جوردن بلفورت، معامله‌گر سابق سهام که به «گرگ وال‌استریت» شهرت دارد، به‌همراه شروین پیشه‌ور، سرمایه‌گذار و هم‌بنیان‌گذار خود، پلتفرم صدای هوش مصنوعی Tone را راه‌اندازی کرده و اخیراً نسخه‌ی خودکار آن را برای نویسندگان و تولیدکنندگان محتوا عرضه کرده است. این نسخه امکان تبدیل کتاب به روایت صوتی تولیدشده با هوش مصنوعی را فراهم می‌کند و کاربران می‌توانند از میان صداهای موجود در Tone انتخاب کنند یا در آینده نزدیک با قابلیت voice cloning صدای خودشان را شبیه‌سازی کنند.

Tone پیش‌تر به‌صورت سرویس B2B در اختیار شرکت‌هایی قرار داشت که حجم سرنخ‌های فروششان از توان تیم انسانی‌شان بیشتر بود. بلفورت در گفت‌وگو با TechCrunch گفته است که این پلتفرم در حال حاضر در شرکت‌های حقوقی، بیمه‌های سلامت، نظرسنجی‌ها و صنعت خودرو استفاده می‌شود. تأخیر پاسخ سیستم حدود ۶۰۰ میلی‌ثانیه است و در سناریوی فروش بیمه‌ی سلامت، می‌تواند کل فرایند — از سؤالات غربالگری تا انتخاب طرح و توضیح مزایا — را انجام دهد.

مزیت رقابتی که بلفورت برای آن ادعا می‌کند، آموزش مدل با داده‌های آوایی ۳۰ ساله از سبک ارتباطی خودش است. او از مفهومی به نام «goal-oriented communication» سخن می‌گوید و می‌افزاید که حدود ۱۵ نوع لحن (tonality) وجود دارد که در فروش مؤثرند؛ مثلاً تبدیل جملات خبری به پرسشی برای افزایش درگیری مخاطب، یا آهسته حرف زدن برای القای کمیابی اطلاعات.

هیچ‌یک از بنیان‌گذاران مهندس نیست و TechCrunch تأیید کرده است که نمی‌تواند ادعاهای عملکردی فناوری را مستقلانه راستی‌آزمایی کند. همچنین بازار صدای هوش مصنوعی تا حد اشباع پر از رقباست.

خوانش تحریریه#

برای کسی که همین حالا با ابزارهایی مانند ElevenLabs یا PlayHT کار می‌کند، این خبر تغییر عملی چندانی ایجاد نمی‌کند. آنچه Tone ادعا می‌کند — لحن‌های فروش‌محور و تأخیر ۶۰۰ میلی‌ثانیه‌ای — تا زمانی که با داده‌های مستقل سنجیده نشود، در حد ادعای بنیان‌گذار باقی می‌ماند. نقطه‌ی توجه واقعی، نسخه‌ی خودکار برای نویسندگان است: اگر کیفیت روایت صوتی واقعاً فراتر از یک TTS معمولی باشد، می‌تواند برای کتاب‌های صوتی و محتوای آموزشی ارزش افزوده داشته باشد. اما با توجه به سوابق بلفورت و پیشه‌ور و نبود تیم مهندسی، احتیاط در سرمایه‌گذاری زمانی روی این پلتفرم منطقی است.

منبع: TechCrunch AI