Rime залучає $24 млн, щоб зробити AI телефонні дзвінки менш схожими на розмову з роботом
Стартап з Сан-Франциско тренує свої голосові моделі на реальних записаних розмовах, а не на аудіо, зібраному з інтернету. Його ставка: кращі дані означають, що корпоративні клієнти перестануть скидати трубку.
Ключові моменти
- Rime, стартап голосового AI з Сан-Франциско, залучив $24 млн у раунді Series A під керівництвом M13 Ventures у 2025 році.
- Компанія побудувала власну звукозаписну студію для збору розмовних даних навчання замість скрепінгу аудіо з веб-сайтів.
- Клієнтами є Mayo Clinic, Dialpad, Upstart та Asurion у сфері охорони здоров'я, авіаліній, харчування та фінтеху.
- Rime раніше залучив $5,5 млн у раунді seed у травні 2024 року.
- Компанія налічує 35 працівників і планує наймати фахівців для розробки моделей, інженерії та партнерств.
Якщо ви коли-небудь дзвонили в компанію, натискали нуль сімнадцять разів і все одно закінчували тим, що слухали робота, який читає скрипт вам, ви вже розумієте проблему, яку Rime намагається вирішити.
Стартап, заснований у 2022 році колишньою аспіранткою Стенфорда Ліллі Кліффорд, колишнім інженером Amazon Alexa Брук Ларсон та інженером Стенфорда Аресом Геованосом, оголосив про $24 млн Series A цього тижня. Twilio Ventures, Corazon Capital та Unusual Ventures приєдналися до головного інвестора M13 Ventures у раунді, про що першим повідомив TechCrunch AI.
Переповнена сфера компаній, які розробляють AI голосові агенти, включає такі назви, як ElevenLabs, Deepgram, Vapi та Sierra. Кут Rime полягає в самих даних навчання. Замість витягування аудіо з інтернету, команда побудувала звукозаписну студію в Сан-Франциско та записала власний розмовний матеріал. Ідея полягає в тому, що голоси, навчені на реальній, природній мові, справляються зі складними назвами брендів та галузевою термінологією без необхідності клієнтам витрачати тижні на навчання моделі спеціальним вимовам.
Rime використовує те, що він називає архітектурою, заснованою на фонемах, що означає, що система вивчає будівельні блоки звуків мови, а не запам'ятовує цілі слова. Це дозволяє їй адаптуватися до різних акцентів та термінів без повного перенавчання щоразу, коли новий клієнт реєструється.
Чи насправді все це звучить краще?
Чесно кажучи, сама генеральна директорка Rime каже, що вся категорія все ще має далеко йти. Кліффорд описала сьогоднішніх AI голосових агентів як «трохи як новий IVR, але з кращим голосом», IVR — це система інтерактивної голосової відповіді, технологія press-1-for-billing, яку компанії використовують десятиліттями. Вона розповіла інвесторам, що більшість підприємств все ще довіряють цим старішим системам, тому що AI голос ще не досить надійний, щоб обробляти більшість дзвінків.
Така чесність освіжаюча, і вона впливає на те, куди Rime спрямовує нові кошти. Компанія почала з конвеєра окремих моделей: одна для перетворення мови на текст, одна для генерації відповіді, одна для її озвучування. Зараз вона переходить до підходу мова-на-мову, що означає, що AI слухає та відповідає без перетворення всього на текст посередині. Мета — швидші відповіді та більш природна взаємодія.
Для всіх, хто нещодавно дзвонив на гарячу лінію компанії, швидше та менш механічне звучання — це розумна амбіція.
Rime стверджує, що його підхід утримує абонентів на лінії довше, що допомогло йому отримати корпоративні контракти з клієнтами, включаючи Mayo Clinic та Asurion. Новим науковим керівником компанії став Рафаель Валле, який раніше працював над дослідженнями аудіо в Meta Superintelligence Labs та NVIDIA.
Щодо приватності: Rime записує своє власне навчальне аудіо, а дані дзвінків своїх клієнтів проходять через її системи. Якщо ваша компанія використовує Rime для дзвінків клієнтів, ці розмови обробляються третьою стороною. Варто перевірити дрібний шрифт, якщо ви працюєте в регульованій сфері.
