Раунд настає, коли ринок голосового штучного інтелекту нагрівається, а інвестори прагнуть зробити наступний крок за межі текстових чат-ботів. Слідкуйте за нашими останніми новинами зі штучного інтелекту, щоб постійно розповідати про стартапи, які змінюють індустрію штучного інтелекту.
Ставка на маленькі, спеціалізовані моделі голосу
Основна теза Smallest.ai полягає в тому, що наступний прорив у голосових агентах стане не завдяки прискоренню великих мовних моделей, а створенню менших, спеціально створених моделей, розроблених спеціально для спілкування між людьми. Виконавчий директор Сударшан Камат сказав TechCrunch, що сучасні LLM принципово не відповідають ритму мови: вони чекають повної підказки, перш ніж почати «думати», затримка, яка виглядає природною в текстовому чаті, але різкою під час телефонної розмови.
«Поки я розмовляю з вами, ви вже думаєте, і ви можете перервати мене, якщо я буду говорити занадто довго», — пояснив Камат, описуючи характер людського діалогу в режимі реального часу, який накладається один на одного, який розроблено для повторення моделі його стартапу. Модель обробляє аудіо, слухаючи, думаючи та говорячи одночасно, прагнучи до практично нульової затримки відповіді.
Двомодельна архітектура
Система Smallest.ai спирається на те, що, за прогнозами Kamath, стане стандартною архітектурою для агентів штучного інтелекту: маленька, блискавична голосова модель обробляє живу розмову, тоді як «офлайн» велика базова модель викликається лише тоді, коли запит перевищує базу знань меншої моделі. Коли це трапляється, система ненадовго переводить абонента в режим очікування, щоб «дослідити» проблему, подібно до того, як це може зробити агент-людина.
Такий розподіл праці дозволяє стартапу зосередити свою невелику модель виключно на голосових викликах, зокрема на обробці різноманітних акцентів, підтримці десятків мов і роботі в шумному середовищі. Навпаки, конкуренти, які застосовують LLM загального призначення до голосу, повинні боротися з набагато більшою затримкою та витратами на обчислення.
Клієнти та конкуренція
Існуючі клієнти Smallest.ai включають компанії в сфері голосового зв’язку та зв’язку, серед яких RingCentral і Truecaller. Камат стверджував, що добре фінансовані стартапи, які займаються підтримкою клієнтів, мають мало стимулів для створення власних голосових моделей, оскільки стати «надзвичайно вправним голосом — це відволікає від їх основного бізнесу».
Стартап конкурує з лідером голосового ШІ ElevenLabs, а також Cartesia та регіональними гравцями, такими як Sarvam, які зосереджуються на місцевих мовах. У той час як деякі конкуренти застосовують голосовий штучний інтелект для дубляжу та подкастингу, Smallest.ai зосереджується виключно на розмовних агентах у реальному часі для корпоративних клієнтів.
Тест Тьюринга для голосу
Амбіції Камата однозначні. «Ми хочемо, щоб наші моделі зламали тест Тюрінга», — сказав він. «Ви повинні розмовляти з нашою моделлю і не знати, що це штучний інтелект чи людина. Це єдиний фокус компанії».
Питання, чи можна досягти цієї планки в найближчій перспективі, залишається відкритим. За останні два роки природність голосового штучного інтелекту різко покращилася, але навіть найкращі системи все ще борються з тонкими ознаками — ваганнями, гумором, емоційними перегинами — які роблять людську розмову живою. Smallest.ai робить ставку на те, що модель, спеціально створена для мовлення, а не адаптована з тексту, навченого LLM, може усунути цю прогалину швидше, ніж очікує галузь.
Переповнений, але швидкозростаючий ринок
Фінансування підкреслює ширший ентузіазм інвесторів щодо категорії голосового ШІ. Голосові інтерфейси все частіше розглядаються як найбільш природний спосіб для споживачів взаємодіяти з агентами штучного інтелекту, а корпоративні кол-центри представляють собою величезний ринок з миттєвою адресацією, де навіть невеликі покращення затримки та природності можуть призвести до вимірної економії коштів.
Маючи на руках 21 мільйон доларів, Smallest.ai планує розширити свої модельні можливості та розширити корпоративну клієнтську базу. Однак конкурентна ситуація невблаганна: ElevenLabs займає значну частку ринку, а більші гравці продовжують інтегрувати голос у свої флагманські продукти. Диференціація Smallest.ai базується на передумові, що цілеспрямована, спеціалізована модель голосу може перевершити системи широкого профілю за одним показником, який є найбільш важливим для розмови в реальному часі — швидкістю, яка відчувається людиною.
Будьте попереду ШІ
Від голосових агентів до передових моделей, угоди та прориви відбуваються швидко. Додайте в закладки AI Buzz Wire для постійного висвітлення компаній і засновників, які будують майбутнє штучного інтелекту.
Читати більше новин щодо запуску ШІ →
