Ovir, da se lahko v slovenščini na ulicah sveta tekoče sporazumevate z Japoncem, Nizozemcem, Tajcem ali celo Azerbajdžancem, že danes ni več. Prav tako si je mogoče enostavno in sproti narediti zapiske sestanka ali z nekajsekundnim zamikom že imeti celoten prepis intervjuja. Vse to omogoča aplikacija Soniox, ki pa je le stranski produkt še precej bolj obsežnega in ambicioznega projekta. Ta utegne precej spremeniti naše navade komuniciranja z drugimi in s stroji. Seveda na bolje.
Podjetje Soniox ima resda sedež v ameriški Kaliforniji, ustanovitelja pa sta Slovenca in center razvoja njihove napredne jezikovne arhitekture poteka v Ljubljani, natančneje na Dolgem mostu. "Tako bo tudi ostalo," pravijo v podjetju.
Zakaj je Soniox danes že veliko ime v IT industriji? Majhni ekipi je uspelo ustvariti izredno zmogljivo in raznovrstno uporabno strojno prepoznavanje govora, njegovega zapisa ter prevajanja v več kot 60 najrazličnejših jezikov. Z izdelki že danes dosegajo več milijard potencialnih uporabnikov. Gre za ogromne številke.
Ključne prednosti Soniox platforme pred 'velikimi'
Soniox seveda še zdaleč ni prvo ali edino podjetje, ki zna s pomočjo umetne inteligence oziroma jezikovnih modelov zapisati (transkribirati) in obdelati govorjeno besedo. Takšna orodja prek raznih platform med drugim že dolgo ponujajo velikani kot Google, Apple, Microsoft, ChatGPT ... Vendar je ekipi, zbrani okoli ustanoviteljev Klemna Simoniča in Ambroža Bizjaka (na spodnji fotografiji), očitno uspela prav posebna 'čarovnija', ki jih je postavila pred konkurente.
Najprej je tu omenjeno ogromno število jezikov. Google za pogovor v živo podpira le okoli 32 jezikov, Apple še precej manj. Ne eden ne drug ne znata slovensko.
Kdo sta ustanovitelja Sonioxa?
Klemen Simonič in Ambrož Bizjak sta se spoznala med študijem na Univerzi v Ljubljani. Simonič je diplomiral iz matematike in računalništva, nato pa magistriral iz računalništva na Univerzi v Utahu v ZDA. V letih 2009 in 2011 je opravil praksi na Stanfordu, leta 2014 še pri Googlu, leta 2015 pa se je pridružil Facebooku (današnja Meta), kjer je bil med ustanovnimi člani ekipe za strojno prepoznavo govora. V Sonioxu, ki ima sedež v Kaliforniji, ima vlogo izvršnega direktorja in živi v ZDA.
Bizjak ima v podjetju vlogo glavnega sistemskega arhitekta. Je vodja evropske veje Sonioxa s sedežem v Ljubljani, njemu gredo zasluge za ključne zamisli in tehnologije, ki jih ima vgrajene Sonioxova platforma. Med drugim se je pred tem vrsto let kalil in razvijal napredne programske storitve v podjetju Cosylab.
Simonič in Bizjak sta Soniox ustanovila leta 2020. Podjetje danes šteje manj kot 20 zaposlenih, širitev izvajajo postopno. Sposobne kadre iščejo tako v Sloveniji, kjer vidijo še precej neizkoriščenega potenciala, kot tudi v tujini.
Druga ključna prednost Sonioxa je, da vsi ti procesi potekajo simultano, torej v realnem času. V primeru uporabe aplikacije se torej pogovor, ki ga snema mobilni telefon, sproti pretvarja v pisano besedo. Ni treba najprej prenašati zvočne datoteke na strežnik in nato čakati na transkripcijo. Na primer nekdo reče nekaj v slovenščini, sogovornik na drugi strani to prebere (ali sliši) v materinščini. S tem je tudi pogovor med dvema osebama precej bolj naraven, kot bi bil, če bi potekal v angleščini.
Tretja ključna in morda celo najpomembnejša razlika, ki naredi Soniox drugačno od doslej videnih rešitev, pa je natančnost. Sistem je zelo pedanten pri prepoznavanju konca stavkov, premorov, ločil, številk in simbolov, kar je ključno na primer pri klicnih centrih ali v medicinskem sektorju. Torej tam, kjer je natančnost pri zapisanem ne samo zaželena, ampak tudi obvezna.
