Voicy

Voicy to rozwiązanie składające się z aplikacji mobilnej, książeczki i interaktywnej maskotki, które pozwala dzieciom słuchać bajek czytanych głosem własnego rodzica. Rodzic nagrywa krótką próbkę swojego głosu w aplikacji, a technologia AI wykorzystuje ją do wygenerowania spersonalizowanej narracji. Gotowe bajki można następnie odtwarzać w aplikacji oraz za pośrednictwem maskotki. Dzięki temu głos rodzica może towarzyszyć dziecku również wtedy, gdy nie może być on fizycznie obecny, na przykład podczas dłuższej podróży, pracy czy innych sytuacji, w których wspólne czytanie nie jest możliwe.

• UX/UI Design
• Mobile Development
• Backend Development
• AI

Zespół Voicy potrzebował kompletnego MVP aplikacji mobilnej, które pozwalałoby szybko przygotować bajkę z wykorzystaniem głosu rodzica. Nagranie próbki głosu musiało być łatwe i szybkie, a wygenerowany głos brzmieć naturalnie, zachowując charakter i barwę konkretnej osoby. Po przygotowaniu audiobook miał być od razu dostępny, bez konieczności ponownego generowania ścieżki dźwiękowej przy każdym odtworzeniu.

Stworzyliśmy funkcjonalną aplikację dla startupu Voicy. Rodzic nagrywa w aplikacji próbkę swojego głosu, która zostaje przekazana do zewnętrznego narzędzia AI, ElevenLabs. Na tej podstawie powstaje cyfrowa kopia głosu, którą wykorzystujemy następnie do generowania audiobooków. Gotowe nagrania zapisujemy lokalnie na telefonie, więc użytkownik może wracać do ulubionych bajek bez ponownego generowania głosu.

W integracji z ElevenLabs wykorzystaliśmy własne ustawienia parametrów generowania cyfrowej kopii głosu. Zależało nam na tym, aby stworzona narracja była możliwie zbliżona do oryginalnej próbki i nie przypominała standardowego głosu lektora.

Zdecydowaliśmy się na własny backend w Nest.js zamiast korzystać wyłącznie z funkcji serverless. Zależało nam na dwóch rzeczach: pełnej kontroli nad tym, jak powstają ścieżki dźwiękowe bajki, i na tym, aby aplikacja odpowiadała od razu. Rozwiązania korzystające z Firebase po dłuższej bezczynności przechodzą w tryb uśpienia, więc rodzic powracający do aplikacji po przerwie, czekałby na bajkę zauważalnie więcej czasu, czego chcieliśmy uniknąć.

W aplikacji dostępne są dwa profile głosowe – mamy i taty. Po stworzeniu kopii cyfrowej swojego głosu, rodzic dodaje nową bajkę użytkownik skanując kod QR umieszczony na naklejce lub opakowaniu książeczki. Kod QR jest bezpośrednio przypisany do konkretnego produktu fizycznego i prowadzi do właściwej bajki.

Aplikacja działa również bez wcześniejszego przygotowania głosu rodzica. Jeśli użytkownik nie nagrał jeszcze próbki, bajka odtwarzana jest głosem domyślnym. Rodzic może więc od razu sprawdzić, jak działa produkt, a konfigurację własnego głosu wykonać później.

Przygotowaliśmy również obsługę połączenia aplikacji z maskotką przez Bluetooth Low Energy. Zaprojektowaliśmy ekran parowania i sprawdziliśmy komunikację na prototypie urządzenia, docelowo wbudowanego w maskotkę. Pozwoliło nam to zweryfikować cały proces – od nagrania głosu rodzica, przez przygotowanie audiobooka, aż po odtworzenie go na maskotce.

Stworzyliśmy solidne MVP aplikacji mobilnej, gotowe do rozbudowy na kolejnych etapach.