare att utveckla TTS-verktyg för andra språk.

För närvarande forskar hon på röstteknik för thailändska, kinesiska och engelska, vilket öppnar nya vägar för Vbee på den internationella marknaden.

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