Интервью с Виктором Осетровым о штаб-квартире RealSpeaker в США и рынке Юго-Восточной Азии.

Проект RealSpeaker, разрабатывающий видеорасширение для увеличения точности распознавания речи, уже знаком многим участникам сообщества БИТ. В прошлом году динамично развивающийся стартап победил в региональном конкурсе БИТ-Татарстан, а в этом сезоне успел завоевать специальный приз от РВК — путевку в США на сентябрьский форум Russian Innovation Week. Мы попросили 25-летнего лидера компании Виктора Осетрова рассказать, что нового происходит с проектом.

В феврале вы представили дебютную версию программы для Windows. Много набрали пользователей?

Сейчас у нас чуть больше 5 тысяч пользователей — это конечно не так много. Примерно 2% из них покупатели платной версии с расширенной функциональностью (стоимость лицензии 1000 рублей — прим. ред.).

На вашем сайте уже висит промо версии 2.0. Когда она появится и чем будет отличаться?

Изначально мы делали акцент на неадаптивной технологии — программа просто находит на видео изображение лица, область губ и уточняет результаты аудиораспознавания речи. За полтора года мы реализовали неадаптивный фильтр, который позволяет повысить точность распознавания примерно на 10-20%. Для пользователя это пока несущественная прибавка, но нам удалось запустить технологию, обкатать ее, доказать что она работает. Однако этот подход не позволяет нам поступательно развиваться дальше.

В версии 2.0 мы используем новый подход — одновременной идентификации человека по видео и аудио, то есть переходим на адаптивное распознавание речи. Это дает нам два преимущества.

С одной стороны, позволяет более точно выделять речь конкретного человека в сложных условиях, например, когда одновременно говорит множество людей и их голоса накладываются друг на друга. Традиционные аудиотехнологии в подобной ситуации обычно пасуют.

С другой стороны, это дает нам выход на новый рынок — биометрической аутентификации. Одновременное использование распознавания голоса и лица позволяет изрядно повысить надежность биометрии  — эта задача очень востребована.

То есть RealSpeaker будет уже не только плагин, который фиксирует начало и конец речи по движению губ как это сделано сейчас. Это будет умная система, которая выделяет конкретного человека из общего потока, верифицирует его речь, собирает информацию по человеку на основе того, что он сказал и как себя ведет.

Ограниченный запуск второй версии нашей программы запланирован на конец этого года.

Системы распознавания речи существуют уже десятки лет, но голосовое управление техникой до сих пор, мягко скажем, далеко от идеала. Есть ли надежда на кардинальное решение этой проблемы?

Надежда есть, причем предполагается, что это произойдет через год-два. Это не мы придумали, так утверждает маркетинговое исследование компании TechNavio, которое мы купили и перевели на русский язык (можно прочитать здесь http://realspeaker.net/ru/news/marketingovoe-issledovanie-rynka-golosovye-sistemy-raspoznavaniya-rechi-2012-2016-gg/).  Но нужно понимать, что системы аудиораспознавания по своей природе не могут быть абсолютно совершенными. Если несколько источников звука накладываются друг на друга, то разделить их в ряде случаев невозможно. Видео в какой-то степени решает проблему, но видео  тоже не панацея, там также есть помехи, шумы и артефакты.

Я верю, что в ближайшем будущем человек будет общаться с техникой голосом, без помощи рук. Успех этого будет зависеть от возможности распознавания контекста, понимания, что человек говорит. Это более сложная задача, по сути, разработка из сферы искусственного интеллекта.

А над ней вы работаете?

Мы начали над ней работать, но пока сделали лишь маленький шаг в этом направлении. Мы уже собираем статистику, но еще не научились ей правильно пользоваться. Упрощенно это можно представить как аналог поисковика Google, учитывающего контекст по статистике предыдущих запросов пользователей. Только у нас ситуация более сложная, потому что живая речь богаче поисковых запросов.

Есть предложения о партнерстве?

