Jak rozmawiać z Amazonem? Oto historia IVONA Software

"Amazon przejmuje polską firmę” - 24 stycznia 2013 roku nie tylko mediom branżowym trudno było skoncentrować się na czymś innym. Tym bardziej, że IVONA Software, która znalazła się na widelcu giganta, nad Wisłą powszechnie kojarzona była przede wszystkim z syntezatorem używanym m.in. do odczytywania newsów na Onecie i usprawniania pracy w call center.

Potencjał biznesowy IVONY był jednak dużo większy i jasny dla każdego, kto choć trochę interesuje się branżą nowych technologii. Syntezator mowy na długo przed tym zanim docenił go Amazon, został bowiem uznany za jeden z najlepszych na świecie. W 2006 roku po raz pierwszy zdobył najwyższe noty na międzynarodowym konkursie Blizzard Challenge, bijąc na głowę zespoły z IBM, Microsoftu, Nokii i Toshiby. To samo zrobił rok później i jeszcze raz, w 2009, co biorąc pod uwagę garażową i nie tak znowu odległą przeszłość firmy, było niewątpliwie imponującym osiągnięciem.

Łukasz Osowski i Michał Kaszczuk, późniejsi szefowie spółki, startowali bowiem bardzo skromnie. Poznali się jeszcze na Politechnice Gdańskiej, gdzie obaj studiowali informatykę. Osowski był na piątym roku, a Kaszczuk na trzecim, kiedy powstał pomysł opracowania technologii syntezatora mowy, który przeczyta słowa w sposób jak najbardziej zbliżony do naturalnego. - Na rynku już wtedy były dostępne syntezatory mowy, ale ich jakość pozostawiała sporo do życzenia - mówi Łukasz Osowski. - Mieliśmy ambicję, by stworzyć coś lepszego, a co najważniejsze – pomysł, jak się do tego zabrać.

 

W 2001 roku Osowski założył działalność gospodarczą, by już po kilku miesiącach wypuścić na rynek pierwszy produkt – Spiker 1.0. Spółka o nazwie IVO Software powstała dopiero po kilku latach i wtedy wspólnicy podzielili udziały po połowie. - Na starcie działaliśmy w akademiku, w firmę zainwestowaliśmy własne oszczędności, a potem wszystkie wpływy ze sprzedaży – wspomina Łukasz Osowski. – Jeździliśmy po całej Polsce, żeby zaprezentować produkt zarówno potencjalnym dystrybutorom, jak i potencjalnym klientom.

Pierwszymi odbiorcami technologii zaproponowanej przez gdańskich studentów były osoby niewidome i niedowidzące, które szybko doceniły dopracowany, a przede wszystkim funkcjonalny produkt. Osowski i Kaszczuk nie koncentrowali się bowiem jedynie na wyzwaniach inżynieryjnych. - Zaczęliśmy od rozpoznania rynku. Przez dłuższy czas pracowaliśmy z osobami niewidzącymi i niedowidzącymi, by lepiej zrozumieć ich potrzeby i zbudować produkt, który by na nie odpowiadał – mówi Osowski. Efektem tych poszukiwań był Spiker. Choć dzisiaj przyćmiony jest przez IVONĘ, program ten doczekał się aż pięciu wersji, a dzięki jego mobilnej odsłonie, Speaker Mobile, w 2004 roku IVO Software otrzymała medal „Gdynia bez Barier”. Syntezator został bowiem wykorzystany w telefonach komórkowych przeznaczonych dla osób niewidomych. Co jednak najistotniejsze - zyski ze sprzedaży Spikera pozwoliły firmie nie tylko przetrwać, ale rozwinąć skrzydła.

