ਇਹ ਦੌਰ ਉਦੋਂ ਆਉਂਦਾ ਹੈ ਜਦੋਂ ਵੌਇਸ-ਏਆਈ ਮਾਰਕੀਟ ਗਰਮ ਹੁੰਦਾ ਹੈ ਅਤੇ ਨਿਵੇਸ਼ਕ ਟੈਕਸਟ-ਅਧਾਰਿਤ ਚੈਟਬੋਟਸ ਤੋਂ ਅੱਗੇ ਅਗਲੀ ਲੀਪ ਦੀ ਭਾਲ ਕਰਦੇ ਹਨ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਉਦਯੋਗ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇਣ ਵਾਲੇ ਸਟਾਰਟਅੱਪਸ ਦੀ ਲਗਾਤਾਰ ਕਵਰੇਜ ਲਈ, ਸਾਡੀ ਨਵੀਨਤਮ AI ਖਬਰਾਂ* ਦੀ ਪਾਲਣਾ ਕਰੋ।
ਛੋਟੇ, ਵਿਸ਼ੇਸ਼ ਵੌਇਸ ਮਾਡਲਾਂ 'ਤੇ ਇੱਕ ਬਾਜ਼ੀ
Smallest.ai ਦਾ ਮੁੱਖ ਥੀਸਿਸ ਇਹ ਹੈ ਕਿ ਵੌਇਸ ਏਜੰਟਾਂ ਵਿੱਚ ਅਗਲੀ ਸਫਲਤਾ ਵੱਡੇ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਬਣਾਉਣ ਤੋਂ ਨਹੀਂ ਆਵੇਗੀ, ਸਗੋਂ ਮਨੁੱਖੀ ਗੱਲਬਾਤ ਲਈ ਖਾਸ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤੇ ਛੋਟੇ, ਉਦੇਸ਼-ਨਿਰਮਿਤ ਮਾਡਲਾਂ ਨੂੰ ਬਣਾਉਣ ਤੋਂ ਆਵੇਗੀ। ਮੁੱਖ ਕਾਰਜਕਾਰੀ ਸੁਦਰਸ਼ਨ ਕਾਮਥ ਨੇ TechCrunch ਨੂੰ ਦੱਸਿਆ ਕਿ ਅੱਜ ਦੇ LLM ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਬੋਲਣ ਦੀ ਤਾਲ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ ਹਨ: ਉਹ "ਸੋਚ" ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਪੂਰੀ ਪ੍ਰੋਂਪਟ ਦੀ ਉਡੀਕ ਕਰਦੇ ਹਨ, ਇੱਕ ਦੇਰੀ ਜੋ ਟੈਕਸਟ ਚੈਟ ਵਿੱਚ ਸੁਭਾਵਕ ਮਹਿਸੂਸ ਹੁੰਦੀ ਹੈ ਪਰ ਇੱਕ ਫੋਨ ਕਾਲ 'ਤੇ ਝੰਜੋੜਦੀ ਹੈ।
"ਜਦੋਂ ਮੈਂ ਤੁਹਾਡੇ ਨਾਲ ਗੱਲ ਕਰ ਰਿਹਾ ਹਾਂ, ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਸੋਚ ਰਹੇ ਹੋ, ਅਤੇ ਜੇ ਮੈਂ ਬਹੁਤ ਦੇਰ ਤੱਕ ਗੱਲ ਕਰਦਾ ਹਾਂ ਤਾਂ ਤੁਸੀਂ ਮੈਨੂੰ ਰੋਕ ਸਕਦੇ ਹੋ," ਕਾਮਥ ਨੇ ਮਨੁੱਖੀ ਸੰਵਾਦ ਦੇ ਅਸਲ-ਸਮੇਂ, ਓਵਰਲੈਪਿੰਗ ਸੁਭਾਅ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹੋਏ ਸਮਝਾਇਆ ਕਿ ਉਸਦੇ ਸ਼ੁਰੂਆਤੀ ਮਾਡਲ ਨੂੰ ਦੁਹਰਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਮਾਡਲ ਸੁਣਨ, ਸੋਚਣ ਅਤੇ ਇੱਕੋ ਸਮੇਂ ਬੋਲਣ ਦੁਆਰਾ ਆਡੀਓ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ, ਅਸਲ ਵਿੱਚ ਜ਼ੀਰੋ ਪ੍ਰਤੀਕਿਰਿਆ ਦੇ ਪਛੜ ਦਾ ਟੀਚਾ ਰੱਖਦਾ ਹੈ।
ਇੱਕ ਦੋ-ਮਾਡਲ ਆਰਕੀਟੈਕਚਰ
