字数 1221，阅读大约需 7 分钟
Phonic：端到端语音技术栈如何革新AI语音领域
在人工智能语音领域，尽管AI生成的语音质量已能满足诸如有声读物、播客、文章朗读和基本客服等应用需求，但许多企业仍对大规模部署语音AI解决方案的可靠性持保留态度。为解决这一问题，麻省理工学院（MIT）的两位毕业生Moin Nadeem和Nikhil Murthy创立了Phonic，该公司提供端到端的语音技术栈，旨在提高合成语音的可靠性并降低延迟。
创始人背景与MIT深厚联系
Moin Nadeem和Nikhil Murthy在MIT相识，并已建立了超过七年的深厚友谊。在创立Phonic之前，Nadeem曾在MosaicML工作，该公司于2023年被Databricks以13亿美元收购。而Murthy则拥有在Hugging Face等知名AI公司的经验。这些经历为他们在Phonic的技术路线选择上提供了宝贵的见解。
独特的端到端训练方法
与许多在语音AI领域构建工作流以拼接不同AI模型的公司（如Vapi、Rounded）不同，Phonic采取了一种独特的方法：在内部进行端到端的模型训练。Murthy解释说，这种方法有几个显著优势。首先，拥有模型使他们能够将可靠性要素深度集成到模型本身中。其次，这种方法还允许Phonic以成本效益的方式托管和运行模型。
增强模型鲁棒性
Phonic通过在各种录音上训练其模型来增强其鲁棒性，包括带口音和模糊语音的录音。这种训练方法使得Phonic的模型能够更好地处理现实世界中的各种语音输入，从而提高其在实际应用中的可靠性。
投资者支持与未来发展潜力
Phonic已获得由Lux Capital领投的400万美元种子轮融资，其他投资者包括Replit联合创始人Amjad Masad、Hugging Face联合创始人Clem Delangue、Applied Intuition联合创始人Qasar Younis和Modal Labs创始人Erik Bernhardsson。Lux Capital合伙人Grace Isford表示，Phonic的内部模型训练方法对投资公司具有吸引力。她认为Moin和Nikhil都是杰出的技术专家，他们在MIT创立了机器学习俱乐部，并一直致力于模型训练。此外，他们在语音AI领域结合扩散模型和专有模型的方法也具有创新性。
市场扩展计划
目前，Phonic正与包括保险和医疗保健领域的公司在内的有限合作伙伴合作，但计划在未来几个月内广泛推出其产品。很快，潜在客户将能够通过Phonic的网站试用其技术。这将为Phonic提供一个机会，向更广泛的客户展示其端到端语音技术栈的优势，并进一步扩大其市场份额。
行业趋势与Phonic的定位
根据行业报告，语音AI市场预计在未来几年内将以显著的速度增长。然而，大规模部署语音AI解决方案的可靠性问题仍然是许多企业关注的焦点。Phonic通过其独特的端到端语音技术栈，为解决这一问题提供了一个有前景的解决方案。凭借其创始人的专业背景、创新的训练方法以及投资者的支持，Phonic有望在语音AI领域取得重要突破，并推动该领域的进一步发展。
技术亮点与优势
- • 端到端训练：Phonic在内部进行端到端的模型训练，使其能够将可靠性要素深度集成到模型本身中，从而提高合成语音的可靠性。
- • 鲁棒性增强：通过在各种录音上训练模型，包括带口音和模糊语音的录音，Phonic的模型能够更好地处理现实世界中的各种语音输入。
- • 成本效益：Phonic的方法还允许其以成本效益的方式托管和运行模型，这对于大规模部署语音AI解决方案的企业来说是一个重要的考虑因素。
- • 创新方法：Phonic在语音AI领域结合扩散模型和专有模型的方法具有创新性，这为其在竞争激烈的市场中提供了差异化的优势。
