Rime با ۲۴ میلیون دلار سرمایه، تماس‌های مشتریان را متحول می‌کند

در دنیای فناوری، هوش مصنوعی صوتی به سرعت در حال پیشرفت است و شرکت‌های بزرگی مانند ElevenLabs، Deepgram و Vapi در این عرصه رقابت می‌کنند. اما یک استارتاپ نوپای سان‌فرانسیسکویی به نام Rime با رویکردی متفاوت وارد میدان شده است: ساخت مدل‌های صوتی سفارشی بر اساس داده‌های مکالمه‌ای که خودش جمع‌آوری می‌کند. این شرکت به تازگی اعلام کرد که در دور سرمایه‌گذاری سری A به مبلغ ۲۴ میلیون دلار جذب کرده است؛ سرمایه‌ای که قرار است صرف توسعه مدل‌های گفتگو‌به‌گفتگو و کاهش تأخیر در مکالمات شود.

Rime که در سال ۲۰۲۲ توسط لیلی کلیفورد (دانشجوی سابق دکتری استنفورد)، بروک لارسون (مهندس سابق آمازون الکسا) و آرس جیووانوس (مهندس استنفورد) پایه‌گذاری شد، یک استودیوی ضبط در سان‌فرانسیسکو راه‌اندازی کرده تا به جای تکیه بر داده‌های وب، داده‌های مکالمه‌ای واقعی را گردآوری کند. این داده‌ها سپس برای آموزش مدل‌های صوتی استفاده می‌شود تا تلفظ اسامی برندها، اصطلاحات تخصصی و عبارات مختلف را با دقت بیشتری بازتولید کند. نتیجه این شده که به ادعای Rime، مشتریان در تماس‌های پشتیبانی یا فروش، مدت بیشتری روی خط می‌مانند و این موضوع به عقد قرارداد با مشتریانی چون Mayo Clinic، Dialpad، Upstart و Asurion منجر شده است.

لیلی کلیفورد، مدیرعامل Rime، با اشاره به شکاف میان فناوری‌های جدید و سامانه‌های قدیمی پاسخگویی خودکار (IVR) می‌گوید: «فناوری صوتی هنوز نمی‌تواند اکثر تماس‌های سازمانی را خودکار کند. مدل‌های زبانی بزرگ (LLM‌ها) ساخت برنامه‌های صوتی را آسان‌تر کرده‌اند، اما تجربه مکالمه با یک عامل هوش مصنوعی همچنان راضی‌کننده نیست. انگار یک IVR جدید داریم، فقط با صدایی بهتر.» به همین دلیل، Rime قصد دارد به جای استفاده از زنجیره جداگانه‌ای از مدل‌های گفتار به متن، متن به گفتار و LLM، مستقیماً به سراغ مدل‌های گفتگو‌به‌گفتگو (speech-to-speech) برود تا ضمن کاهش تأخیر و بهبود نوبت‌گیری در مکالمه، مشکلاتی مانند نویز پس‌زمینه را هم حل کند.

به گزارش TechCrunch، این استارتاپ که ماهانه بیش از ۱۰۰ میلیون تماس را مدیریت می‌کند، با سرمایه جدید تیم ۳۵ نفره خود را گسترش خواهد داد و در حوزه‌های توسعه مدل، مهندسی و همکاری‌های تجاری نیرو جذب می‌کند. همچنین به تازگی رافائل واله را که سابقه کار در آزمایشگاه‌های متا و Nvidia را دارد، به عنوان دانشمند ارشد به خدمت گرفته است.

مورگان بلومبرگ از شرکت سرمایه‌گذاری M13 Ventures که رهبری این دور را بر عهده داشت، می‌گوید: «شرکت‌هایی مثل ElevenLabs به سمت ارائه راهکارهای یکپارچه و رقابت مستقیم با Sierra و Decagon رفته‌اند. اما به نظر من هنوز کارهای فنی زیادی باقی مانده، و رویکرد Rime در ساخت بهترین مدل با تأخیر کم و قابلیت اطمینان بالا در محیط‌های قانون‌مند، متمایز است.» بلومبرگ با این سرمایه‌گذاری به هیئت مدیره Rime نیز می‌پیوندد.

با توجه به پیشرفت‌های سریع در هوش مصنوعی مکالمه‌ای، شاید در آینده‌ای نه چندان دور، سامانه‌های پاسخگویی خودکار سنتی به کلی منسوخ شوند و شرکت‌ها بتوانند تماس با مشتریان را به عوامل هوش مصنوعی با صدای کاملاً طبیعی بسپارند. استارتاپ Rime با این دور سرمایه‌گذاری، یک قدم دیگر به این هدف نزدیک‌تر شده است.