Долой клавиатуру! Интервью с Виктором Осетровым, CEO RealSpeaker

Совсем недавно инициативные ребят, создающие систему аудиовизуального распознавания речи, были резидентами Бизнес-инкубатора казанского ИТ-парка. Сейчас, благодаря таланту и трудолюбию они стали резидентами ИТ-парка и Сколково.

Маргарита Власенко поговорила с начинающими ИТ-предпринимателями о проекте - RealSpeaker, технологии распознавания речи. В последний день зимы он стал доступен для пользователей.  Автор встретилась с Виктором Осетровым, CEO RealSpeaker, чтобы узнать о первых клиентах, конкурсах, инвесторах и планах на будущее.

«Виктор, привет! Я буквально пару часов назад скачала и протестировала технологию RealSpeaker. Я была просто в восторге, когда компьютер сам начал печатать текст. Мои «надиктованные» сообщения выглядели примерно так «Представляешь, я сейчас не пользуюсь клавиатурой! Я разговариваю с компьютером, и он сам печатает текст. Это просто восхитительно, это прогресс!!!» Я знаю, технологии распознавания речи уже существуют в мире, но само понимание того, что это разработка твоего знакомого, она сделана в России, конкурентна на мировом рынке и уже доступна пользователю, вселяет гордость (протестировать продукт может любой желающий. Скачать бесплатную и платную версию можно на сайте).

Как прошли первые дни после запуска?

Виктор: Спустя 7 дней нашу демо-версию скачало 1700 пользователей. Мы пока запустились только для российского рынка. Скачивают пользователи из Казани, Москвы, Самары, Санкт-Петербурга и даже из Южной Кореи. Каждого клиента, купившего версию PRO, я добавляю в скайпе и отвечаю на все его вопросы лично. Я пытаюсь сделать все, чтобы пользователь понимал: мы работаем для него. Если клиент будет чувствовать качественный сервис, он будут рекомендовать наш продукт своим знакомым. Рассказ о качестве продукта напрямую – сильнее, чем любая внешняя реклама.

Интересно, а можно ли уже создать определенный портрет клиента? Это студенты, журналисты, люди с ограниченными возможностями?

В: Сейчас это люди, которым интересны речевые технологии. Для примера, клиент-переводчица, из-за большого количества работы за компьютером у нее болят глаза и ухудшилось зрение. Наша технология поддерживает семь языков, это удобно для переводчиков. Да и голосом вводить текст не так тяжело, как на клавиатуре. Я общался с человеком старшего поколения: он хочет книгу написать, но у него плохое зрение и ему трудно печатать. Журналисты. Вот ты, например, сейчас записываешь на диктофон и тебе необходимо это будет прослушать и записать. Ты бы могла поставить передо мной компьютер и я бы говорил и все записывалось. Естественно, потом появится мобильная версия. Пока это очень-очень специализированный покупатель. Если мы сможем сделать распознавание речи близкое к 100%, то пойдут к нам рядовые пользователи.

Прошлый год для RealSpeaker был богат на награды: конкурс Web-ready,  финал Зворыкинской премии и премия «Стартап года», Молодёжный форум-2012 в Республике Татарстан.  Есть ли какой-то смысл в этих наградах?

В: Награды это очень приятно, это говорит о том, что проект интересен, это сильно помогает: экспертиза, узнаваемость проекта. Но самая большая награда, которая может быть, это благодарность пользователей. Поэтому команда не должна увлекаться наградами. Минус конкурсов в том, что ты превращаешься в тусовщика, отвлекаешься от клиента. Я рад, что мы запустились и у нас стали появляться настоящие пользователи, не те, которые интересуются, а именно реальные покупатели. Нам предстоит еще много работать, чтобы заслужить их доверие. Но благодарность клиентов намного лучше, чем всякие награды и конкурсы.

А что с финансированием проекта?

В: В декабре прошлого года в нас инвестировала Startobaza. Сделала она это не из-за побед в конкурсах. Инвесторы видели, как мы работаем над проектом с самого его основания и как сильно мы увлечены. Так же RealSpeaker получил грант от Фонда Сколково и Microsoft Seed Fond.

