API-യിൽ അടുത്ത തലമുറ ഓഡിയോ മോഡലുകൾ അവതരിപ്പിക്കുന്നു
വോയ്സ് ഏജൻ്റുകൾക്ക് ശക്തി നൽകുന്ന പുതിയ ഓഡിയോ മോഡലുകൾ, ഇപ്പോൾ ലോകമെമ്പാടുമുള്ള ഡെവലപ്പർമാർക്ക് ലഭ്യമാണ്.
2025 ഓഗസ്റ്റ് 28-ലെ അപ്ഡേറ്റ്: ഞങ്ങൾ Realtime API-യുടെ പൊതുവായ ലഭ്യത പ്രഖ്യാപിച്ചു. കൂടുതൽ അറിയാൻ ഇവിടെ ക്ലിക്ക് ചെയ്യുക.
കഴിഞ്ഞ കുറച്ചു മാസങ്ങളായി ടെക്സ്റ്റ് അധിഷ്ഠിത ഏജന്റുകളുടെ—അല്ലെങ്കിൽ ഉപയോക്താക്കൾക്ക് വേണ്ടി സ്വയം കാര്യങ്ങൾ ചെയ്യുന്ന സംവിധാനങ്ങൾ— ബുദ്ധിശക്തിയും കാര്യക്ഷമതയും ഉപയോഗക്ഷമതയും വർദ്ധിപ്പിക്കുന്നതിനായി ഞങ്ങൾ പ്രവർത്തിച്ചുവരികയാണ്, ഇതിന്റെ ഭാഗമായാണ് ഓപ്പറേറ്റർ, ഡീപ് റിസർച്ച്, കമ്പ്യൂട്ടർ-യൂസിംഗ് ഏജന്റ്, ബിൽറ്റ്-ഇൻ ടൂളുകളോട് കൂടിയ Responses API എന്നിവ ഞങ്ങൾ പുറത്തിറക്കിയത്. എന്നിരുന്നാലും, ഏജന്റുകൾ യഥാർത്ഥത്തിൽ ഉപകാരപ്രദമാകാൻ, ആളുകൾക്ക് വെറും ടെക്സ്റ്റിന് അപ്പുറം സ്വാഭാവികമായ സംസാരഭാഷയിലൂടെ ഫലപ്രദമായി ആശയവിനിമയം നടത്താൻ കഴിയണം, ഇത് ഏജന്റുകളുമായുള്ള ബന്ധം കൂടുതൽ ആഴത്തിലുള്ളതും ലളിതവുമാക്കും.
യഥാർത്ഥ മൂല്യം നൽകുന്ന കൂടുതൽ ശക്തവും, ഇഷ്ടാനുസൃതമാക്കാൻ കഴിയുന്നതും, ബുദ്ധിപരവുമായ വോയ്സ് ഏജന്റുകൾ നിർമ്മിക്കുന്നത് സാധ്യമാക്കിക്കൊണ്ട്, പുതിയ സ്പീച്ച്-ടു-ടെക്സ്റ്റ്, ടെക്സ്റ്റ്-ടു-സ്പീച്ച് ഓഡിയോ മോഡലുകൾ ഞങ്ങൾ ഇന്ന് API-യിൽ പുറത്തിറക്കുന്നു. ഞങ്ങളുടെ ഏറ്റവും പുതിയ സ്പീച്ച്-ടു-ടെക്സ്റ്റ് മോഡലുകൾ കൃത്യതയിലും വിശ്വസനീയതയിലും നിലവിലുള്ള മറ്റെല്ലാ സേവനങ്ങളെയും മറികടന്ന്, പുതിയൊരു മാതൃക സൃഷ്ടിച്ചിരിക്കുന്നു, പ്രത്യേകിച്ച് ഉച്ചാരണ ശൈലികൾ, ശബ്ദമുള്ള പരിസരങ്ങൾ, സംസാരത്തിന്റെ വേഗതയിലെ വ്യത്യാസങ്ങൾ തുടങ്ങിയ വെല്ലുവിളി നിറഞ്ഞ സാഹചര്യങ്ങളിലും ഇവ മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്നു. ഈ മെച്ചപ്പെടുത്തലുകൾ ട്രാൻസ്ക്രിപ്ഷന്റെ വിശ്വസനീയത വർധിപ്പിക്കുന്നു, അതിനാൽ കസ്റ്റമർ കോൾ സെന്ററുകൾ, മീറ്റിംഗ് കുറിപ്പുകൾ തയ്യാറാക്കൽ തുടങ്ങിയ ആവശ്യങ്ങൾക്ക് ഈ മോഡലുകൾ പ്രത്യേകിച്ച് അനുയോജ്യമാണ്.
