W Gdańsku od trzech lat polska firma rozwija jedną z ciekawszych technologii Amazona

W 2013 roku gruchnęła wiadomość: Amazon przejmuje polską firmę IVONA Software. Nawet, jeśli jej nazwa niewiele wam mówi, to z pewnością znacie jej produkt. To syntezator mowy – głosy Ivony mówią do was na przykład na lotniskach. Przejęcie firmy przez Amazona odbiło się w Polsce szerokim echem (kwota przejęcia pozostała nieznana), ale potem nie pojawiały się żadne nowe informacje na temat największego polskiego przejęcia Amazona.

Co dalej dzieje się z Ivona Software? Aby to sprawdzić, udałam się prosto do Gdańska.

- Urośliśmy znacząco od momentu, kiedy zainwestował w nas Amazon – mówi mi Rafał Kukliński, obecnie szef centrum R&D Amazona w Gdańsku. - Dołączyły do nas nowe zespoły, mamy nowe możliwości – zbudowaliśmy studia nagrań oraz rozwijamy naszą technologię na ogromną skalę.

Całe gdańskie centrum R&D skupia się na przetwarzaniu tekstu na mowę. I nic dziwnego – wykorzystywane jest tu doświadczenie jeszcze z czasów Ivony. A rozwiązania polskiej firmy trafiły do większości urządzeń Amazona.

- Jedną z pierwszych integracji Ivony w naszej historii pracy z Amazon był Amazon Fire - zaczyna wyliczać Kukliński. - Nasz system przetwarzania tekstu na mowę zwiększał dostępność tych urządzeń dla osób niepełnosprawnych. Kolejnym projektem, z którego jesteśmy bardzo dumni, jest Amazon Alexa. W tym roku zostały również wydane nowe urządzenia Kindle z funkcją czytania książek, wykorzystujące technologię stworzoną w Gdańsku. No i wydaliśmy Amazon Polly, czyli nasz serwis w AWS. Nasze rozwiązanie jest też między innymi stosowane w centrum pomocy Amazon. Jeśli zadzwonisz i zapytasz, co dzieje się z twoją paczką, to nasz głos będzie opowiadał, gdzie ta paczka sobie wędruje.

Tablet Kindle Fire jest przydatny w krajach, w których dostępne są usługi Amazona – czyli nie u nas. Ważne jest natomiast to, że polscy inżynierowie rozwijają jedno z najciekawszych rozwiązań koncernu, czyli Amazon Alexa.

Alexa to głos „asystentki”, zamknięty w niepozornym głośniku. Możecie o nim myśleć jak o domowej Siri (od Apple'a) albo Cortanie (Microsoftu)
. Głośnik stawiamy gdziekolwiek w domu, a Alexa służyć będzie pomocą (zamówi pizzę, taksówkę, włączy muzykę) czy radą (przeliteruje wyraz, odpowie na trudne pytania, ustawi alarm).

Alexa stanowi duże wyzwanie technologiczne - głos nie może brzmieć sztucznie, musi mieć odpowiedni tembr, no i powstawać muszą dla niej odpowiednie aplikacje.

Alexa nie jest jednak głosem generowanym komputerowo. Odpowiadają za nią tzw. "talenty głosowe". Osoba, która zostanie za taki uznana, zapraszana jest do R&D, gdzie nagrywa zestawy różnych zdań (które nie zawsze muszą mieć sens - chodzi raczej o zbitki dźwięków). To właśnie do takich nagrań służą studia dźwiękowe w gdańskkim centrum.

Paradoksalnie, choć głos Aleksy powstaje w Polsce, ona sama po polsku nie mówi. I nie wiadomo, kiedy zacznie.

- Alexa to kombinacja wielu technologii - tłumaczył mi Kukliński. - Przetwarzanie tekstu na mowę jest ważnym, ale niejedynym jej elementem. Potrzebne jest jeszcze między innymi rozpoznawanie mowy, przetwarzanie języka naturalnego i ogromna ilość danych. To zatem wymagający projekt i przeniesienie go na dany grunt geograficzny jest złożonym procesem.

Jednym z warunków mówiącej po polsku Alexy jest... oficjalna obecność Amazona i jego usług w Polsce. A dopóki go tu nie ma, technologia Polaków przydaje się mieszkańcom krajów anglojęzycznych oraz w Niemczech.