Smallest.ai 融资 1300 万打造超低延迟语音 AI
初创公司 Smallest.ai 获融资 1300 万美元,专注开发超低延迟的语音 AI 模型,目标让 AI 电话通过图灵测试。
完整中文译文
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。”