Sesli yapay zeka girişimleri için en büyük fırsat, kurumsal şirketlerin satış, pazarlama ve müşteri desteği gibi alanlardaki çağrılarını üstlenmek oldu. Büyük şirketler artık bu çağrıları ElevenLabs ve Deepgram gibi ses modeli geliştiricilerine; Vapi, Retell ve LiveKit gibi altyapı firmalarına; Decagon ve Sierra gibi özel müşteri destek şirketlerine devrediyor.
San Francisco merkezli Rime ise bu kalabalık pazarda, kendi kaydettiği konuşma verileriyle eğittiği sesli yapay zeka modelleriyle öne çıkmaya çalışıyor. Şirket, müşterilerinin özelleştirme yükünü azaltmayı hedefliyor.
2022 yılında eski Stanford doktora öğrencisi Lily Clifford, eski Amazon Alexa mühendisi Brooke Larson ve Stanford mühendisi Ares Geovanos tarafından kurulan Rime, San Francisco'da bir kayıt stüdyosu kurdu. Şirket, internetten ses dosyası toplamak yerine kendi konuşma verilerini bu stüdyoda topluyor.
Girişim, ses modellerini farklı marka isimlerinin ve sektöre özel terimlerin telaffuzunu doğru yapacak şekilde ayarlamaya odaklandığını belirtiyor. Fonem tabanlı bir mimari kullanarak farklı telaffuzlara uyum sağlıyor, böylece müşterilerin kendi sektörleri için modelleri yeniden eğitmesi gerekmiyor.
Rime, Çarşamba günü yaptığı açıklamada, M13 Ventures liderliğinde 24 milyon dolarlık bir Seri A yatırım turu tamamladığını duyurdu. Tura Twilio Ventures, Corazon Capital, Unusual Ventures ve diğer mevcut yatırımcılar da katıldı.
Clifford, sesli yapay zeka teknolojisinde ilerleme kaydedilmesine rağmen, kurumsal şirketlerin hâlâ geleneksel IVR (sesli yanıt sistemi) çözümlerini tercih ettiğini söyledi. Bunun nedeninin, yapay zeka ses teknolojisinin henüz IVR'nin etkinliğine ulaşamaması olduğunu belirtti.
Clifford, "Ses teknolojisi, kurumsal telefon görüşmelerinin büyük çoğunluğunu otomatikleştirecek noktada henüz değil. Büyük dil modelleri (LLM'ler), çalışan ses uygulamaları oluşturmayı çok daha kolay hale getirdi ancak etkileşim hissini değiştirmedi. Bir sesli yapay zeka asistanıyla konuşmak, son kullanıcı için pek de etkileyici bir deneyim değil. Daha iyi bir sese sahip yeni bir IVR gibi bir şey," dedi.
Girişim, ilk etapta konuşmadan metne, metinden konuşmaya ve büyük dil modeli olmak üzere ayrı modellerden oluşan bir hat kullanıyordu. Ancak şimdi odağını, gecikmeyi azaltmak, sıra almayı iyileştirmek ve arka plan gürültüsü gibi sorunları çözmek için daha iyi konuşmadan konuşmaya modeller geliştirmeye kaydırıyor. Bu yeni yaklaşım aynı zamanda orkestrasyona olan bağımlılığı da azaltacak, böylece şirketin bir dizi modeli yönetmesi gerekmeyecek.
Rime, yemek hizmeti, sağlık, havayolu ve fintech sektörlerinde müşterileri olduğunu söylüyor. Şirket, eğitim verileri ve model konumlandırması sayesinde müşterilerin görüşmelerde daha uzun süre kaldığını ve bunun Mayo Clinic, Dialpad, Upstart ve Asurion gibi müşterilerden kurumsal sözleşmeler kazanmasına yardımcı olduğunu iddia ediyor.
Yeni yatırımla birlikte Rime, 35 kişilik ekibini büyütmeyi planlıyor. Şirket, model geliştirme, mühendislik ve ortaklıklar için yeni çalışanlar almayı hedefliyor. Son olarak, Meta Superintelligence Labs'ta ses anlayışı ve NVIDIA'nın uygulamalı derin öğrenme ses araştırma ekibinde çalışan Rafael Valle'yi Baş Bilim İnsanı olarak bünyesine kattı.
M13'ten Morgan Blumberg, "ElevenLabs gibi şirketler orkestrasyon ve uygulama katmanına geçerek dünyadaki Sierra ve Decagon'larla rekabet etmeye başladı. Bence teknik olarak yapılacak çok daha fazla şey var ve Rime'ın düzenlenmiş bir ortamda düşük gecikme ve yüksek güvenilirlikle en iyi modeli geliştirme yaklaşımı öne çıkıyor," dedi.
Şirket, daha önce geçen Mayıs ayında 5,5 milyon dolarlık bir tohum yatırımı almıştı. Blumberg, bu yatırım turu kapsamında girişimin yönetim kuruluna katılıyor.
