Depuis un mois, je travaille sur une application d'IA de podcast et aujourd'hui, je suis vraiment ravie de la dévoiler au monde ! Podsmart est l'application de podcast intelligente, utilisant des technologies de pointe de transcription, de résumé et de recherche sémantique pour déverrouiller de manière transparente les connaissances et les idées des podcasts.

Il s'agit d'un projet personnellement significatif pour de nombreuses raisons - je suis un auditeur passionné de podcasts et je suis confronté à de nombreux problèmes que mon application vise à résoudre, c'est le premier produit logiciel rendu public que j'ai créé, et j'ai développé l'application à partir de une couchette de l'armée à l'aide d'un point d'accès mobile au cours du mois dernier. J'aborderai mon parcours de développement dans un article ultérieur, mais pour l'instant, cet article traite de l'idée derrière Podsmart .

Le support audio est une source extrêmement importante de production et de consommation d'informations.

Premièrement, l'audio est le médium dominant où les idées sont produites . Les leaders d'opinion et les experts de l'industrie partagent des informations et des expériences précieuses sous la forme d'entretiens, de discussions au coin du feu, de présentations et de discours. Pensez à certaines des personnes les plus influentes au monde aujourd'hui. Comment avez-vous connu leurs idées et leurs croyances ? À moins que vous ne pensiez à un auteur célèbre, il est extrêmement probable que ces personnes aient communiqué leurs idées en parlant et que vous ayez écouté leur discours ou lu un article basé sur ce qu'elles ont dit, au lieu qu'elles vous communiquent directement leurs idées par écrit. . Par conséquent, s'engager avec des idées valables implique nécessairement le support audio.

L'une des raisons en est la facilité de production audio - les gens communiquent beaucoup plus facilement et rapidement par la parole que par l'écriture. La personne moyenne parle au moins 7000 mots par jour , tandis qu'un écrivain professionnel moyen écrit 1000 mots par jour . Non seulement le volume, mais aussi le taux de transfert d'informations sont plus élevés grâce à la parole. Les gens parlent à un rythme d'environ 150 mots par minute , contre seulement 40 mots par minute pour l'écriture.

En conséquence, les médias audio tels que les podcasts ont gagné en popularité , la proportion de la population américaine ayant écouté un podcast au cours du mois dernier ayant triplé au cours des 10 dernières années pour atteindre 38 %, 18 % écoutant des podcasts quotidiennement, et les jeunes (12 à 34 ans) étant le principal groupe de consommateurs de podcasts.

Cependant, les informations audio sont plus difficiles à consommer.

Le taux de consommation d'informations est plus lent qu'avec le texte. Les humains lisent à une moyenne de 300 mots par minute , contre 210 mots par minutepour écouter. De plus, les podcasts se présentent souvent sous la forme de conversations, ce qui signifie qu'il y a plus d'informations non pertinentes dans ces 210 mots, comme des petites conversations, des mots de remplissage et des pauses, ce qui réduit encore la vitesse à laquelle nous recevons des informations pertinentes. Pour ceux qui disposent de peu de temps, la densité d'informations inférieure du support audio constitue un obstacle à la consommation d'informations et à l'interaction avec des idées précieuses. Personnellement, j'adore écouter des podcasts, notamment sur l'économie et la technologie. Chaque semaine, environ 20 nouveaux épisodes sont publiés à partir des principaux podcasts que je suis, et avec chaque épisode d'une durée moyenne d'une heure, j'ai à peine le temps d'écouter tous les podcasts avec lesquels je veux m'engager. Par conséquent, le volume considérable de la production audio signifie que de nombreuses idées précieuses sont contenues dans l'audio , maisces idées beaucoup moins densément concentrées que dans le texte . Cela montre la nécessité cruciale de solutions qui résument et distillent les idées clés de l'audio.

De plus, les informations obtenues grâce à l'utilisation du support audio sont difficiles à récupérer et à partager . Il est très difficile de rechercher des informations spécifiques dans des supports audio tels que des podcasts. Par exemple, lorsque je suis dans une conversation avec des amis, je me souviens parfois d'un aperçu intéressant d'un épisode de podcast que j'ai déjà écouté. Je dis à mes amis que je leur enverrai un lien du podcast qui mentionne ce fait, mais je me rends compte que j'ai oublié lequel des nombreux podcasts que j'écoute contenait ce fait. De plus, même si je me suis finalement souvenu du podcast spécifique, alors que le texte peut être facilement recherché à l'aide d'une fonction Ctrl-F, rechercher une phrase dans un enregistrement audio signifie généralement écouter péniblement tout l'enregistrement pendant des secondes d'informations pertinentes. De telles expériences frustrantes empêchent les gens d'interagir avec des idées dans la sphère audio.