ആദ്യമായി, ഡെവലപ്പർമാർക്ക് ടെക്സ്റ്റ്-ടു-സ്പീച്ച് മോഡലിനോട് ഒരു പ്രത്യേക രീതിയിൽ സംസാരിക്കാൻ നിർദ്ദേശിക്കാനും കഴിയും—ഉദാഹരണത്തിന്, “സഹാനുഭൂതിയുള്ള കസ്റ്റമർ സർവീസ് ഏജന്റിനെപ്പോലെ സംസാരിക്കുക”—എന്നിങ്ങനെ പറയാം, ഇത് വോയ്സ് ഏജന്റുകളുടെ ഇഷ്ടാനുസൃതമാക്കലിൽ പുതിയൊരു ഘട്ടം തുറന്നു നൽകുന്നു. ഇത് കൂടുതൽ സഹാനുഭൂതിയുള്ളതും ഊർജ്ജസ്വലവുമായ ഉപഭോക്തൃ സേവന ശബ്ദങ്ങൾ മുതൽ, സർഗ്ഗാത്മകമായ കഥപറച്ചിലുകൾക്ക് അനുയോജ്യമായ ഭാവപൂർണ്ണമായ ശൈലികൾ വരെ, ഇത് വൈവിധ്യമാർന്ന ആവശ്യങ്ങൾക്കനുസൃതമായ ഉപയോഗങ്ങൾ സാധ്യമാക്കുന്നു.
ഞങ്ങൾ 2022 ൽ ഞങ്ങളുടെ ആദ്യ ഓഡിയോ മോഡൽ പുറത്തിറക്കി, അതിനുശേഷം ഈ മോഡലുകളുടെ ബുദ്ധി, കൃത്യത, വിശ്വസനീയത എന്നിവ മെച്ചപ്പെടുത്താൻ ഞങ്ങൾ പ്രതിജ്ഞാബദ്ധരാണ്. ഈ പുതിയ ഓഡിയോ മോഡലുകൾ ഉപയോഗിച്ച്, ഡെവലപ്പർമാർക്ക് കൂടുതൽ കൃത്യവും ശക്തവുമായ സ്പീച്ച്-ടു-ടെക്സ്റ്റ് സിസ്റ്റങ്ങളും ആവിഷ്കാരപരവും വ്യക്തിത്വമുള്ളതുമായ ടെക്സ്റ്റ്-ടു-സ്പീച്ച് ശബ്ദങ്ങളും—API-ലൂടെ തന്നെ—നിർമ്മിക്കാൻ കഴിയും.
യഥാർത്ഥ Whisper മോഡലുകളെ അപേക്ഷിച്ച്, വാക്ക് പിശക് നിരക്കിൽ മെച്ചപ്പെടുത്തലുകളും, മികച്ച ഭാഷാ തിരിച്ചറിവും കൃത്യതയും ഉള്ള പുതിയ gpt-4o-transcribe യും gpt-4o-mini-transcribe യും മോഡലുകൾ ഞങ്ങൾ അവതരിപ്പിക്കുന്നു.
gpt-4o-transcribe നിലവിലുള്ള Whisper മോഡലുകളെ അപേക്ഷിച്ച് നിരവധി സ്ഥാപിത ബെഞ്ച്മാർക്കുകളിൽ മെച്ചപ്പെട്ട വാക്ക് പിശക് നിരക്ക് (WER) പ്രകടനം കാഴ്ചവെക്കുന്നു, ഇത് ഞങ്ങളുടെ സ്പീച്ച്-ടു-ടെക്സ്റ്റ് സാങ്കേതികവിദ്യയിൽ ഗണ്യമായ പുരോഗതി പ്രതിഫലിപ്പിക്കുന്നു. ഈ പുരോഗതികൾ റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗിലെ ലക്ഷ്യബദ്ധമായ നവീകരണങ്ങളിൽ നിന്നും വൈവിധ്യമാർന്ന, ഉയർന്ന നിലവാരമുള്ള ഓഡിയോ ഡാറ്റാസെറ്റുകളുമായി നടത്തിയ വിപുലമായ മിഡ്ട്രെയിനിംഗിൽ നിന്നും നേരിട്ട് ഉത്ഭവിക്കുന്നതാണ്.