Izkušnje iz prve roke
Tudi sami smo se prepričali o sposobnosti Sonioxove rešitve. Pri novinarskem delu se nam večkrat dogaja, da aplikacije za snemanje in kasnejši transkript pri pogovoru z neko osebo uporabljamo v glasnem okolju ali da v primeru pogovora v angleščini prihaja do slovničnih napak. Morda ima sogovornik tudi močan naglas, ali govori v poudarjenem (slovenskem) narečju.
V primerjavi z Microsoftom in ChatGPT, ki sicer omogočata prepoznavo slovenščine, Soniox močno odstopa. Sonioxova aplikacija je bila po naših izkušnjah večmesečne uporabe ena redkih, če ne kar edina, ki vse te posebnosti zmore upoštevati in prepis pogovora samodejno ter sproti preurejati v smiselno celoto. Po potrebi torej 'ugane' tudi kontekst pogovora.
"Idealno okolje za snemanje je zelo težko najti. Morda na raznih 'benchmark' testih to ni tako dobro razvidno, vendar pa dejanska raba in odzivi naših strank potrjujejo, da Soniox lahko v realnih okoljih, tudi če je to gradbišče ali pa kabina nekega vozila, naredi razliko," nam je razložil Grega Podobnik, v podjetju odgovoren za rast produkta in podporo ključnim strankam. Model namreč na podoben način kot človek razpozna zvok v ozadju in ga skuša izolirati, 'odmisliti' od govorca.
Dodatna inovacija Sonioxa je zmožnost prepoznave do kar 15 sogovornikov in njihovo sprotno označevanje v izpisanem besedilu. Umetna inteligenca v ozadju izdela nekakšen biometrični zapis govorca, torej barvo in ton njegovega glasu, kar aplikaciji služi za razpoznavanje in razvrščanje.
Uporabljajo jo tudi v medicini
Uporaba znotraj aktivne seje ni fiksno vezana na en govorjen jezik, torej ga ni treba vnaprej nastavljati, ker ga razpozna samodejno, celo več variacij jezikov, ki jih govorijo v Indiji. Posebej v mednarodni komunikaciji se velikokrat dogaja, da se nek pogovor začne v enem, kasneje pa nadaljuje v drugem jeziku. Morda se v pogovor vključi še tretji sogovornik, do mešanja jezikov prihaja celo znotraj enega stavka. Soniox s tem nima nikakršnih težav ter hipno preklaplja, pojasnjuje Podobnik.
Pri Sonioxu prek svoje spletne strani ponujajo neposredno primerjavo z nekaterimi drugimi najbolj znanimi aplikacijami za transkripcijo, vključno s ChatGPT, Grokom, Meta ali Googlom. Vsak lahko v živo in na svojih vzorcih preveri tako kakovost kot tudi ceno (profesionalne) storitve.
Nekatere Sonioxove stranke njihov API uporabljajo tudi z namenom snemanja pogovorov. "Možnosti je ogromno, po pravici povedano niti ne vemo, za kaj vse podjetja, s katerimi sodelujejo, uporabljajo našo arhitekturo. Zato tudi zelo težko povemo, koliko ljudi danes tako ali drugače že uporablja naše storitve," nam je povedala Jasna Mihelj Coustaury, vodja operativnega poslovanja.
Soniox je skratka omogočil procese, ki odpirajo doslej neslutene možnosti uporabe. Na podjetje so že postala pozorna nekatera največja imena tehnološkega sveta (Samsung, LG, Retell, ...), in z nekaterimi je podjetje sklenilo sodelovanje za vgradnjo svoje API platforme v njihove digitalne rešitve. "Imamo ogromno strank s področja logistike, imamo veliko stranko s področja medicine, številne stranke iz klicnih centrov," razlaga Mihelj Coustauryjeva. "Naše rešitve podjetja zelo pogosto uporabljajo za t. i. meeting notes, torej zapiske," dodaja Podobnik.
Ogromen potencial je tudi v industriji pametnih naprav, kot so očala, ki bi zmogla uporabniku sproti izpisovati, kaj vidijo. Možnosti za Soniox pa so tudi v zelo obetavnih industrijah humanoidnih robotov ali samovozečih avtomobilov.
