Rime ने AI फोन कॉल को रोबोट जैसा कम बनाने के लिए $24 मिलियन जुटाए
यह सैन फ्रांसिस्को स्टार्टअप अपने वॉयस मॉडल को स्क्रैप किए गए इंटरनेट ऑडियो के बजाय वास्तविक रिकॉर्ड किए गए संवादों पर प्रशिक्षित करता है। इसकी सट्टा: बेहतर डेटा मतलब एंटरप्राइज ग्राहक फोन बंद करना बंद कर देते हैं।
मुख्य बिंदु
- Rime, एक सैन फ्रांसिस्को वॉयस AI स्टार्टअप, ने 2025 में M13 Ventures द्वारा नेतृत्व वाले Series A में $24 मिलियन जुटाए।
- कंपनी ने वेब से ऑडियो स्क्रैप करने के बजाय संवादात्मक प्रशिक्षण डेटा एकत्र करने के लिए अपना रिकॉर्डिंग स्टूडियो बनाया है।
- क्लाइंट में Mayo Clinic, Dialpad, Upstart, और Asurion शामिल हैं जो स्वास्थ्यसेवा, एयरलाइंस, खाद्य सेवा और फिनटेक में काम करते हैं।
- Rime ने पहले मई 2024 में सीड राउंड में $5.5 मिलियन जुटाए थे।
- कंपनी में 35 लोग काम करते हैं और मॉडल विकास, इंजीनियरिंग और साझेदारी के लिए नियुक्ति की योजना है।
यदि आपने कभी किसी कंपनी को कॉल किया है, सत्रह बार शून्य दबाया है, और फिर भी एक रोबोट को स्क्रिप्ट पढ़ते हुए सुना है, तो आप पहले से ही समझते हैं कि Rime किस समस्या को ठीक करने की कोशिश कर रहा है।
यह स्टार्टअप, जिसकी स्थापना 2022 में पूर्व Stanford PhD छात्र Lily Clifford, पूर्व-Amazon Alexa इंजीनियर Brooke Larson, और Stanford इंजीनियर Ares Geovanos ने की थी, ने इस हफ्ते $24 मिलियन Series A की घोषणा की। Twilio Ventures, Corazon Capital, और Unusual Ventures ने इस राउंड में lead investor M13 Ventures के साथ शामिल हुए, जो पहली बार TechCrunch AI द्वारा रिपोर्ट किया गया था।
AI वॉयस एजेंट बनाने वाली कंपनियों की भीड़ वाली जगह में ElevenLabs, Deepgram, Vapi, और Sierra जैसे नाम शामिल हैं। Rime का कोण प्रशिक्षण डेटा ही है। इंटरनेट से ऑडियो खींचने के बजाय, टीम ने सैन फ्रांसिस्को में एक रिकॉर्डिंग स्टूडियो बनाया और अपनी स्वयं की संवादात्मक सामग्री रिकॉर्ड की। विचार यह है कि वास्तविक, प्राकृतिक भाषण पर प्रशिक्षित आवाजें मुश्किल ब्रांड नामों और उद्योग जार्गन को संभालती हैं, ग्राहक को सप्ताह बिताने के बजाय मॉडल को कस्टम उच्चारण सिखाने की जरूरत नहीं है।
Rime जिसे फोनीम-आधारित आर्किटेक्चर कहता है, का उपयोग करता है, मतलब सिस्टम भाषण ध्वनियों के निर्माण खंडों को सीखता है न कि पूरे शब्दों को याद रखता है। यह विभिन्न उच्चारणों और शर्तों के अनुकूल होने देता है बिना हर बार एक नया क्लाइंट साइन अप करने पर पूर्ण पुनः प्रशिक्षण के।
क्या यह वास्तव में बेहतर लगता है?
ईमानदारी से, Rime के सीईओ भी कहते हैं कि पूरी श्रेणी के पास अभी भी बहुत लंबा रास्ता है। Clifford ने आज के AI वॉयस एजेंट्स को "कुछ हद तक एक नया IVR है, लेकिन बेहतर आवाज के साथ" के रूप में वर्णित किया, IVR इंटरैक्टिव वॉयस रिस्पांस सिस्टम है, बिलिंग के लिए प्रेस-1 तकनीक जो कंपनियों ने दशकों तक उपयोग की है। उन्होंने निवेशकों को बताया कि अधिकांश एंटरप्राइज अभी भी उन पुरानी प्रणालियों पर भरोसा करते हैं क्योंकि AI वॉयस अभी तक अधिकांश कॉल को संभालने के लिए काफी विश्वसनीय नहीं है।
यह ईमानदारी ताज़ा है, और यह आकार देता है कि Rime नया पैसा कहाँ लगा रहा है। कंपनी अलग-अलग मॉडल की एक पाइपलाइन के साथ शुरू हुई: एक भाषण को टेक्स्ट में बदलने के लिए, एक प्रतिक्रिया उत्पन्न करने के लिए, एक इसे वापस बोलने के लिए। यह अब एक भाषण-से-भाषण दृष्टिकोण की ओर स्थानांतरित हो रहा है, मतलब AI सुनता है और सबकुछ बीच में टेक्स्ट में बदले बिना जवाब देता है। लक्ष्य तेज़ प्रतिक्रियाएं और अधिक प्राकृतिक आगे-पीछे है।
किसी भी व्यक्ति के लिए जिसने हाल ही में किसी कंपनी की हेल्पलाइन को कॉल किया है, तेज़ और कम रोबोटिक एक उचित उद्देश्य लगता है।
Rime का दावा है कि इसका दृष्टिकोण कॉलरों को लाइन पर लंबे समय तक रखता है, जिसने इसे Mayo Clinic और Asurion सहित क्लाइंट के साथ एंटरप्राइज अनुबंध प्राप्त करने में मदद की। कंपनी के नए Chief Scientist, Rafael Valle, पहले Meta Superintelligence Labs और NVIDIA में ऑडियो अनुसंधान पर काम करते थे।
गोपनीयता पर: Rime अपने स्वयं के प्रशिक्षण ऑडियो रिकॉर्ड करता है, और इसके ग्राहकों के कॉल डेटा इसकी प्रणालियों के माध्यम से बहता है। यदि आपकी कंपनी ग्राहक कॉल के लिए Rime का उपयोग करती है, तो उन बातचीत को एक तीसरे पक्ष द्वारा संसाधित किया जाता है। यदि आप किसी नियंत्रित उद्योग में काम करते हैं तो मुद्रित शब्द देखने लायक है।
