Smallest.ai 融资 1300 万打造超低延迟语音 AI

尽管 AI Agent 解决客户支持问题的能力越来越强，但大多数人仍然能立刻分辨出，正在与自己交谈的究竟是机器还是真人。

Smallest.ai 是一家创立于 2024 年底的初创公司。它认为，语音 Agent 的下一次飞跃，并不取决于让大语言模型变得更快，而在于使用专为人类对话打造的、更小型且更专业的模型。简单来说，这家公司希望让人们无法分辨自己是在与 AI Agent 交流，还是在与真人交谈。

为此，Smallest.ai 正在开发一种小型语音模型，通过同时进行倾听、思考和表达，模拟人类处理信息的方式。

Smallest.ai 创始人兼 CEO Sudarshan Kamath（图左）告诉 TechCrunch：“当我和你说话时，你其实已经开始思考了；如果我说得太久，你甚至可能会打断我。”他补充说，这正是这家初创公司的模型所采用的工作方式。

为了推动这一愿景落地，Smallest.ai 完成了 1300 万美元的 A 轮融资。本轮融资由 Seligman Ventures 领投，Sierra Ventures 和 3one4 Capital 参投。获得这笔新资金后，该公司的融资总额已超过 2100 万美元。

Kamath 表示：“LLM 的工作方式是，你先给它一段完整的 prompt，然后它才开始思考。”这种延迟在文字聊天中尚可接受，但在语音对话里，哪怕只是短暂停顿，都会显得不自然。“想想我们现在的交流方式：我并不会先发给你一大段音频片段，然后你才开始思考。”

Smallest.ai 的模型充当实时智能层，能够围绕特定主题与客户进行自然交流，响应延迟几乎为零。但如果模型遇到超出其有限知识库范围的话题，Smallest.ai 就会将问题转交给大型基础模型，并让客户短暂等待，以便“研究”这个问题——就像真人客服会做的那样。

Kamath 认为，所有 AI Agent 很快都会依赖两种模型：一种是负责实时交互的小型语音模型，另一种是“离线”LLM，在需要解决复杂问题时才会调用。

与大型基础模型不同，Smallest.ai 专注于语音场景特有的细节，例如处理各种不同的口音、支持数十种语言，以及在嘈杂环境中正常运行。

这家初创公司的现有客户包括 RingCentral 和 Truecaller 等语音领域企业。Kamath 表示，任何客户支持公司——包括 Sierra 和 Decagon 这类新兴公司——都有可能成为 Smallest.ai 的客户。

当被问及资金雄厚的 AI 客户支持公司为什么不自行构建语音模型时，Kamath 表示，对于客户支持初创公司来说，投入精力让自己“极其擅长语音技术”，反而会分散它们对核心业务的注意力。

Smallest.ai 的竞争对手包括语音 AI 领域的领导者 ElevenLabs、Cartesia，以及 Sarvam 等专注于本地语言的区域厂商。

一些竞争对手会将语音 AI 应用于音频配音、播客等场景，而 Smallest.ai 则只专注于为企业客户提供实时对话式语音 Agent。

Kamath 表示：“我们希望自己的模型能够突破图灵测试。你与我们的模型交谈时，不应该知道对面究竟是 AI 还是真人。这就是公司唯一的重点。”