തൽഫലമായി, ഈ പുതിയ സ്പീച്ച്-ടു-ടെക്സ്റ്റ് മോഡലുകൾക്ക് സംസാരത്തിലെ സൂക്ഷ്മമായ വ്യത്യാസങ്ങൾ തിരിച്ചറിയാനും, പിഴവുകൾ കുറയ്ക്കാനും, ട്രാൻസ്ക്രിപ്ഷൻ കൂടുതൽ വിശ്വസനീയമാക്കാനും കഴിയുന്നു, പ്രാദേശികമായ ഉച്ചാരണ ശൈലികൾ, ശബ്ദമുള്ള ചുറ്റുപാടുകൾ, സംസാരത്തിന്റെ വേഗതയിലെ വ്യത്യാസങ്ങൾ എന്നിവ ഉൾപ്പെടുന്ന വെല്ലുവിളി നിറഞ്ഞ സാഹചര്യങ്ങളിലും ഇവ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു. ഈ മോഡലുകൾ ഇപ്പോൾ സ്പീച്ച്-ടു-ടെക്സ്റ്റ് API(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)-ൽ ലഭ്യമാണ്.
വാക്ക് പിശക് നിരക്ക് (WER) സ്പീച്ച്-റെക്കഗ്നിഷൻ മോഡലുകളുടെ കൃത്യത അളക്കുന്നതിന് ഒരു റഫറൻസ് ട്രാൻസ്ക്രിപ്റ്റുമായി താരതമ്യം ചെയ്ത് തെറ്റായി ട്രാൻസ്ക്രൈബ് ചെയ്ത വാക്കുകളുടെ ശതമാനം കണക്കാക്കുന്നു—WER കുറവായാൽ അത് നല്ലതാണ്, അതായത് പിശകുകൾ കുറവാണെന്ന് അർത്ഥമാക്കുന്നു. ഞങ്ങളുടെ ഏറ്റവും പുതിയ സ്പീച്ച്-ടു-ടെക്സ്റ്റ് മോഡലുകൾ FLEURS (ഫ്യൂ-ഷോട്ട് Learning Evaluation of Universal Representations of Speech)—മാനുവലായി ട്രാൻസ്ക്രൈബ് ചെയ്ത ഓഡിയോ സാമ്പിളുകൾ ഉപയോഗിച്ച് 100-ലധികം ഭാഷകളെ ഉൾക്കൊള്ളുന്ന ഒരു ബഹുഭാഷാ സ്പീച്ച് ബെഞ്ച്മാർക്ക്—ഉൾപ്പെടെ, ബെഞ്ച്മാർക്കുകളിലുടനീളം കുറഞ്ഞ WER കൈവരിക്കുന്നു. ഈ ഫലങ്ങൾ കൂടുതൽ കൃത്യമായ ട്രാൻസ്ക്രിപ്ഷനും കൂടുതൽ വ്യാപകമായ ഭാഷാ കവറേജും തെളിയിക്കുന്നു. ഇവിടെ കാണുന്നതുപോലെ, എല്ലാ ഭാഷാ വിലയിരുത്തലുകളിലും ഞങ്ങളുടെ മോഡലുകൾ Whisper v2-നെയും Whisper v3-നെയും സ്ഥിരമായി മറികടക്കുന്നു.
FLEURS-ൽ, ഞങ്ങളുടെ മോഡലുകൾ കുറഞ്ഞ WER-ഉം ശക്തമായ ബഹുഭാഷാ പ്രകടനവും നൽകുന്നു. കുറഞ്ഞ WER മികച്ചതാണ്, അതിനർത്ഥം കുറവ് പിശകുകൾ എന്നാണ്. ഇവിടെ കാണുന്നതുപോലെ, മിക്ക പ്രധാന ഭാഷകളിലും ഞങ്ങളുടെ മോഡലുകൾ മറ്റ് മുൻനിര മോഡലുകൾക്ക് ഒപ്പമെത്തുകയോ അല്ലെങ്കിൽ അവയെക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവെക്കുകയോ ചെയ്യുന്നു.
