شرکت «وانشیانگ یوشنگ» که توسط مدیران ارشد و تیم اصلی پلتفرم معروف «لای رن تین شو» تأسیس شده است، نسخه بین‌المللی خود را با نام Audimind و دامنه audimind.ai معرفی کرد. این ابزار به عنوان یک مجموعه کامل برای تولید کتاب صوتی طراحی شده است که به گویندگان و تیم‌های تولید اجازه می‌دهد پردازش متن، ضبط صدای انسانی یا دوبله هوش مصنوعی، همگام‌سازی، ویرایش نهایی، بازبینی و تقسیم وظایف را در یک پروژه واحد انجام دهند. نسخه رایگان این ابزار ماهیانه ۱۰,۰۰۰ امتیاز هدیه می‌دهد و پلن‌های شخصی از ۱۹ دلار در ماه و پلن‌های تیمی از ۵۹ دلار در ماه شروع می‌شوند. این محصول همچنین روی پلتفرم Product Hunt منتشر شده است.
از پلتفرم صوتی تا ابزار تولید
اعضای کلیدی وانشیانگ یوشنگ شامل بنیان‌گذار و مدیرعامل سابق، معاونان محصول و فناوری و مدیر تولید محتوای لای رن تین شو هستند که روند رشد این شرکت را از ابتدا تا زمان خرید توسط تنسنت موزیک همراهی کرده بودند. این تیم که پیش‌تر یک پلتفرم محتوایی برای مخاطبان اداره می‌کرد، اکنون به سراغ توسعه نرم‌افزار تولیدی برای خالقان آثار رفته است.
در بازار داخلی، فرآیند تولید صوتی با چالش‌هایی مانند سازماندهی پیچیده فیلم‌نامه (شامل برچسب‌های شخصیت و احساسات)، زمان‌بر بودن همگام‌سازی فایل‌های صوتی طولانی، آشفتگی در همکاری‌های گروهی و پیچیدگی‌های تسویه حساب مواجه است. پس از بیش از یک سال تحقیق و توسعه و ماه‌ها آزمایش داخلی، نسخه داخلی این محصول در اواخر ماه مارس عرضه شد.
نسخه بین‌المللی Audimind کل این فرآیند را به محیط زبان انگلیسی منتقل کرده است و اسکریپت‌ها، ضبط صدا، ویرایش و وظایف تیمی همگی در یک پروژه واحد مدیریت می‌شوند. آثار را می‌توان به طور کامل به هوش مصنوعی سپرد یا کاملاً با صدای انسان ضبط کرد؛ پروژه‌های انسانی نیز می‌توانند از فیلم‌نامه هوشمند، همگام‌سازی هوشمند و بازبینی هوشمند بهره‌مند شوند.
قابلیت‌های پیشرفته هوش مصنوعی
پیش از ضبط صدا، هوش مصنوعی راوی و دیالوگ‌های شخصیت‌ها را شناسایی کرده و فیلم‌نامه‌ای قابل ویرایش آماده می‌کند. همچنین برای هر شخصیت، شناسنامه‌ای شامل سن، جنسیت، شخصیت و ویژگی‌های صوتی ایجاد می‌کند و سپس صداهای متناسب با هوش مصنوعی را پیشنهاد می‌دهد که خالقان آثار می‌توانند آن‌ها را پیش‌شنوایی و تنظیم کنند.
اگر گوینده‌ای ساعت‌ها صدا را در نرم‌افزارهای خارجی ضبط کرده باشد، مراحل بعدی مانند یافتن خطوط دیالوگ، پردازش ضبط مجدد و بررسی بخش‌های جا افتاده زمان‌بر خواهد بود. سیستم همگام‌سازی هوشمند در Audimind به تطبیق سریع فایل ضبط‌شده با متن اصلی کمک می‌کند و بازبینی هوشمند، تفاوت‌های احتمالی میان صدا و متن را علامت‌گذاری می‌کند. در تولیدهای گروهی، درخواست‌های ویرایش مستقیماً به پاراگراف‌های خاص متصل شده و به اعضای مربوطه ارجاع داده می‌شوند.
چشم‌انداز بازار کتاب صوتی و رقابت
بر اساس گزارش انجمن ناشران صوتی آمریکا (APA) در سال ۲۰۲۶، درآمد حاصل از فروش کتاب‌های صوتی در این کشور در سال ۲۰۲۵ به ۲.۴۳ میلیارد دلار رسید که نشان‌دهنده رشدی ۹ درصدی است و بیش از ۷۵۰,۰۰۰ عنوان کتاب در بازار وجود دارد.
با افزایش تقاضا، روش‌های عرضه نیز در حال تغییر است. شرکت Pocket FM که در سال ۲۰۱۸ در هند تأسیس شد، بر مدل پرداخت به ازای هر اپیزود تمرکز دارد. گزارش TechCrunch نشان می‌دهد که درآمد سالانه این شرکت طی یک سال از حدود ۲۵۰ میلیون دلار به ۵00 میلیون دلار دو برابر شده و ایالات متحده بزرگ‌ترین بازار آن است که حدود ۷۰ درصد درآمد سالانه را به خود اختصاص می‌دهد. این پلتفرم از هوش مصنوعی برای کاهش هزینه‌ها استفاده می‌کند، در حالی که Audimind مسیر متفاوتی را در پیش گرفته و ابزار را در اختیار خالقان قرار می‌دهد تا خودشان نحوه ساخت اثر را تعیین کنند.
در بخش تولید، شرکت‌های صوتی هوش مصنوعی و نرم‌افزارهای صوتی حرفه‌ای محصولات مشابهی ارائه کرده‌اند. به عنوان مثال، قابلیت Audiobooks در ElevenLabs با قابلیت‌های Audimind همپوشانی دارد، اما مزیت Audimind در تجمیع ضبط صدای انسانی، دوبله هوش مصنوعی و تولید گروهی در یک نرم‌افزار واحد است.