اکثر ما در همان ثانیه‌های نخست تماس تلفنی متوجه می‌شویم که با یک ربات سخنگو طرف هستیم نه یک انسان واقعی. استارت‌آپ Smallest.ai با هدف تغییر این تجربه، سرمایه‌گذاری ۱۳ میلیون دلاری جدیدی جذب کرده تا دستیارهای صوتی هوش مصنوعی بی‌نهایت سریع و طبیعی توسعه دهد؛ مدل‌هایی که تمایز آن‌ها با صدای انسان تقریباً غیرممکن خواهد بود.
رویکرد متفاوت Smallest.ai؛ مدل‌های صوتی کوچک به جای LLMهای سنگین
بر خلاف اکثر فعالان حوزه فناوری که سعی دارند مدل‌های زبانی بزرگ (LLM) را سریع‌تر کنند، استارت‌آپ Smallest.ai مسیر متفاوتی را انتخاب کرده است. این شرکت بر این باور است که کلید اصلی در ساخت مدل‌های صوتی تخصصی و کوچک‌تر نهفته است که هم‌زمان قادر به شنیدن، فکر کردن و پاسخ دادن باشند.
مدل توسعه‌یافته توسط این استارت‌آپ دقیقاً مانند مغز انسان عمل می‌کند. سودارشان کامات (Sudarshan Kamath)، بنیان‌گذار Smallest.ai، توضیح می‌دهد زمانی که انسان‌ها با هم گفتگو می‌کنند، در حین شنیدن صحبت‌های طرف مقابل فکر می‌کنند و حتی ممکن است وسط حرف او بپرد. مدل‌های زبانی بزرگ معمولاً ابتدا کل دستور را دریافت کرده و سپس پردازش را آغاز می‌کنند که این امر باعث ایجاد تأخیر ناخوشایند در مکالمات صوتی می‌شود.
- معماری دوگانه‌ی هوشمند: استفاده از یک مدل صوتی کوچک برای مکالمه بدون تأخیر و یک مدل پایه بزرگ‌تر برای تحلیل مسائل پیچیده.
- عبور از آزمون تورینگ: هدف اصلی این مدل‌ها، ایجاد مکالماتی است که کاربر نتواند هوش مصنوعی بودن آن را تشخیص دهد.
- پوشش لهجه‌ها و زبان‌های متنوع: تمرکز بر پردازش دقیق لهجه‌های مختلف و عملکرد بی‌نقص در محیط‌های پر سر و صدا.
جذب سرمایه ۱۳ میلیون دلاری و ورود به رقابت داغ هوش مصنوعی صوتی
دور جدید سرمایه‌گذاری سری A این استارت‌آپ به رهبری Seligman Ventures و با مشارکت Sierra Ventures و 3one4 Capital انجام شده و مجموع سرمایه جذب‌شده توسط این شرکت را به بیش از ۲۱ میلیون دلار رسانده است.
این استارت‌آپ در حال حاضر مشتریانی نظیر RingCentral و Truecaller دارد و بازار هدف خود را تمامی شرکت‌های ارائه دهنده خدمات پشتیبانی مشتریان می‌داند. Smallest.ai در این مسیر با رقبای سرشناسی چون ElevenLabs و Cartesia رقابت می‌کند، اما تمرکز اختصاصی خود را بر روی عوامل صوتی تعاملی زنده برای کسب‌وکارها معطوف کرده است.
سوالات متداول
چرا Smallest.ai از مدل‌های زبانی بزرگ برای مکالمه صوتی استفاده نمی‌کند؟
مدل‌های زبانی بزرگ دارای تأخیر زمانی هستید که باعث مکث‌های غیرطبیعی در تماس‌های تلفنی می‌شود. Smallest.ai از مدل‌های کوچک برای پاسخ سریع و هم‌زمان بهره می‌برد.
تفاوت اصلی مدل Smallest.ai با سایر ابزارهای صوتی چیست؟
این مدل توانایی شبیه‌سازی رفتارهای طبیعی انسان مانند هم‌زمان شنیدن و فکر کردن، پردازش لهجه‌های مختلف و مکالمه بدون تأخیر در محیط‌های شلوغ را دارد.