Стартап Rime привлёк $24 млн в раунде Series A на фоне роста интереса компаний к голосовым ИИ-сервисам для продаж, маркетинга и поддержки клиентов.
Крупные организации передают обработку звонков разработчикам голосовых моделей, таким как ElevenLabs и Deepgram, поставщикам инфраструктуры вроде Vapi, Retell и LiveKit, а также компаниям, которые специализируются на клиентской поддержке, включая Decagon и Sierra.
Rime из Сан-Франциско пытается выделиться на этом рынке за счёт голосовых моделей, обученных на собственных разговорных данных. Компания считает, что такой подход снижает объём донастройки со стороны корпоративных клиентов.
Стартап основан в 2022 году Лили Клиффорд, бывшей аспиранткой Stanford, Брук Ларсон, экс-инженером Amazon Alexa, и инженером Stanford Аресом Геованосом. Для сбора данных компания построила в Сан-Франциско собственную студию записи, а не использует аудио, собранное из открытого интернета.
По словам компании, Rime настраивает модели так, чтобы они точнее произносили названия брендов и термины из конкретных отраслей. Для этого стартап использует архитектуру на основе фонем, чтобы учитывать разные варианты произношения без переобучения моделей под каждый сектор.
Раунд возглавил M13 Ventures. Также в нём участвовали Twilio Ventures, Corazon Capital, Unusual Ventures и другие действующие инвесторы.
Клиффорд сказала, что, несмотря на прогресс в голосовом ИИ, компании по-прежнему часто предпочитают традиционные IVR-системы, потому что современные голосовые ИИ-решения пока уступают им по эффективности.
«Технология всё ещё не готова автоматизировать большую часть корпоративных телефонных звонков. LLM сильно упростили создание работающих голосовых приложений, но не изменили сам опыт взаимодействия. Общение с голосовым ИИ-агентом пока не выглядит самым убедительным сценарием для конечного пользователя. Это похоже на новый IVR, но с более качественным голосом», — сказала Лили Клиффорд.
Изначально Rime использовала связку отдельных моделей для распознавания речи, синтеза речи и большой языковой модели. Сейчас компания смещает фокус на speech-to-speech-модели, чтобы снизить задержку, улучшить смену реплик в диалоге и лучше справляться с фоновым шумом.
Новый подход также должен сократить зависимость от оркестрации нескольких моделей и упростить управление системой.
Rime сообщает, что уже работает с клиентами из общепита, здравоохранения, авиаперевозок и финтеха. По утверждению компании, её данные для обучения и подход к моделям помогают удерживать клиентов на линии дольше, что позволило получить контракты с Mayo Clinic, Dialpad, Upstart и Asurion.
После нового раунда Rime планирует расширить команду из 35 человек. Компания собирается нанимать специалистов по разработке моделей, инженерии и партнёрствам.
Недавно стартап также назначил главным научным сотрудником Рафаэля Валле, который ранее занимался аудиопониманием в Meta Superintelligence Labs и в команде прикладных исследований аудио и глубокого обучения NVIDIA.
«Компании вроде ElevenLabs перешли в слой оркестрации и приложений и напрямую конкурируют с Sierra и Decagon. Но в технологиях ещё многое предстоит сделать, и подход Rime с упором на лучшую модель, низкую задержку и стабильную работу в регулируемой среде заметно выделяется», — сказал TechCrunch партнёр M13 Морган Блумберг.
Ранее, в мае прошлого года, компания уже привлекла $5,5 млн в посевном раунде. В рамках новой сделки Блумберг войдёт в совет директоров стартапа.
Источник: TechCrunch.
*Организация Meta (владелец Facebook и Instagram) признана экстремистской организацией и ее деятельность запрещена на территории России.
