Smallest.ai får 13 miljoner dollar för att bygga röst-AI som låter mänsklig
Startupen Smallest.ai har tagit in 13 miljoner dollar för att utveckla röstmodeller som ska göra det svårt att skilja AI-samtal från riktiga människor – med andra ord klara ett slags telefonversion av Turingtestet. Det intressanta här är inte pengarna i sig, utan att röst-AI börjar bli tillräckligt bra för att det faktiskt är en utmaning att avgöra vem man pratar med.
Djupdykning
Smallest.ai har tagit in 13 miljoner dollar för att lösa ett av röstteknikens mest irriterande problem: den där halvsekundens konstiga paus innan AI:n svarar, som omedelbart avslöjar att du pratar med en bot. De fokuserar på latens – alltså fördröjningen mellan att du säger något och att systemet svarar – och hävdar att de kan komma under 100 millisekunder, vilket ungefär är vad mänskliga samtal känns ut med. Det är inte modellens röst som är det svåra längre, det kan de flesta lösa, utan det är den naturliga rytmen i ett samtal – avbrott, pauser, fyllnadsord – som skiljer trovärdig röst-AI från irriterande röst-AI. Det de flesta missar i den här vågen av röst-AI-bolag är att kampen inte längre handlar om att låta mänsklig, den kampen är i princip vunnen. Nästa front är om AI:n kan navigera de sociala koderna i ett telefonsamtal: att inte prata i mun på dig, att veta när tystnad är okej, att hantera "vänta lite" utan att krascha. Lyckas Smallest.ai med det handlar det inte bara om kundtjänstbottar – hela infrastrukturen för hur företag kommunicerar med kunder per telefon kan ritas om från grunden.