Для Теми Бабса, основателя и CEO базирующегося в Lagos голосового AI-стартапа Spitch, угроза того, что хорошо капитализированные глобальные игроки вроде OpenAI или ElevenLabs обратят внимание на африканские языки, не является поводом для тревоги. Когда его спросили, что произойдёт, если эти компании решат всерьёз выйти на языки континента, он ответил однозначно: им сначала придётся пройти через него.

Это смелое заявление для основателя, который признаёт, что «raised very little money» и всё ещё не вышел на прибыльность. Однако Бабс настаивает: при создании голосовой инфраструктуры для африканских языков один лишь капитал не является тем конкурентным преимуществом, каким его часто считают. Ставки высоки: в Africa говорят более чем на 2,000 языках, а крупные глобальные платформы распознавания и перевода речи исторически обеспечивали для них ограниченную или ненадёжную поддержку, оставляя коммуникационный разрыв, который влияет на всё — от клиентского сервиса до гражданского участия.

«I understand this so well because we've bootstrapped to get this far ahead», — сказал Бабс Technext в эксклюзивном интервью. «I do not think that capital alone is what is going to win this. You could have all the capital, but if you're unable to build…» Он сделал паузу, прежде чем сформулировать ключевой тезис: любой хорошо финансируемый глобальный гигант, пытающийся обслуживать African markets, нуждается в отношениях, данных и понимании мышления среднего Nigerian, среднего West African или East African — тех активов, которые Spitch накапливает уже two years. «You can't beat that with billions of dollars.»

От провала в аудитории к инфраструктурной ставке

Истоки Spitch уходят к проекту по расшифровке университетских лекций, который выявил фундаментальный пробел в существующих речевых технологиях. Преподаватели переходили с Yoruba на Igbo и English прямо посреди предложения. Некоторые говорили на Pidgin. Другие смешивали два языка в одной фразе на фоне шума аудитории, к которому не была приспособлена ни одна «чистая» обучающая выборка.

«It was impossible for that use case for that product to actually work in the African context», — вспоминает Бабс.

Вместо того чтобы отказаться от проекта, команда восприняла неудачу как сигнал. Если система так сильно ломалась в лекционных аудиториях, значит, основная проблема — научить машины надёжно слышать, понимать и произносить African languages — выходила далеко за рамки образования. Это была инфраструктурная задача.

Поворот произошёл достаточно быстро: Spitch подписал первого платящего клиента за week до официального запуска продукта в October 2024, и Бабс, похоже, до сих пор доволен этим фактом. «That gave us validation for the products we're building.»

Текущий масштаб

Спустя two years Бабс оценивает охват Spitch примерно в 1,800 разработчиков, four корпоративных клиента и fifteen компаний среднего размера, которые используют платформу для клиентских коммуникаций.

Среди названных корпоративных клиентов — Safaricom Ethiopia и нигерийское издание Leadership, а также, как описал Бабс, несколько более небольших B2B-партнёрств. Сценарии использования, как он честно признал, не отличаются особой экзотикой: входящая и исходящая поддержка клиентов и доставка контента пользователям на их собственных языках.

«Nothing is really surprising from what we have seen», — сказал он, — «as long as you tie it to the core fundamental needs of the business.»

Проблема данных

Если спросить Бабса, что здесь действительно сложно, он укажет не на архитектуру модели, а на данные.

«Compute is to a large extent limited by how much money you have», — объяснил он. «But data is a different story. There are policies and regulatory frameworks around how you handle and manage data.» По его словам, именно этот регуляторный слой делает получение данных сложнее, чем проблему вычислений, на «one or two levels». Сложность усугубляется дефицитом высококачественных размеченных наборов речевых данных для African languages — пробелом, который академические и open-source инициативы лишь начали закрывать в последние years.

Подход Spitch к решению этой проблемы развивался в three stages. Сначала основатели записывали собственные голоса для обучения ранних моделей. Затем компания лицензировала размеченные датасеты у партнёров, покрывающие отдельные языки, такие как Hausa, Igbo, Yoruba и Amharic. Текущая модель предполагает прямое партнёрство с корпоративными клиентами: Spitch использует их существующие голосовые данные, чтобы дообучать модели, которые затем разворачиваются в собственных средах клиентов.

Технически платформа может поддерживать более чем 400 languages, унаследованных от более широкой инфраструктуры, на которой она построена, но активно обучает и поддерживает сильную поддержку примерно для fifteen to twenty языков в West and East Africa.

Этика и происхождение

С учётом приближающихся выборов в Nigeria 2027 года и недавнего инцидента, когда пресс-секретарь президента распространил видео, оказавшееся AI-generated, этика voice cloning для Spitch — не абстрактный вопрос.

Бабс сказал, что каждый аудиофайл, который создаёт платформа, криптографически подписывается, чтобы можно было проверить provenance любого спорного файла. Кроме того, он делает ставку на просвещение пользователей: «Work with the assumption that anything you see online could be fake; don't believe it immediately unless it's coming from that person directly.»

В вопросе регулирования Бабс занимает сдержанную, а не конфронтационную позицию. По его мнению, Nigeria’s National AI Strategy и формирующиеся frameworks защиты данных пока «quite inclusive» по отношению к местным разработчикам.

Его тревога связана со сроками: правительства «over-engineer things too early», навешивая на компании требования по соблюдению норм до того, как технология или возможный вред будут достаточно понятны.

Бабса явно раздражает ярлык «the ElevenLabs of Africa». Он считает, что описание voice AI-компании через географию недооценивает её суть: «Africa is communicating with the rest of the world. Africa is not in isolation.» В его интерпретации Spitch — не региональная копия, догоняющая глобального оригинала; это инфраструктура для языков, которые остальной мир игнорировал, и точка.

Пока неясно, выдержит ли такая позиция столкновение с хорошо капитализированным конкурентом, который выйдет на рынок. Но Бабс не сомневается в том, где видит Spitch через five years: компания должна участвовать как минимум в трети всей голосовой коммуникации across Africa.

«Voice is not just a way to communicate», — сказал он. «It is our identity, our culture. It is how we live.»