Runda nadchodzi, gdy rynek głosowej sztucznej inteligencji nabiera tempa, a inwestorzy polują na kolejny krok wykraczający poza chatboty tekstowe. Aby otrzymywać ciągłe relacje o startupach zmieniających branżę sztucznej inteligencji, śledź nasze najnowsze wiadomości o sztucznej inteligencji.
Postaw na małe, wyspecjalizowane modele głosu
Podstawową tezą Smallest.ai jest to, że kolejny przełom w agentach głosowych nie będzie polegał na szybszym tworzeniu dużych modeli językowych, ale na budowaniu mniejszych, specjalnie zaprojektowanych modeli zaprojektowanych specjalnie do rozmów międzyludzkich. Dyrektor naczelny Sudarshan Kamath powiedział TechCrunch, że dzisiejsze osoby pracujące w trybie LLM są zasadniczo niedopasowane do rytmu mowy: czekają na kompletny sygnał, zanim zaczną „myśleć”. Jest to opóźnienie, które wydaje się naturalne w przypadku czatu tekstowego, ale denerwuje podczas rozmowy telefonicznej.
„Kiedy do ciebie mówię, ty już myślisz i możesz mi przerwać, jeśli będę mówił zbyt długo” – wyjaśnił Kamath, opisując nakładający się charakter ludzkiego dialogu w czasie rzeczywistym, który model jego startupu ma odzwierciedlać. Model przetwarza dźwięk poprzez jednoczesne słuchanie, myślenie i mówienie, dążąc do praktycznie zerowego opóźnienia reakcji.
Architektura dwumodelowa
System Smallest.ai opiera się na tym, co według Kamath stanie się standardową architekturą dla agentów AI: mały, błyskawiczny model głosowy obsługuje rozmowę na żywo, podczas gdy duży model podstawowy „offline” jest wywoływany tylko wtedy, gdy zapytanie przekracza bazę wiedzy mniejszego modelu. Kiedy tak się stanie, system na krótko zawiesza połączenie rozmówcy w celu „zbadania” problemu, podobnie jak zrobiłby to człowiek.
Taki podział pracy pozwala startupowi skoncentrować swój mały model wyłącznie na wyzwaniach związanych z głosem, w tym na obsłudze różnorodnych akcentów, obsłudze dziesiątek języków i działaniu w hałaśliwym otoczeniu. Z kolei konkurenci stosujący LLM ogólnego przeznaczenia do transmisji głosu muszą borykać się ze znacznie większymi opóźnieniami i kosztami obliczeniowymi.
Klienci i konkurencja
Do obecnych klientów Smallest.ai należą firmy z branży głosowej i komunikacyjnej, między innymi RingCentral i Truecaller. Kamath argumentował, że dobrze finansowane start-upy zajmujące się obsługą klienta mają niewielką motywację do tworzenia własnych modeli głosu, ponieważ osiągnięcie „niezwykłej doskonałości w posługiwaniu się głosem odwraca uwagę od ich podstawowej działalności”.
Startup konkuruje z liderem głosowej sztucznej inteligencji ElevenLabs, a także Cartesią i regionalnymi graczami, takimi jak Sarvam, którzy koncentrują się na lokalnych językach. Podczas gdy niektórzy konkurenci wykorzystują sztuczną inteligencję głosową do dubbingu i podcastów, Smallest.ai koncentruje się wyłącznie na agentach konwersacyjnych w czasie rzeczywistym dla klientów korporacyjnych.
Test Turinga na głos
Ambicje Kamatha są jednoznaczne. „Chcemy, aby nasze modele złamały test Turinga” – powiedział. „Powinieneś porozmawiać z naszym modelem i nie wiedzieć, że to sztuczna inteligencja lub człowiek. To jedyny obszar zainteresowania firmy”.
Otwartym pytaniem pozostaje, czy próg ten zostanie osiągnięty w najbliższej przyszłości. W ciągu ostatnich dwóch lat sztuczna inteligencja głosu znacznie poprawiła się pod względem naturalności, ale nawet najlepsze systemy wciąż borykają się z subtelnymi sygnałami — wahaniem, humorem, zmianami emocjonalnymi — które sprawiają, że ludzka rozmowa wydaje się żywa. Smallest.ai zakłada, że model stworzony specjalnie z myślą o mowie, a nie adaptowany z LLM wytrenowanego za pomocą tekstu, może wypełnić tę lukę szybciej, niż oczekuje branża.
Zatłoczony, ale szybko rozwijający się rynek
Finansowanie podkreśla szerszy entuzjazm inwestorów dla kategorii sztucznej inteligencji głosowej. Interfejsy głosowe są coraz częściej postrzegane jako najbardziej naturalny sposób interakcji konsumentów z agentami AI, a centra obsługi telefonicznej przedsiębiorstw reprezentują ogromny, natychmiast dostępny rynek, na którym nawet niewielka poprawa opóźnień i naturalności może przełożyć się na wymierne oszczędności.
Dysponując obecnie 21 milionami dolarów, Smallest.ai planuje rozszerzyć możliwości swoich modeli i powiększyć bazę klientów korporacyjnych. Konkurencyjny krajobraz jest jednak bezlitosny: ElevenLabs ma znaczny udział w rynku, a więksi gracze w dalszym ciągu integrują komunikację głosową w swoich flagowych produktach. Zróżnicowanie Smallest.ai opiera się na założeniu, że ukierunkowany, wyspecjalizowany model głosu może przewyższać systemy ogólne pod względem jednego wskaźnika, który ma największe znaczenie dla rozmowy w czasie rzeczywistym — szybkości, która jest ludzka.
Wyprzedź sztuczną inteligencję
Od agentów głosowych po pionierskie modele – transakcje i przełomy nadchodzą szybko. Dodaj do zakładek AI Buzz Wire, aby otrzymywać bieżące relacje o firmach i założycielach budujących przyszłość sztucznej inteligencji.
Przeczytaj więcej aktualności o startupach AI →