കൂടുതൽ നിയന്ത്രണങ്ങളോടുകൂടിയ പുതിയ gpt-4o-mini-tts മോഡൽ ഞങ്ങൾ അവതരിപ്പിക്കുന്നു. ആദ്യമായി, ഡെവലപ്പർമാർക്ക് മോഡലിനെ എന്ത് പറയണം എന്നതിൽ മാത്രമല്ല, അത് എങ്ങനെ പറയണം എന്നതിലും “നിർദ്ദേശിക്കാൻ” കഴിയും—കസ്റ്റമർ സർവീസ് മുതൽ സൃഷ്ടിപരമായ കഥപറച്ചിൽ വരെ വ്യാപിക്കുന്ന ഉപയോഗ കേസുകൾക്കായി കൂടുതൽ ഇഷ്ടാനുസൃത അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും. മോഡൽ ടെക്സ്റ്റ്-ടു-സ്പീച്ച് API(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)-ൽ ലഭ്യമാണ്. ഈ ടെക്സ്റ്റ്-ടു-സ്പീച്ച് മോഡലുകൾ മുൻകൂട്ടി നിശ്ചയിച്ച കൃത്രിമ ശബ്ദങ്ങളിലേക്കാണ് പരിമിതപ്പെടുത്തിയിരിക്കുന്നത്, അവ സിന്തറ്റിക് പ്രീസെറ്റുകളുമായി സ്ഥിരമായി പൊരുത്തപ്പെടുന്നുവെന്ന് ഉറപ്പാക്കാൻ ഞങ്ങൾ അവ നിരീക്ഷിക്കുന്നു.
ഞങ്ങളുടെ പുതിയ ഓഡിയോ മോഡലുകൾ GPT‑4o, GPT‑4o‑mini ആർക്കിടെക്ചറുകളെ അടിസ്ഥാനമാക്കി നിർമ്മിച്ചതാണ്, മോഡലുകളുടെ പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിനായി പ്രത്യേക ഓഡിയോ കേന്ദ്രീകൃത ഡാറ്റാസെറ്റുകളിൽ ഇവയ്ക്ക് വിപുലമായ പരിശീലനം നൽകിയിട്ടുണ്ട്. ഈ ലക്ഷ്യാധിഷ്ഠിത സമീപനം സംസാരത്തിലെ സൂക്ഷ്മമായ വ്യത്യാസങ്ങളെക്കുറിച്ച് കൂടുതൽ ആഴത്തിലുള്ള ഉൾക്കാഴ്ച നൽകുകയും ഓഡിയോ സംബന്ധമായ എല്ലാ കാര്യങ്ങളിലും മികച്ച പ്രകടനം കാഴ്ചവെക്കാൻ സഹായിക്കുകയും ചെയ്യുന്നു.
ഞങ്ങൾ ഞങ്ങളുടെ ഡിസ്റ്റില്ലേഷൻ സാങ്കേതികതകൾ മെച്ചപ്പെടുത്തി, ഞങ്ങളുടെ ഏറ്റവും വലിയ ഓഡിയോ മോഡലുകളിൽ നിന്ന് ചെറുതും കൂടുതൽ കാര്യക്ഷമവുമായ മോഡലുകളിലേക്ക് അറിവ് കൈമാറ്റം സാധ്യമാക്കുന്നു. അത്യാധുനികമായ സ്വയം-പ്ലേ രീതികൾ പ്രയോജനപ്പെടുത്തിക്കൊണ്ട്, യഥാർത്ഥ ഉപയോക്താവ്-അസിസ്റ്റന്റ് ആശയവിനിമയത്തിന് സമാനമായ രീതിയിലുള്ള ഡാറ്റാസെറ്റുകൾ ഞങ്ങൾ തയ്യാറാക്കുന്നു, ഇത് സ്വാഭാവികമായ സംഭാഷണ രീതികളെ ഫലപ്രദമായി ഉൾക്കൊള്ളുന്നു. ഇത് ഞങ്ങളുടെ ചെറിയ മോഡലുകൾക്ക് ഉത്തമമായ സംഭാഷണ നിലവാരവും പ്രതികരണക്ഷമതയും നൽകാൻ സഹായിക്കുന്നു.
ഞങ്ങളുടെ സ്പീച്ച്-ടു-ടെക്സ്റ്റ് മോഡലുകൾക്കായി, ഞങ്ങൾ റീഇൻഫോഴ്സ്മെന്റ് ലേണിംഗ് (RL) പ്രാധാന്യമുള്ള ഒരു പാരഡൈം സംയോജിപ്പിച്ചിരിക്കുന്നു, ഇത് ട്രാൻസ്ക്രിപ്ഷൻ കൃത്യതയെ അത്യാധുനിക നിലവാരങ്ങളിലേക്ക് ഉയർത്തുന്നു. ഈ പ്രവർത്തനരീതി കൃത്യത ഗണ്യമായി മെച്ചപ്പെടുത്തുകയും ഹാലൂസിനേഷൻ കുറയ്ക്കുകയും ചെയ്യുന്നു, അതുവഴി സങ്കീർണ്ണമായ സംഭാഷണങ്ങൾ തിരിച്ചറിയൽ സാഹചര്യങ്ങളിൽ ഞങ്ങളുടെ സ്പീച്ച്-ടു-ടെക്സ്റ്റ് സേവനങ്ങളെ അത്യന്തം മത്സരക്ഷമമാക്കുന്നു.