Smallest.ai ਦਾ ਸਿਸਟਮ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਕਾਮਥ ਕੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਕਿ AI ਏਜੰਟਾਂ ਲਈ ਇੱਕ ਮਿਆਰੀ ਆਰਕੀਟੈਕਚਰ ਬਣ ਜਾਵੇਗਾ: ਇੱਕ ਛੋਟਾ, ਬਿਜਲੀ ਦੀ ਤੇਜ਼ ਆਵਾਜ਼ ਵਾਲਾ ਮਾਡਲ ਲਾਈਵ ਗੱਲਬਾਤ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ "ਔਫਲਾਈਨ" ਵੱਡੇ ਬੁਨਿਆਦੀ ਮਾਡਲ ਨੂੰ ਸਿਰਫ਼ ਉਦੋਂ ਹੀ ਬੁਲਾਇਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਸਵਾਲ ਛੋਟੇ ਮਾਡਲ ਦੇ ਗਿਆਨ ਅਧਾਰ ਤੋਂ ਵੱਧ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ ਅਜਿਹਾ ਹੁੰਦਾ ਹੈ, ਸਿਸਟਮ ਕਾਲਰ ਨੂੰ ਸੰਖੇਪ ਵਿੱਚ ਮੁੱਦੇ ਦੀ "ਖੋਜ" ਕਰਨ ਲਈ ਹੋਲਡ 'ਤੇ ਰੱਖਦਾ ਹੈ, ਜਿੰਨਾ ਇੱਕ ਮਨੁੱਖੀ ਏਜੰਟ ਹੋ ਸਕਦਾ ਹੈ।
ਲੇਬਰ ਦੀ ਇਹ ਵੰਡ ਸਟਾਰਟਅੱਪ ਨੂੰ ਆਪਣੇ ਛੋਟੇ ਮਾਡਲ ਨੂੰ ਆਵਾਜ਼-ਵਿਸ਼ੇਸ਼ ਚੁਣੌਤੀਆਂ 'ਤੇ ਸਖਤੀ ਨਾਲ ਫੋਕਸ ਕਰਨ ਦਿੰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਵਿਭਿੰਨ ਲਹਿਜ਼ੇ ਨੂੰ ਸੰਭਾਲਣਾ, ਦਰਜਨਾਂ ਭਾਸ਼ਾਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨਾ, ਅਤੇ ਰੌਲੇ-ਰੱਪੇ ਵਾਲੇ ਵਾਤਾਵਰਨ ਵਿੱਚ ਕੰਮ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਇਸ ਦੇ ਉਲਟ, ਪ੍ਰਤੀਯੋਗੀ ਜੋ ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ LLM ਨੂੰ ਆਵਾਜ਼ 'ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਲੇਟੈਂਸੀ ਅਤੇ ਗਣਨਾ ਲਾਗਤਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
ਗਾਹਕ ਅਤੇ ਮੁਕਾਬਲਾ
Smallest.ai ਦੇ ਮੌਜੂਦਾ ਗਾਹਕਾਂ ਵਿੱਚ ਵੌਇਸ ਅਤੇ ਸੰਚਾਰ ਸਪੇਸ ਵਿੱਚ ਕੰਪਨੀਆਂ ਸ਼ਾਮਲ ਹਨ, ਉਹਨਾਂ ਵਿੱਚੋਂ RingCentral ਅਤੇ Truecaller। ਕਾਮਥ ਨੇ ਦਲੀਲ ਦਿੱਤੀ ਕਿ ਚੰਗੀ ਤਰ੍ਹਾਂ ਫੰਡ ਪ੍ਰਾਪਤ ਗਾਹਕ-ਸਹਾਇਤਾ ਸਟਾਰਟਅਪਾਂ ਨੂੰ ਆਪਣੇ ਵੌਇਸ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਬਹੁਤ ਘੱਟ ਪ੍ਰੇਰਣਾ ਮਿਲਦੀ ਹੈ, ਕਿਉਂਕਿ "ਅਵਾਜ਼ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਵਧੀਆ ਬਣਨਾ ਉਹਨਾਂ ਦੇ ਮੁੱਖ ਕਾਰੋਬਾਰ ਤੋਂ ਭਟਕਣਾ ਹੈ।"
