यह दौर तब आता है जब वॉयस-एआई बाजार गर्म हो जाता है और निवेशक टेक्स्ट-आधारित चैटबॉट्स से परे अगली छलांग की तलाश करते हैं। कृत्रिम-बुद्धिमत्ता उद्योग को नया आकार देने वाले स्टार्टअप्स की निरंतर कवरेज के लिए, हमारे नवीनतम एआई समाचार का अनुसरण करें।
छोटे, विशिष्ट आवाज मॉडल पर दांव
Smallest.ai की मुख्य थीसिस यह है कि वॉयस एजेंटों में अगली सफलता बड़े भाषा मॉडल को तेज़ बनाने से नहीं आएगी, बल्कि विशेष रूप से मानव वार्तालाप के लिए डिज़ाइन किए गए छोटे, उद्देश्य-निर्मित मॉडल बनाने से आएगी। मुख्य कार्यकारी सुदर्शन कामथ ने टेकक्रंच को बताया कि आज के एलएलएम मौलिक रूप से भाषण की लय से मेल नहीं खाते हैं: वे "सोचना" शुरू करने से पहले एक पूर्ण संकेत की प्रतीक्षा करते हैं, एक देरी जो टेक्स्ट चैट में स्वाभाविक लगती है लेकिन फोन कॉल पर घबराहट होती है।
"जब मैं आपसे बात कर रहा हूं, आप पहले से ही सोच रहे हैं, और अगर मैं बहुत देर तक बात करता हूं तो आप मुझे रोक सकते हैं," कामथ ने मानव संवाद की वास्तविक समय, ओवरलैपिंग प्रकृति का वर्णन करते हुए समझाया, जिसे उनके स्टार्टअप के मॉडल को दोहराने के लिए डिज़ाइन किया गया है। मॉडल वस्तुतः शून्य प्रतिक्रिया अंतराल का लक्ष्य रखते हुए, एक साथ सुनकर, सोचकर और बोलकर ऑडियो को संसाधित करता है।
एक दो-मॉडल वास्तुकला
Smallest.ai का सिस्टम कामथ की भविष्यवाणी पर निर्भर करता है कि AI एजेंटों के लिए एक मानक आर्किटेक्चर बन जाएगा: एक छोटा, बिजली की तेजी से आवाज वाला मॉडल लाइव वार्तालाप को संभालता है, जबकि एक "ऑफ़लाइन" बड़े मूलभूत मॉडल को केवल तभी बुलाया जाता है जब कोई क्वेरी छोटे मॉडल के ज्ञान आधार से अधिक हो जाती है। जब ऐसा होता है, तो सिस्टम कॉल करने वाले को समस्या पर "शोध" करने के लिए थोड़े समय के लिए रोक देता है, जितना कि एक मानव एजेंट कर सकता है।
श्रम का वह विभाजन स्टार्टअप को अपने छोटे मॉडल को आवाज-विशिष्ट चुनौतियों पर सख्ती से ध्यान केंद्रित करने देता है, जिसमें विविध उच्चारणों को संभालना, दर्जनों भाषाओं का समर्थन करना और शोर वाले वातावरण में काम करना शामिल है। इसके विपरीत, जो प्रतियोगी आवाज के लिए सामान्य प्रयोजन एलएलएम लागू करते हैं, उन्हें कहीं अधिक विलंबता और गणना लागतों से जूझना पड़ता है।
ग्राहक और प्रतिस्पर्धा
Smallest.ai के मौजूदा ग्राहकों में वॉयस और संचार क्षेत्र की कंपनियां शामिल हैं, जिनमें रिंगसेंट्रल और ट्रूकॉलर शामिल हैं। कामथ ने तर्क दिया कि अच्छी तरह से वित्त पोषित ग्राहक-सहायता स्टार्टअप के पास अपने स्वयं के वॉयस मॉडल बनाने के लिए बहुत कम प्रोत्साहन है, क्योंकि "आवाज करने में बेहद अच्छा बनना उनके मुख्य व्यवसाय से ध्यान भटकाना है।"