ഈ വികസനങ്ങൾ ഓഡിയോ മോഡലിംഗ് മേഖലയിലെ പുരോഗതിയെ പ്രതിനിധീകരിക്കുന്നു, സംസാര ആപ്ലിക്കേഷനുകളിൽ മെച്ചപ്പെട്ട പ്രകടനത്തിനായി നവീന രീതിശാസ്ത്രങ്ങളെ പ്രായോഗിക മെച്ചപ്പെടുത്തലുകളുമായി സംയോജിപ്പിക്കുന്നു.
ഈ പുതിയ ഓഡിയോ മോഡലുകൾ ഇപ്പോൾ എല്ലാ ഡെവലപ്പർമാർക്കും ലഭ്യമാണ് – ഓഡിയോ ഉപയോഗിച്ച് നിർമ്മിക്കുന്നതിനെക്കുറിച്ച് കൂടുതൽ വിവരങ്ങൾ ഇവിടെ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണാം. ടെക്സ്റ്റ്-അടിസ്ഥാനമാക്കിയ മോഡലുകൾ ഉപയോഗിച്ച് ഇതിനകം സംഭാഷണ അനുഭവങ്ങൾ സൃഷ്ടിക്കുന്ന ഡെവലപ്പർമാർക്ക്, ഞങ്ങളുടെ സ്പീച്ച്-ടു-ടെക്സ്റ്റ്, ടെക്സ്റ്റ്-ടു-സ്പീച്ച് മോഡലുകൾ ചേർക്കുന്നത് വോയ്സ് ഏജന്റ് നിർമ്മിക്കാൻ ഏറ്റവും ലളിതമായ മാർഗമാണ്. ഞങ്ങൾ ഈ വികസന പ്രക്രിയ ലളിതമാക്കുന്ന ഏജന്റ്സ് SDK(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)-യുമായുള്ള ഒരു ഇന്റഗ്രേഷൻ പുറത്തിറക്കുന്നു. കുറഞ്ഞ ലേറ്റൻസിയുള്ള സ്പീച്ച്-ടു-സ്പീച്ച് അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ ആഗ്രഹിക്കുന്ന ഡെവലപ്പർമാർക്ക്, Realtime APIയിലെ ഞങ്ങളുടെ സ്പീച്ച്-ടു-സ്പീച്ച് മോഡലുകൾ ഉപയോഗിച്ച് നിർമ്മിക്കാൻ ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു.
മുന്നോട്ട് നോക്കുമ്പോൾ, ഞങ്ങളുടെ ഓഡിയോ മോഡലുകളുടെ ബുദ്ധിയും കൃത്യതയും മെച്ചപ്പെടുത്തുന്നതിൽ നിക്ഷേപം തുടരാനും, ഞങ്ങളുടെ സുരക്ഷാ മാനദണ്ഡങ്ങളുമായി പൊരുത്തപ്പെടുന്ന രീതിയിൽ കൂടുതൽ വ്യക്തിഗതവൽക്കരിച്ച അനുഭവങ്ങൾ നിർമ്മിക്കാൻ ഡെവലപ്പർമാർക്ക് അവരുടെ സ്വന്തം കസ്റ്റം ശബ്ദങ്ങൾ കൊണ്ടുവരാൻ അനുവദിക്കുന്ന മാർഗങ്ങൾ അന്വേഷിക്കാനും ഞങ്ങൾ പദ്ധതിയിടുന്നു. കൂടാതെ, സിന്തറ്റിക് ശബ്ദങ്ങൾ സൃഷ്ടിക്കുന്ന വെല്ലുവിളികളും അവസരങ്ങളും സംബന്ധിച്ച് നയരൂപകർത്താക്കൾ, ഗവേഷകർ, ഡെവലപ്പർമാർ, സർഗ്ഗാത്മക മേഖലയിലുള്ളവർ എന്നിവരുമായി സംഭാഷണങ്ങളിൽ ഏർപ്പെടുന്നത് ഞങ്ങൾ തുടരുകയും ചെയ്യുന്നു. ഈ മെച്ചപ്പെടുത്തിയ ഓഡിയോ കഴിവുകൾ ഉപയോഗിച്ച് ഡെവലപ്പർമാർ നിർമ്മിക്കുന്ന നൂതനവും സൃഷ്ടിപരവുമായ ആപ്ലിക്കേഷനുകൾ കാണാൻ ഞങ്ങൾ ആവേശഭരിതരാണ്. ഡെവലപ്പർമാർക്ക് മൾട്ടിമോഡൽ ഏജൻ്റിക് അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ പ്രവർത്തനക്ഷമമാക്കുന്നതിനായി, വീഡിയോ ഉൾപ്പെടെയുള്ള മറ്റ് മോഡാലിറ്റികളിലും ഞങ്ങൾ നിക്ഷേപം നടത്തും.
