Jak AI klonuje nasze głosy?

To powiedz mi, skąd się to narodziło i co tak naprawdę właśnie sprawiło, że jesteście tu, gdzie jesteście? Pomysł nam zaczął się w ogóle ciekawie, bo tak naprawdę był związany właśnie z naszym doświadczeniem z Polski. Razem z Piotrkiem znamy się przypadkowo teraz 11 lat. Poznaliśmy się w liceum w Warszawie. Powędrowaliśmy w różne kierunki, ale obaj poszliśmy do Anglii studiować. Piotrek był zainteresowany... Bardziej tą stroną informatyczną zaczął się bawić w research, głównie związany z obrazkami. Ja z kolei poszedłem w matematykę i product, pracując na początku w matematyce, a później pracując w kilku firmach, gdzie używałem tej matematycznej... wiedzy do budowania produktów.

Na początku to był BlackRock i platforma do obliczenia ryzyka, a później to był Palantir, gdzie optymalizowaliśmy, jak zużywać energię czy pomoc w dystrybucji szczepionek. Natomiast Piotrek poszedł tą drogą researchową, budować research w Google przez 4 lata zajmując się tekstem. I w pewnym momencie podczas tych wielu lat cały czas utrzymując bliski kontakt mieliśmy i mieszkaliśmy razem, pracowaliśmy razem i uczyliśmy się razem. Jedną rzecz, którą wracaliśmy i robiliśmy, to były takie hack weekendowe projekty, gdzie spotkaliśmy się we dwójkę i robiliśmy coś nowego technologicznie, co nas interesowało. Jeden z tych projektów to była detekcja z własnego głosu, jakie emocje, jakie intonacje używamy.

Piotrek uwielbia robić research i jest w tym świetny. Tak naprawdę jest w tym... wiesz, mózgiem całej naszej operacji. Natomiast ja chętnie pracuję z produktem, jak powinien wyglądać produkt, jak użytkownik z nim działa, no i oczywiście jak zdobywać tych użytkowników na platformę. Więc tak naprawdę na samym początku Piotrek zastanawiał się, jak stworzyć tą syntezę mowy, jak tworzyć kreowanie i generowanie głosów tak, żeby było lepsze niż to, co istnieje. Natomiast ja spędzałem cykle nad tym, nad czym mi sprawia przyjemność, czyli jak wygląda ta pierwsza iteracja tego produktu, jak użytkownik z nią operuje. i oczywiście jak się będzie przeobrażał w przyszłości, żeby to jakby było ustawione w kolejnych krokach.

Czy, tak się zapytam, czy nie boicie się tego, że ktoś duży wjedzie z jakimś swoim rozwiązaniem, które jest przetrenowane na o wiele większych ilościach danych, i będzie wam robiło pod górkę, będzie waszą konkurencją? Czy to jest tak, że to co wy macie u siebie jest tak świetnym pomysłem, który bardzo ciężko będzie komukolwiek zrobić, nawet posiadającym ogromne ilości danych i ogromne zaplecze sprzętowe do trenowania? Ciekawe pytanie i oczywiście mamy z tyłu głowy, że że duże firmy, czy właśnie research laby szczególnie, mają resource i mają też często możliwość zgarnięcia dodatkowego talentu, ale na ten moment bardziej nas to przyspieszy, w sensie chcemy bardziej działać.

Wiemy, że nasza luka, okienko, żeby stworzyć coś totalnie nowego jest ograniczona, ale jest ta luka i możemy to zrobić. Jest na tyle ciekawie w tym generative AI space głównie to, że jest bardzo dużo pracy, która została zrobiona z tekstem. Bardzo dużo, która została zrobiona z obrazem i tak naprawdę bardzo mała część, która została z głosem. Więc naprawdę wierzymy, że w najbliższym i to mam nadzieję, że już w tym roku coś takiego nam się uda, że stworzymy i 11 Labs będzie synonimem właśnie z Research Labem, który zajmuje się głosem i robi to najlepiej. i mamy nadzieję, że kiedyś pójdzie to samo pytanie do OpenAI, czy się nie boją, że 11 lat... Lubię, lubię takie rzeczy.