Smallest.ai、音声AIで1300万ドル調達

2024年後半に設立されたSmallest.aiは、Seligman Venturesが主導する1300万ドルのシリーズAを発表した。Sierra VenturesおよびOneone4 Capitalも参加している。資金調達により、同社の総資本調達額は2100万ドルを超えた。同社は、ほとんどの現在の音声AI システムに悩まされている不自然な一時停止を排除することで、AIエージェントとの会話を人間のように感じさせる、小規模で特化した音声モデルを構築している。

コア・イノベーションは、人間が音声を処理する方法と同じように機能する音声モデルである。すなわち、同時に聴き、考え、話す。創業者兼CEOのSudarshan Kamathが TechCrunchに説明したように、「私があなたに話している間、あなたはすでに考えており、もし私が長く話し続けたら、あなたは私を遮るかもしれない。これは正確にスタートアップのモデルが動作するように設計された方法である」。標準的な大規模言語モデルは異なった方法で動作する。プロンプト全体を受け取り、その後に処理を開始する。これにより注目すべきレイテンシーが導入される。テキスト チャットでは、そのような遅延は許容可能である。音声会話では、不自然で不安定に感じられる。Smallest.aiのモデルは、リアルタイムのインテリジェンス層として機能し、特定のトピックに関する自然な顧客会話をほぼゼロの応答遅延で可能にする。モデルが限定されたナレッジベースの外にあるサブジェクトに遭遇した場合、クエリを大規模な基盤モデルに引き継ぎ、顧客を短時間保留にして問題を「研究」する。人間のサポートエージェントが不慣れな問題に対処する方法を模倣している。

Kamathは、AIエージェントの未来はリアルタイム相互作用のための小規模音声モデルと、必要に応じて複雑な問題解決のために呼び出される「オフライン」大規模言語モデルという2つのモデルに依存していると考えている。大規模な基盤モデルとは異なり、Smallest.aiは音声固有のニュアンスに厳密に焦点を当てている。多様なアクセント、数十言語のサポート、騒音環境での信頼性の高い動作である。同社の既存顧客にはRingCentralおよびTruecallerが含まれる。Kamathは、SierraおよびDecagonなどの新興企業を含むあらゆるカスタマーサポート企業が、Smallest.aiのテクノロジーから恩恵を受ける可能性があることを指摘した。資金豊富なAIカスタマーサポート企業が独自の音声モデルを構築しないのはなぜかと聞かれたとき、Kamathは、音声で「非常に優れた」になることは彼らのコアビジネスからの「気を散らすこと」だと答えた。

Smallest.aiはElevenLabs（主要な音声AI企業）およびCartesia、ならびにローカル言語に焦点を当てるSarvamなどの地域プレイヤーと競合している。しかし、Smallest.aiのポジショニングは異なっている。一部の競合他社は音声AIをダビングおよびポッドキャスティングに適用している一方、Smallest.aiは企業顧客向けの リアルタイム会話型音声エージェントに専念している。Kamathは同社の中心的な野心を述べた。「私たちは、私たちのモデルがチューリング・テストを破ってほしいと考えている。あなたは私たちのモデルに話しかけるべきであり、それがAIか人間かを知らないべきである。これが同社の唯一の焦点である。」