രചയിതാക്കൾ
ഗവേഷണ നേട്ടങ്ങൾ
Christina Kim, Junhua Mao, Yi Shen, Yu Zhang
സംഭാവകർ
ഗവേഷണം
അലക്സ് പൈനോ, ബോവൻ ചെങ്, ചെങ്സു ഷുവാങ്, ക്രിസ് കോച്ച്, ഡാമിയൻ മ്രോവ്ക, എറിക് റിറ്റർ, ജേക്കബ് മെനിക്, ജെയിംസ് ബെറ്റ്കർ, ജി ലിൻ, ജാമി കിറോസ്, ജിയാഹുയി യു, ലിയാങ് ഷൗ, ലിയു ചെൻ, കെവിൻ ലു, മാഡലിൻ ബോയ്ഡ്, മൈക്കൽ ലാംപെ, മൈക്ക് ഹീറ്റൺ, നാൻഷിൻ ചെൻ, നിതീഷ് കെസ്കർ, സാച്ചി ജെയിൻ, സാം ടോയിസർ, സോമയ് ജെയിൻ, താവോ സു, ടോമർ കാപ്ലാൻ, വെയ് ഹാൻ, ഷിയാങ്നിംഗ് ചെൻ, യെ ജിയ
എഞ്ചിനീയറിംഗ്
അലിന വു, ആൻഡ്രസ് ഗാർസിയ ഗാർസിയ, അർഷി ഭട്നാഗർ, അവിറ്റൽ ഒലിവർ, ബ്രണ്ടൻ ക്വിൻ, ക്രിസ്റ്റിന ഹുവാങ്, ഡേവിഡ് ഫാങ്, ഡ്രാഗോസ് ഒപ്രിക്ക, ഡൊമിനിക് കുണ്ടൽ, എഡെഡെ ഓവോ, ഇയറോസ്ലാവ് ട്വെർഡോഖ്ലിബ്, ജിയാചെങ് ഫെങ്, ജയ് ചെൻ, ജെനിയ വരാവ്വ, ജോർഡൻ സിറ്റ്കിൻ, ജോസഫ് ഫ്ലോറൻസിയോ, ലിയൻ മാമിത്സുക, മാഡ അഫ്ലാക്, മനോളി ലിയോദാകിസ്, മാർക്ക് ഹഡ്നാൾ, നോവ മാക്കാലം, ഒല ഒകെലോല, പീറ്റർ ബാക്കും, രോഹൻ മേത്ത, റോമൈൻ ഹ്യൂറ്റ്, വാനിംഗ് ജിയാങ്, വെയ്ൻ ചാങ്, യിലി ക്വിയാൻ
Product
അനുഭ ശ്രീവാസ്തവ, ജാക്കി ഷാനൻ, ജെഫ് ഹാരിസ്, റിയ മിയാര, സിയാവോലിൻ ഹാവോ
നേതൃത്വം പ്രോത്സാഹിപ്പിക്കുന്നവർ
എയ്ഡൻ ക്ലാർക്ക്, ആൻഡ്രൂ ഗിബിയാൻസ്കി, ഡേവിഡ് സസാക്കി, കെവിൻ വെയ്ൽ, ലിയം ഫെഡസ്, മാർക്ക് ചെൻ, നിക്ക് റൈഡർ, നിക്ക് ടർലി, ഒലിവിയർ ഗോഡ്മെന്റ്, പ്രഫുല്ല ധാരിവാൾ, ഷെങ്ജിയാ സാവോ, ഷുച്ചാവോ ബി, ഷെർവിൻ വു, സുൽമാൻ ചൗധരി