Možnosti uporabe in nadaljnjega razvoja Sonioxovih rešitev je torej še veliko. Pri podjetju gredo celo tako daleč z napovedjo, da je zaradi vse bolj natančne in uporabne glasovne interakcije med ljudmi ter stroji zaton tipkovnic bližje, kot si mislimo.
Hendikepiranim osebam lahko izboljša življenje
Ena od zelo pomembnih možnosti uporabe Sonioxove rešitev je pomoč osebam z omejitvami, čemur se bodo v prihodnje dodatno posvetili.
Ena od invalidnosti, ki jo lahko Soniox močno olajša, je gluhota. V podjetju so tako dobili zahvalo uporabnika, ki pravi, da mu je aplikacija s sprotnim pretvarjanjem govorjenega v zapis odprlo povsem nove zmožnosti v komunikaciji z normalno slišečimi in s tem spremenilo socialno življenje.
Aplikacija v zastonjski različici dostopna vsakomur
Kot poudarja Mihelj Coustauryjeva, je aplikacija Soniox, ki si jo lahko naloži vsakdo, le stranski produkt vsega, kar počno. Namenjena je tako domači uporabi kot za profesionalne potrebe in lahko močno olajša komunikacijo ali pa pohitri delo ter študij. Aplikacijo ponujajo v treh različicah, in sicer za mobilne telefone, namizje ali v spletni različici.
Kako je z varnostjo slišanega
Glede na široko uporabnost, med katero aplikacija lahko 'sliši' tudi zelo zasebne ali celo tajne stvari, se postavlja vprašanje varnosti. Lahko kdo od zunaj izve, kaj je slišala aplikacija? Ne, zasebnost in varnost sta vgrajeni v sam temelj, kako Soniox deluje, zagotavljata Podobnik in Mihelj Coustauryjeva.
Uporabljajo namreč tako imenovani real-time API, ki procesira zvok in besedilo v realnem času. "V Sonioxu si pri obdelavi podatkov v realnem času glede same vsebine ne shranjujemo popolnoma ničesar. To zagotavljamo vsem našim strankam," zagotavlja Podobnik.
Že sam trening modelov temelji na njihovih lastnih podatkih in ne na podatkih uporabnikov. "S tem dosežemo, da so modeli čim bolj splošni in uporabni v vseh možnih scenarijih, v različnih industrijah."
Kakšno podjetje bo Soniox leta 2030?
Mihelj Coustauryjeva v smehu odgovori: "Stvari v naši se razvijajo tako hitro, da si načrte postavljamo in jim sledimo na tedenski bazi. Stvari se res zelo, zelo hitro spreminjajo, tako da ne vem, kje bomo čez eno leto, kaj šele 2030. Tega ne ve nihče na tem svetu."
Vsekakor trenutno kaže, da je podjetje Soniox na poti, ko bodo patentirano znanje in rešitve njene predane ekipe v najrazličnejših oblikah vgrajeni v zelo širok spekter naprav.
"Mislim, da nihče ni pričakoval, da se bo umetna inteligenca uporabljala tako hitro in v takšnem obsegu, kot smo priča že danes. Vsi smo vedeli, da prihaja, ampak vsak je pričakoval, da ne še takoj."
Jasna Mihelj Coustaury
"Z lastno infrastrukturo smo že danes prisotni v ZDA, Evropi, na Japonskem in v Indiji. V slednjo smo vstopili nazadnje, tam vidimo velikanski potencial. Trenutno pa nam je Amerika na vsak način največji trg. Tudi Evropa se zelo močno razvija, prav tako Japonska in seveda že omenjena Indija," obrise strategije na daljši rok vseeno oriše Mihelj Coustauryjeva.
Kaj pa Kitajska? "Kitajska je posebna. Tam imajo do nekaterih stvari svoje poglede, zato na tem trgu nimamo načrtov." Povedano drugače: skrbno varovanje intelektualne lastnine je še posebej bistveno za tako majhno podjetje, kot je Soniox.
Ekipa vsekakor ne počiva. Medtem ko na eni strani iščejo priložnosti, kako trženjsko še bolje izkoristiti poln potencial njihove napredne jezikovne arhitekture, imajo v 'čarobnem' loncu že nove recepture. "V naši kuhinji trenutno kuhamo kar veliko. Kaj se kuha, boste izvedeli zelo kmalu," sta ostala skrivnostna sogovornika.
Za 28 € sem prek online platforme kupil AI očala, simultano prevajanje 164 jezikov - iz kateregakoli v kateregakoli. Govorno …