Ну что, сходила я на этот вебинар. И могу точно сказать — часа им на нормальный вебинар не хватило только потому, что 40 минут времени спикеры рассказывали о себе. 😁 А ещё у них лютейший NDA, и они практически ничего не могли сказать по моделям и инструментам.

Из интересного:

➡️ Судя по всему, активно пользуются не инструментарием покупных speech-to-text-распознавалок, а SSML-редакторами, которые требуют очень внимательной и скрупулёзной работы. Эти редакторы работают не за счёт промптов типа "Скажи это быстрее", а за счёт тэгов с элементами кода: "<prosody rate="fast">Hurry up!</prosody>". 😈

➡️ Раз 10 повторили, как важен кастинг и обучение модели на конкретном голосе. Если у вас тренер фитоняш вдруг начнёт басить, как боцман, зритель не оценит. Кстати, неконсистентность голоса — самая большая проблема. Особенно если работать с войс-клонами — они очень плохо держат акцент оригинала.

➡️ Редактор нейроозвучек работает в связке с командой оценки качества. Он не только редактирует текст, но ещё и выбирает голоса, адаптирует текст под озвучку, обучает модель на нужный голос и проводит озвучание. QA потом отсматривает всё это дело и возвращается с комментариями, где что поправить. В финале ещё может вступить звукореж, который подчистит косяки.

➡️ Возник справедливый вопрос: вы на редактора взвалили работу нескольких человек, а ставки-то у вас выросли сообразно усилиям? 😃 На него предпочли не отвечать. Кто-то уклончиво в чате заметил, что оплата поминутная. А по-моему, тут нужно кардинально менять ставки. Если я должна осваивать SSML-редактуру, промпт-инжиниринг и ещё при этом русский и иностранный не забыть, то будьте так добры, собственно. Очень интересно, что случится с российскими заказчиками на фоне таких новшеств. Опять начнут демпинговать и предлагать 15-30 рублей за минуту при таком объёме навыков?

➡️ Показали интересную матрицу, думаю, для ПМов и продажников будет полезно такой обзавестись для задушевных бесед с клиентами. В матрице сравнивается работа чисто ИИ, гибридная ИИ+человек и только человек. Критерии сравнения: стоимость, сроки, ожидаемые косяки, уровень локализации/адаптации под аудиторию, сфера применения. Например, только ИИ сделает всё быстро и дёшево, зато просядет по идиомам и не будет попадать в губы. В паре с человеком сроки удлиняются, культурная адаптация будет только по самым важным моментам, идиомы и укладка будут уже ровнее. Ну и один человек делает всё на экспертном уровне, но долго.

В целом, занятно было посмотреть. У нас пока что всё как будто бы сильно проще устроено, европейцы явно впереди, но тоже идут на ощупь. Когда вся эта катавасия докатится до России, экспертов в этой области будет отчаянно не хватать.