Да, нашим проектом заинтересовались крупные компании — Microsoft, Samsung, LG. Они предложили нам интегрировать наш фильтр в их продукты. Корейские компании, например, интересуют мобильные устройства,  бытовая техника вроде Smart ТВ, управление роботами и т.п. Мы от них получаем конкретные юзер-кейсы, знания, они от нас — реализацию наших технологий для их задач.

Планируете менять бизнес-модель?

Сейчас мы используем freemium-модель, чтобы обкатать технологию. Есть бесплатная версия программы, есть платная Pro-версия, но она не делает погоды. Пока есть возможность привлекать инвестиции, мы продолжим двигаться прежним курсом. Я планирую, что на доработку технологии уйдет еще примерно два с половиной года. Надеюсь, что со временем мы начнем решать с помощью нашей разработки какие-то конкретные задачи по заказу крупных корпораций, и часть доходов будем получать от продажи лицензий.

Как продвигается разработка продукта для смартфонов?

Версия для Android появится в конце августа.

Инвесторов ищете?

Проект пока не вышел на самоокупаемость, мы развиваемся за счет внешних инвестиций. Из посевной стадии мы по большому счету уже вышли, но ангельские деньги пока остались — у нас есть несколько частных инвесторов и фонд  Startobaza из Татарстана. Сейчас выходим на другую  стадию развития, нужно быстро создать адаптивный  фильтр, для этого требуются более дорогие специалисты. Поэтому до конца года планируем выйти на раунд A венчурного финансирования.

За полтора года существования компании в проект уже вложено чуть больше 300 тысяч долларов. До конца года мы планируем привлечь еще миллион долларов. Мы начали переговоры с венчурными фондами, но рассматриваем и возможность получения государственного финансирования.

Сколько сейчас человек в компании?

В команде сейчас десять человек, из них семь разработчиков, офис находится Казанском ИТ-парке. Первоначально мы брали людей без опыта: самому старшему в нашей команде 30 лет, а в основном это мои ровесники. В стартап, который еще не сделал себе имени, сложно привлечь именитых специалистов. Сейчас ситуация изменилась, нам стало проще в поиске кадров и мы делаем акцент на приглашение опытных людей, которые бы могли усилить команду, быстро вывести ее на новый уровень.

Вынашиваете планы международной экспансии?

Мы открыли компанию в Делавэре еще в прошлом году. А сейчас сделали российскую компанию стопроцентной дочкой американской. То есть головной офис у нас теперь в Штатах, но фактически там никого нет — вся разработка сосредоточена в Казани. Там и рабочая сила не такая дорогая и много сильных технических вузов.

А зачем вам американская компания?

Защищать свою интеллектуальную собственность удобней в США. С другой стороны для фондов важно, чтобы проект находился в понятной для них юрисдикции. Кстати мы американскую компанию открыли именно по предложению наших инвесторов.

А сейчас приходит понимание, что основным рынком сбыта для нашей технологии станут даже не США с Западной Европой, а страны Юго-Восточной Азии — Япония, Корея, Индонезия, Китай. По темпам развития систем распознавания речи они опережают Запад, а по платежеспособности  близки к нему.

Продаться какой-нибудь большой компании не хотите?

Хотелось бы оставаться независимыми как можно дольше.

БИТ вам помог?

Да, это очень серьезный конкурс с сильной командой экспертов.  Что нам дало участие? Уверенность дало, познакомило с нужными людьми, с инвесторами. Позволило оценить наш проект со стороны, понять, в какую сторону лучше развиваться. Вообще, на мой взгляд, в России среди негосударственных конкурсов это мероприятие номер один. В общем, всем рекомендую.

Почему вы решили повторно участвовать в БИТ в этом году?

За год проект RealSpeaker сильно вырос и стал узнаваемым, поэтому мы решили вновь подать заявку на БИТ. Сейчас наша главная задача закрыть раунд  А финансирования, а победа в конкурсе БИТ открывает все двери для общения с инвесторами напрямую.

Иточник: http://www.bit-konkurs.ru/novosti_proekta/Podrobno/interv'ju_[RealSpeaker_]Osetrov