Мне сейчас сами активно стали писать с предложениями финансирования, и у меня есть возможность выбора потенциальных инвесторов. Деньги на самом деле не очень важны, особенно на начальном этапе, важнее получить хорошие рекомендации, какую-то небольшую поддержку. Если проект получает достаточно много инвестиций, люди расслабляются и начинают хуже работать. Когда финансирования не хватает, когда бюджета в обрез, то процесс проработки идет более активно. Проект сейчас не прибыльный, убыточный, многие это понимают,  разработчики в том числе.  Они понимают, что если будут лучше работать, у нас будет больше пользователей, компания будет приносить прибыль и только от них зависит успех проекта.

Как получилось набрать такую замотивированную команду?

В: Найти людей большая проблема, даже у нас в Казани. Вроде крупный город, технических вузов очень много, но проблема есть. Мы набираем людей под определенную задачу и в процессе отбора даем им специальное задание. Есть люди, которые приходят и требуют большую зарплату, но задание не выполняют. Или был случай, когда кандидат так увлекался, что выполнял за ночь всё задание, рассчитанное на две недели (решение в интернете нет). Естественно мы такого берем. Все равно, что у него нет опыта, навыков, но он брал и делал. Если видим, что человек реально заинтересован, горят глаза, то мы берем его. И потом постепенно, пусть не сразу, месяца через два-три, этот человек становится ключевым звеном проекта. Самая главная задача для меня сделать команду, коллектив, найти единомышленников. Хорошая команда может сделать все, плохая - даже самый хороший проект погубит. Очень важно найти людей. Люди –  самое главное в проекте.

Как рынок принял  продукт, ведь в России распознавание речи пока не очень популярно?

В: У нас сейчас первые продажи, первые деньги самые ценные. Механизм продаж нужно отработать идеально, чтобы выйти на показатель 100 лицензий в сутки в течение месяца. Проблема в том, что в России не принято покупать: 1700 человек скачало, а сделало заказ PRO версии чуть больше 1%. В Европе и США 10% покупают по модели freemium.

Сейчас 60-70% рынка распознавания речи находится в США. Но штаты не так интересны, я думаю сейчас больше про Азию. Там это вообще будет бомба, в Азии многие люди  компьютером даже никогда не пользовались, только планшетом и телефоном. Нам с тобой привычку печатать текст на клавиатуре прививали годами, у них такой привычки нет, а вводить на планшете или телефоне одним пальцем неудобно. В последнее время я все чаще стал осознавать, что именно не Америка, а Азия будет основным рынком. В Америке систем распознавания речи очень много, в каждом книжном магазине можно купить её за 100-300$  Мы продаем за 30$ и распознаем лучше, но все равно рынок насыщенный, будет тяжело противостоять конкурентам. А вот Азия это огромный, быстрорастущий рынок.

Точность распознавания сейчас 75-80%, как скоро мы придем к 100% точности?

 В: Сложность, в том что пока система распознает набор текста, например, я говорю «студеный ключ бьется из-под земли», система может распознать «студеный ключ белка из-под земли». Нужно чтобы система не просто набирала какой-то распознанный текст, а исходя из контекста,  исправляла ошибки. Когда система будет не просто распознавать, а будет понимать смысл, тогда произойдет революция в технологиях распознавания речи.

Тема контекстного распознавания очень интересна и в ближайшие годы будет активно развиваться. Это то, почему я торопил команду запуститься. Мы не просто распознаем речь, мы составляем базу данных. Со временем, мы наймем лингвистов в команду и они будут ее анализировать. Мы будем знать какие у тебя интересы, о чем ты говоришь, чем увлекаешься. Это не значит, что живые люди будут читать сообщения, это сделают машины. Такую технологию используют Vkontakte, для примера. Продажа для рекламодателей узкой таргетированной рекламы - это одна из моделей коммерциализации. Это первый этап рабочей специфики. Мы планируем к лету сделать аудио-видео синхронизацию, когда движение губ и голос сравниваются и определение идет более точно. Потом, у людей разный тембр голоса, следовательно, можно фильтровать на основании тембра голоса по аудиовизуальной верификации и - это вообще будет бомба – система будет не только распознавать речь, но и идентифицировать каждого пользователя!