स्टार्टअप वॉयस-एआई लीडर इलेवनलैब्स के साथ-साथ कार्टेसिया और सर्वम जैसे क्षेत्रीय खिलाड़ियों के साथ प्रतिस्पर्धा करता है जो स्थानीय भाषाओं पर ध्यान केंद्रित करते हैं। जबकि कुछ प्रतिद्वंद्वी वॉयस एआई को डबिंग और पॉडकास्टिंग में लागू करते हैं, Smallest.ai विशेष रूप से एंटरप्राइज़ ग्राहकों के लिए वास्तविक समय के वार्तालाप एजेंटों पर ध्यान केंद्रित करता है।
आवाज के लिए ट्यूरिंग टेस्ट
कामथ की महत्वाकांक्षा स्पष्ट है. उन्होंने कहा, "हम चाहते हैं कि हमारे मॉडल ट्यूरिंग टेस्ट को तोड़ें।" "आपको हमारे मॉडल से बात करनी चाहिए और यह नहीं जानना चाहिए कि यह एआई या मानव है। कंपनी का एकमात्र फोकस इसी पर है।"
क्या वह लक्ष्य निकट अवधि में हासिल किया जा सकेगा, यह एक खुला प्रश्न बना हुआ है। पिछले दो वर्षों में वॉयस एआई की स्वाभाविकता में नाटकीय रूप से सुधार हुआ है, लेकिन यहां तक कि सबसे अच्छे सिस्टम अभी भी सूक्ष्म संकेतों - झिझक, हास्य, भावनात्मक मोड़ - से जूझ रहे हैं जो मानव बातचीत को जीवंत महसूस कराते हैं। Smallest.ai की शर्त यह है कि पाठ-प्रशिक्षित एलएलएम से अनुकूलित होने के बजाय, भाषण के उद्देश्य से बनाया गया एक मॉडल, उद्योग की अपेक्षा से अधिक तेजी से उस अंतर को पाट सकता है।
एक भीड़भाड़ वाला लेकिन तेजी से बढ़ता हुआ बाज़ार
यह फंडिंग वॉयस-एआई श्रेणी के लिए निवेशकों के व्यापक उत्साह को रेखांकित करती है। उपभोक्ताओं के लिए एआई एजेंटों के साथ बातचीत करने के लिए वॉयस इंटरफेस को सबसे स्वाभाविक तरीके के रूप में देखा जा रहा है, और एंटरप्राइज़ कॉल सेंटर एक विशाल, तुरंत संबोधित करने योग्य बाजार का प्रतिनिधित्व करते हैं जहां विलंबता और स्वाभाविकता में मामूली सुधार भी औसत दर्जे की लागत बचत में तब्दील हो सकता है।
अब $21 मिलियन के साथ, Smallest.ai अपनी मॉडल क्षमताओं का विस्तार करने और अपने उद्यम ग्राहक आधार को बढ़ाने की योजना बना रहा है। हालाँकि, प्रतिस्पर्धी परिदृश्य अक्षम्य है: इलेवनलैब्स के पास महत्वपूर्ण बाजार हिस्सेदारी है, और बड़े खिलाड़ी अपने प्रमुख उत्पादों में आवाज को एकीकृत करना जारी रखते हैं। Smallest.ai का विभेदीकरण इस आधार पर टिका है कि एक केंद्रित, विशिष्ट आवाज मॉडल एक मीट्रिक पर सामान्यवादी प्रणालियों से बेहतर प्रदर्शन कर सकता है जो वास्तविक समय की बातचीत के लिए सबसे ज्यादा मायने रखता है - वह गति जो मानव को महसूस होती है।
एआई से आगे रहें
वॉयस एजेंटों से लेकर फ्रंटियर मॉडल तक, सौदे और सफलताएं तेजी से आ रही हैं। कृत्रिम बुद्धिमत्ता के भविष्य का निर्माण करने वाली कंपनियों और संस्थापकों के चल रहे कवरेज के लिए बुकमार्क करें एआई बज़ वायर।
अधिक AI स्टार्टअप समाचार पढ़ें →