ਸਟਾਰਟਅੱਪ ਵੌਇਸ-ਏਆਈ ਲੀਡਰ ElevenLabs ਦੇ ਨਾਲ-ਨਾਲ ਕਾਰਟੇਸ਼ੀਆ ਅਤੇ ਖੇਤਰੀ ਖਿਡਾਰੀਆਂ ਜਿਵੇਂ ਕਿ ਸਰਵਮ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਦਾ ਹੈ ਜੋ ਸਥਾਨਕ ਭਾਸ਼ਾਵਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਕਿ ਕੁਝ ਵਿਰੋਧੀ ਵੌਇਸ AI ਨੂੰ ਡਬਿੰਗ ਅਤੇ ਪੋਡਕਾਸਟਿੰਗ ਲਈ ਲਾਗੂ ਕਰਦੇ ਹਨ, Smallest.ai ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਇੰਟਰਪ੍ਰਾਈਜ਼ ਗਾਹਕਾਂ ਲਈ ਰੀਅਲ-ਟਾਈਮ ਗੱਲਬਾਤ ਏਜੰਟਾਂ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ।
ਵੌਇਸ ਲਈ ਟਿਊਰਿੰਗ ਟੈਸਟ
ਕਾਮਥ ਦੀ ਅਭਿਲਾਸ਼ਾ ਅਸਪਸ਼ਟ ਹੈ। "ਅਸੀਂ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ ਸਾਡੇ ਮਾਡਲ ਟਿਊਰਿੰਗ ਟੈਸਟ ਨੂੰ ਤੋੜ ਦੇਣ," ਉਸਨੇ ਕਿਹਾ। "ਤੁਹਾਨੂੰ ਸਾਡੇ ਮਾਡਲ ਨਾਲ ਗੱਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਇਹ ਨਹੀਂ ਪਤਾ ਕਿ ਇਹ AI ਜਾਂ ਮਨੁੱਖੀ ਹੈ। ਇਹ ਕੰਪਨੀ ਦਾ ਇਕੋ ਇਕ ਫੋਕਸ ਹੈ।"
ਕੀ ਉਹ ਪੱਟੀ ਨਜ਼ਦੀਕੀ ਮਿਆਦ ਵਿੱਚ ਪ੍ਰਾਪਤੀਯੋਗ ਹੈ, ਇੱਕ ਖੁੱਲਾ ਸਵਾਲ ਬਣਿਆ ਹੋਇਆ ਹੈ। ਵਾਇਸ ਏਆਈ ਨੇ ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਵਿੱਚ ਕੁਦਰਤੀਤਾ ਵਿੱਚ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਸੁਧਾਰ ਕੀਤਾ ਹੈ, ਪਰ ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਣਾਲੀਆਂ ਅਜੇ ਵੀ ਸੂਖਮ ਸੰਕੇਤਾਂ ਨਾਲ ਸੰਘਰਸ਼ ਕਰਦੀਆਂ ਹਨ - ਝਿਜਕ, ਹਾਸੇ-ਮਜ਼ਾਕ, ਭਾਵਨਾਤਮਕ ਪ੍ਰਵਿਰਤੀ - ਜੋ ਮਨੁੱਖੀ ਗੱਲਬਾਤ ਨੂੰ ਜੀਵੰਤ ਮਹਿਸੂਸ ਕਰਾਉਂਦੀਆਂ ਹਨ। Smallest.ai ਦੀ ਬਾਜ਼ੀ ਇਹ ਹੈ ਕਿ ਟੈਕਸਟ-ਸਿਖਿਅਤ LLM ਤੋਂ ਅਨੁਕੂਲਿਤ ਹੋਣ ਦੀ ਬਜਾਏ, ਭਾਸ਼ਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਮਾਡਲ, ਉਦਯੋਗ ਦੀ ਉਮੀਦ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਇਸ ਪਾੜੇ ਨੂੰ ਬੰਦ ਕਰ ਸਕਦਾ ਹੈ।
ਇੱਕ ਭੀੜ-ਭੜੱਕੇ ਵਾਲਾ ਪਰ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਵਾਲਾ ਬਾਜ਼ਾਰ