La solution évidente pour déverrouiller les informations dans l'audio consiste à les transcrire en texte. Pendant des décennies, la transcription humaine a été l'étalon-or, mais c'est extrêmement lent - les transcripteurs professionnels transcrivent 1 heure d'audio en 2 à 3 heures - et coûteux - le prix standard pour 1 heure de transcription étant de 90 $. Les innovations technologiques récentes ont annoncé une nouvelle ère de services de transcription IA. Cependant, l'adoption massive de la transcription par IA a été freinée, l'audio est une modalité extrêmement difficile à traiter pour les machines, avec de nombreux facteurs tels que la qualité, les bruits de fond, la diversité des sources audio, les formats et les types de compression empêchant l'émergence de solutions de transcription efficaces. aussi facilement que les modèles de reconnaissance d'image ou de PNL.

Aujourd'hui, les services de transcription AI populaires coûtent 0,85 $ ( Otter.ai ), 0,87 $ ( Deepgram ), 0,90 $ ( AssemblyAI ), 1,25 $ (Amazon) et 1,44 $ ( Google Speech to Text ) par heure d'audio. Malgré cela, il a été signalé que les API Speech-to-Text existantes étaient compliquées à mettre en œuvre , nécessitant une expertise approfondie sur des questions telles que les formats audio, le taux d'échantillonnage, etc.

De plus, ces services de transcription IA ne parviennent pas à résoudre le problème de la faible densité d'informations audio, car la plupart n'offrent pas de services de résumé , ce qui limite l'efficacité de l'utilisateur final qui consomme les transcriptions. Même si la transcription est disponible à moindre coût, le temps supplémentaire nécessaire pour filtrer les informations importantes est coûteux par rapport au texte. Parmi le pool limité de services d'IA qui offrent un résumé, on trouve AssemblyAI (qui inclut également l'analyse des sentiments et la détection d'entités), pour 3 $/h (au total) et le plan premium de Sonix à 5 $/h avec un abonnement de 22 $/mois.

Nous avons besoin d'une solution de bout en bout rentable qui transcrive les podcasts et résume le contenu en informations digestes.

Entrez Podsmart. L'application intelligente qui libère de manière transparente les connaissances des podcasts.

En se synchronisant avec votre compte Spotify, Podsmart récupère vos podcasts enregistrés et génère une transcription de pointe des épisodes de podcast.

Au-delà de la transcription, les fonctionnalités d'intelligence audio de Podsmart vous permettent d'extraire efficacement des informations à partir de podcasts. Podsmart utilise des techniques de regroupement d'IA pour extraire les principaux sujets du podcast et fournit des titres et des résumés informatifs générés par l'IA pour chaque sujet. Podsmart fournit un résumé de l'épisode, avec des faits saillants codés par couleur pour montrer à quel sujet chaque partie du résumé correspond.

Podsmart comprend que les annonceurs souhaitent interagir avec les podcasts à différents niveaux de granularité. Nous voulons souvent plus de détails sur un certain sujet et seulement un bref résumé sur un autre sujet, et différentes personnes se concentrent sur différents sujets. Par conséquent, fournir simplement un résumé par défaut, ou au contraire, simplement montrer la transcription intégrale du texte, est inadéquat. Avec Podsmart, cliquer sur chaque sujet donne une plus grande granularité - les horodatages des segments audio composant chaque sujet - afin que vous puissiez écouter l'audio vous-même, ainsi que des résumés de segment, ainsi que le texte de transcription brut mot à mot.

Podsmart vous permet également d'interagir avec vos connaissances audio via le chatbot Q&A. En utilisant la recherche sémantique sur les transcriptions de podcast, le chatbot fournit des réponses précises et personnalisées, ainsi que les segments de transcription les plus pertinents que vous pourrez explorer plus en détail. De plus, Podsmart vous permet d'intégrer des informations sur plusieurs épisodes de podcast - le chatbot peut synthétiser les informations les plus pertinentes sur de nombreux podcasts différents pour arriver à une réponse. C'est idéal pour comparer et contraster les opinions sur différents podcasts.

Une fonctionnalité bonus de Podsmart est le support multilingue . En tant que personne essayant d'apprendre une nouvelle langue (l'espagnol), j'écoute des podcasts linguistiques pour apprendre un nouveau vocabulaire et de nouvelles structures de phrases, car un apprentissage efficace des langues nécessite de corréler le mot parlé et écrit. Cependant, je suis toujours frustré par le fait que les transcriptions sont bloquées derrière un mur payant ou inexistantes. Pour les apprenants de langue seconde comme moi, Podsmart est là pour vous. Podsmart transcrit et traduit les podcasts, affichant le texte dans les deux langues côte à côte pour relier efficacement l'apprentissage audio et textuel.

L'accès illimité à Podsmart est accompagné d'un abonnement mensuel de 1,99 $, ce qui vous offre un produit précieux à un prix supérieur.

Les idées sont précieuses et puissantes, et dans le monde en évolution rapide d'aujourd'hui, il est crucial de traiter, d'intérioriser et d'intégrer efficacement les nouvelles idées. Utilisez Podsmart - l'application intelligente qui déverrouille de manière transparente les podcasts du formulaire de connaissances.