Prace nad flagowym produktem – syntezatorem mowy IVONA – rozpoczęły się w 2003 roku. Przedsiębiorcy uznali jednak, że prowadzenie firmy po partyzancku nie jest już możliwe. Z profesjonalnym biznesplanem zgłosili projekt do konkursu „Gdyński Biznesplan”, a rok później firma miała już siedzibę na terenie Pomorskiego Parku Naukowo-Technologicznego, gdzie stawki za wynajem biur były niższe niż rynkowe. Było to jedyne zewnętrzne wsparcie, na jakie mogła wtedy liczyć. - Największym wyzwaniem na początku, był „rozwój organiczny”, czyli tworzenie i rozwijanie tak zaawansowanej technologii z bieżących wpływów firmy, bez zewnętrznych funduszy – przyznaje Łukasz Osowski.

O kredycie początkująca firma nie mogła nawet marzyć, banki nie były bowiem skłonne ryzykować finansując start-upy, a pierwsza transza unijnego finansowania również okazała się dla startującego przedsięwzięcia niedostępna. IVO Software musiała radzić sobie sama, a dopiero gdy zaczęła przynosić zyski, pojawiła się szansa na zdobycie dodatkowych funduszy. W 2008 roku w ramach Programu Operacyjnego Innowacyjna Gospodarka zdobyła ponad 3 mln zł. Było to dwa lata po premierze ich flagowego produktu.

 

 

IVONA przyszła bowiem na świat w 2005 roku i od razu przemówiła ludzkim głosem, zupełnie niepodobnym do płaskich, mechanicznych dźwięków, jakie wydawały z siebie dotychczasowe syntezatory. Program zyskał ogromną popularność na całym świecie, oprócz zwycięstwa w Blizzard Challenge, zdobywając nagrodę Traveler Odkrycie Roku 2006 w konkursie National Geographic. Twórcy nie zamierzali jednak spocząć na laurach. W 2007 pojawiła się Jennifer – pierwszy anglojęzyczny głos w dyskusji, rok później rumuńska Carmen. A potem jeszcze Lotte, Karl, Naja, Gwyneth... W 2010 roku charytatywna organizacja Royal National Institute of Blind People - jeden z większych wydawców e-booków i audiobooków na Wyspach Brytyjskich – zamówił walijską wersję językową. Geraint miał umożliwić Walijczykom z problemami wzroku korzystanie z elektronicznych książek, stron internetowych oraz rozkładów jazdy komunikacji publicznej.

Gdyńska spółka nie przestała jednak pracować nad kolejnymi wersjami w swoim portfolio, a IVONA stała się prawdziwą poliglotką - mówi 44 głosami w 17 językach i nadal chce się uczyć.

W 2011 roku firma zmieniła nazwę na IVONA Software, by bardziej kojarzyć się ze swoim głównym produktem. Działała już wtedy na rynkach amerykańskim, brytyjskim, niemieckim, hiszpańskim i innych - 70 procent jej przychodów pochodziło ze sprzedaży na rynkach międzynarodowych. IVONA Software, zanim jeszcze docenił ją Amazon, była więc znaczącym graczem na globalnym rynku syntezatorów mowy. Konkurowała z firmami, które dysponowały nie tylko większym budżetem, ale przede wszystkim doświadczeniem i zapleczem badawczym.

- Na globalnym rynku syntezatorów mowy dużym graczem jest Grupa Nuance obecna zarówno w segmencie TTS, czyli text to speech, jak również SR, czyli speech recognition, która od kilku lat konsoliduje rynek kupując zagranicznych konkurentów takich jak nowojorski Commissure, szwajcarski SVo, czy też włoski Loquendo. W segmencie TTS to właśnie Loquendo wygląda na wiodącą technologię z około siedemdziesięcioma językami. Innym istotnym podmiotem jest szkocki CareProc, który posiada około 25 języków w swojej ofercie TTS. Kolejni gracze na tym rynku to amerykańskie Cepstral i LumenVox oraz hiszpański Verbio – wyjaśnia Sylwester Janik, członek zarządu MCI Management SA, zarządzający MCI. TechVentures FIZ, funduszem inwestującym w spółki z branży nowych technologii.

Na drugiej stronie przeczytaj, jakie możliwości i zagrożenia wiążą się z przejęciem firmy