ਫੰਡਿੰਗ ਵੌਇਸ-ਏਆਈ ਸ਼੍ਰੇਣੀ ਲਈ ਵਿਆਪਕ ਨਿਵੇਸ਼ਕਾਂ ਦੇ ਉਤਸ਼ਾਹ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਵੌਇਸ ਇੰਟਰਫੇਸਾਂ ਨੂੰ ਉਪਭੋਗਤਾਵਾਂ ਲਈ AI ਏਜੰਟਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਸਭ ਤੋਂ ਕੁਦਰਤੀ ਤਰੀਕੇ ਵਜੋਂ ਦੇਖਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਕਾਲ ਸੈਂਟਰ ਇੱਕ ਵਿਸ਼ਾਲ, ਤੁਰੰਤ ਪਤਾ ਕਰਨ ਯੋਗ ਮਾਰਕੀਟ ਦੀ ਨੁਮਾਇੰਦਗੀ ਕਰਦੇ ਹਨ ਜਿੱਥੇ ਲੇਟੈਂਸੀ ਅਤੇ ਸੁਭਾਵਿਕਤਾ ਵਿੱਚ ਮਾਮੂਲੀ ਸੁਧਾਰ ਵੀ ਮਾਪਣਯੋਗ ਲਾਗਤ ਬਚਤ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰ ਸਕਦੇ ਹਨ।
ਹੁਣ ਹੱਥ ਵਿੱਚ $21 ਮਿਲੀਅਨ ਦੇ ਨਾਲ, Smallest.ai ਨੇ ਆਪਣੀਆਂ ਮਾਡਲ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਧਾਉਣ ਅਤੇ ਇਸ ਦੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਗਾਹਕ ਅਧਾਰ ਨੂੰ ਵਧਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ। ਪ੍ਰਤੀਯੋਗੀ ਲੈਂਡਸਕੇਪ, ਹਾਲਾਂਕਿ, ਮਾਫ ਕਰਨ ਵਾਲਾ ਹੈ: ElevenLabs ਮਹੱਤਵਪੂਰਨ ਮਾਰਕੀਟ ਹਿੱਸੇਦਾਰੀ ਦਾ ਹੁਕਮ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਵੱਡੇ ਖਿਡਾਰੀ ਆਪਣੇ ਫਲੈਗਸ਼ਿਪ ਉਤਪਾਦਾਂ ਵਿੱਚ ਆਵਾਜ਼ ਨੂੰ ਜੋੜਨਾ ਜਾਰੀ ਰੱਖਦੇ ਹਨ। Smallest.ai ਦੀ ਵਿਭਿੰਨਤਾ ਇਸ ਅਧਾਰ 'ਤੇ ਟਿਕੀ ਹੋਈ ਹੈ ਕਿ ਇੱਕ ਫੋਕਸਡ, ਵਿਸ਼ੇਸ਼ ਵੌਇਸ ਮਾਡਲ ਇੱਕ ਮੈਟ੍ਰਿਕ 'ਤੇ ਜਨਰਲਿਸਟ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਪਛਾੜ ਸਕਦਾ ਹੈ ਜੋ ਅਸਲ-ਸਮੇਂ ਦੀ ਗੱਲਬਾਤ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹੈ - ਗਤੀ ਜੋ ਮਨੁੱਖੀ ਮਹਿਸੂਸ ਕਰਦੀ ਹੈ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
ਵੌਇਸ ਏਜੰਟਾਂ ਤੋਂ ਲੈ ਕੇ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਤੱਕ, ਸੌਦੇ ਅਤੇ ਸਫਲਤਾਵਾਂ ਤੇਜ਼ੀ ਨਾਲ ਆ ਰਹੀਆਂ ਹਨ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਭਵਿੱਖ ਨੂੰ ਬਣਾਉਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਅਤੇ ਸੰਸਥਾਪਕਾਂ ਦੀ ਚੱਲ ਰਹੀ ਕਵਰੇਜ ਲਈ AI Buzz Wire ਨੂੰ ਬੁੱਕਮਾਰਕ ਕਰੋ।
ਹੋਰ AI ਸ਼ੁਰੂਆਤੀ ਖ਼ਬਰਾਂ ਪੜ੍ਹੋ →