Главное это не распознавать речь и переводить ее в буквы, главное понимать контекст и на основе накопленной базы данных уметь исправлять текст. Если это будет сделано, то основной пользователь к нам пойдет и все люди забудут про эти клавиатуры и про привычку печатать, которую вбивали в нас много лет.

Сейчас чтобы набирать текст, мне нужно сидеть перед монитором. Для меня это большая проблема, мне бы хотелось не быть «привязанной» к компьютеру, иметь возможность делать что-то параллельно набору текста. RealSpeaker будет обеспечивать такую возможность в будущем?

Это очень клевая тема, но у нас сейчас 2D-распознавание. 3D распознавание - это более сложная задача, когда данные анализируются не с одной камеры, а с двух и более. Это очень сложно в плане математики, мы пока к этому еще не готовы, пока у нас не достаточно опыта, но мы занимаемся видеообработкой уже год и немножко стали разбираться и в 3D-распознавание. Рано или поздно мы придем и к нему, тем более что у нас уже есть заинтересованные в этом клиенты.

Ты некоторое время стажировался в Кремниевой долине. Там людям легче заниматься технологическим предпринимательством?

Вообще, для IT компании не важно где ты находишься, в Кремниевой долине или в Казани. Более того, в Казани созданы прекрасные условия для работы – мы располагаемся в IT-парке, в котором есть все необходимое.

Однако не все так хорошо. Самое обидное, что сейчас у нас нет в России – это технологической культуры направленной на быстрый созидательный рост, отсутствует культ предпринимательства и труда с самоотречением. Такая культура только-только стала развиваться и еще не принесла свои плоды в полной мере. Необходимо много времени и сил потратить для того, чтобы создать инфраструктуру для стремительного роста, изменить сознание людей. К сожалению, надо признать, что люди в России изначально скептически настроены к чему-то новому, нет доверия.

Всякий раз, когда я посещаю Калифорнию, мне интересно окунуться в культуру самоотверженного труда и открытых возможностей. Но я не вижу смысла переезжать туда вместе с командой. Цель визита –  набраться новых знаний, эмоций, получить новых клиентов и партнеров и вернуться в Казань, чтобы эти достижения использовать в своей компании. В Калифорнии все слишком хорошо и это сильно расслабляет. Гораздо интереснее, на мой взгляд, создавать что-то новое в среде где, все буквально противостоит тебе и ты реально через свой проект можешь сделать что-то стоящее и поменять сознание людей. Стена непонимания, разбитые дороги, запах дыма меня заводят и заставляют работать еще усерднее. Есть желание доказать себе и всем, что можно все поменять.

Сейчас, когда проект уже запущен, в него поверили инвесторы, пользователи, уже никто не скажет «ты занимаешься не тем», «это никому не нужно», «найди стабильную работу». Но раньше часто приходилось все это слышать?

Такого рода сообщения получал регулярно в самом начале работы проекта. Их очень тяжело было переносить, но важно было не упустить руки. Ведь начало – это половина успеха. У меня был случай, когда я будучи студентом 3 курса пришел рассказать о своей идее авторитетному ученому из университета, чтобы получить от него профессиональную экспертизу. Меня очень поразило, что вместо того, что выслушать и дать совет, он открыл поиск научных статей по тематике моего исследования и, тыкая пальцем в монитор, ссылался на исследования японских коллег. Его профессиональная экспертиза выражалась в словах: «Этим не стоит заниматься, так как такие исследования ведут ученые из Японии». Совет мне в итоге дали такой: «Витя, этим не стоит заниматься, ты тратишь свои лучшие годы на ерунду. В то время как весь цивилизованный мир стремиться в будущее на истребителе, Россия скачет в 21 век на птице-тройке. Займись лучше чем то другим». После его слов я решил для себя точно – сделаю все возможное, чтобы реализовать проект.  

Виктор, спасибо тебе большое за интервью. Очень рада была с тобой пообщаться, больших успехов тебе и ждем новостей о запуске в других странах!

По материалам Сколково.