Kolo přichází, když se trh s hlasovou umělou inteligencí zahřívá a investoři hledají další skok za textovými chatboty. Pro nepřetržité zpravodajství o startupech, které přetvářejí průmysl umělé inteligence, sledujte naše nejnovější zprávy o AI.
Sázka na malé, specializované hlasové modely
Základní tezí Smallest.ai je, že další průlom v oblasti hlasových agentů nepochází z rychlejšího vytváření velkých jazykových modelů, ale ze vytváření menších, účelových modelů navržených speciálně pro lidskou konverzaci. Generální ředitel Sudarshan Kamath řekl TechCrunch, že dnešní LLM zásadně neodpovídají rytmu řeči: čekají na úplnou výzvu, než začnou „přemýšlet“, což je zpoždění, které je přirozené v textovém chatu, ale rušivé při telefonním hovoru.
„Zatímco s vámi mluvím, už přemýšlíte a mohli byste mě přerušit, pokud budu mluvit příliš dlouho,“ vysvětlil Kamath a popsal překrývající se povahu lidského dialogu v reálném čase, který má model jeho startupu replikovat. Model zpracovává zvuk současným poslechem, myšlením a mluvením s cílem dosáhnout prakticky nulového zpoždění odezvy.
Architektura se dvěma modely
Systém Smallest.ai se spoléhá na to, co Kamath předpovídá, že se stane standardní architekturou pro agenty AI: malý, bleskově rychlý hlasový model zpracovává živou konverzaci, zatímco „offline“ velký základní model je vyvolán pouze tehdy, když dotaz překročí znalostní základnu menšího modelu. Když k tomu dojde, systém volajícího krátce přidrží, aby „prozkoumal“ problém, podobně jako by to mohl udělat lidský agent.
Tato dělba práce umožňuje startupu zaměřit svůj malý model výhradně na výzvy specifické pro hlas, včetně zvládání různých akcentů, podpory desítek jazyků a provozu v hlučném prostředí. Naproti tomu konkurenti, kteří používají univerzální LLM na hlas, se musí potýkat s mnohem vyšší latencí a výpočetními náklady.
Zákazníci a konkurence
Mezi stávající zákazníky Smallest.ai patří společnosti působící v oblasti hlasu a komunikace, mezi nimi RingCentral a Truecaller. Kamath tvrdil, že dobře financované startupy poskytující zákaznickou podporu mají malou motivaci budovat své vlastní hlasové modely, protože být „extrémně dobrými v dělání hlasu odvádí pozornost od jejich hlavní činnosti“.
Startup soutěží s lídrem v oblasti hlasové AI ElevenLabs a také s Cartesia a regionálními hráči, jako je Sarvam, kteří se zaměřují na místní jazyky. Zatímco někteří konkurenti používají hlasovou umělou inteligenci na dabing a podcasting, Smallest.ai se soustředí výhradně na konverzační agenty v reálném čase pro podnikové zákazníky.
Turingův test pro hlas
Kamathova ambice je jednoznačná. "Chceme, aby naše modely prolomily Turingův test," řekl. "Měli byste mluvit s naším modelem a nevědět, že je to umělá inteligence nebo člověk. To je jediné zaměření společnosti."
Zda je tato laťka dosažitelná v blízké budoucnosti, zůstává otevřenou otázkou. Hlasová umělá inteligence se za poslední dva roky dramaticky zlepšila, pokud jde o přirozenost, ale i ty nejlepší systémy se stále potýkají s jemnými vodítky – váháním, humorem, emocionálními sklony – díky nimž je lidská konverzace živá. Společnost Smallest.ai sází na to, že model určený pro řeč, spíše než upravený z textově školeného LLM, může tuto mezeru zacelit rychleji, než průmysl očekává.
Přeplněný, ale rychle rostoucí trh
Financování podtrhuje širší nadšení investorů pro kategorii voice-AI. Hlasová rozhraní jsou stále více považována za nejpřirozenější způsob, jak mohou spotřebitelé komunikovat s agenty AI, a podniková call centra představují masivní, okamžitě adresovatelný trh, kde se i nepatrná zlepšení v latenci a přirozenosti mohou promítnout do měřitelných úspor nákladů.
S 21 miliony dolarů nyní plánuje Smallest.ai rozšířit své modelové možnosti a rozšířit svou podnikovou zákaznickou základnu. Konkurenční prostředí je však neúprosné: ElevenLabs má významný podíl na trhu a větší hráči pokračují v integraci hlasu do svých vlajkových produktů. Rozlišení Smallest.ai je založeno na předpokladu, že zaměřený, specializovaný hlasový model může překonat všeobecné systémy v jedné metrice, která je pro konverzaci v reálném čase nejdůležitější – rychlosti, která působí jako člověk.
Udržujte si náskok před umělou inteligencí
Od hlasových agentů po hraniční modely, obchody a průlomy přicházejí rychle. Uložte si AI Buzz Wire do záložek pro průběžné zpravodajství o společnostech a zakladatelích, kteří budují budoucnost umělé inteligence.
Přečtěte si další zprávy o spuštění AI →
