Phonic, una plataforma de IA de voz, asegura la inversión de Lux

Las voces generadas por AI se han vuelto bastante buenas, ¿sabes? Están a la altura de cosas como audiolibros, podcasts, lectura de artículos en voz alta e incluso atención al cliente básico. Pero, muchas empresas todavía no están totalmente vendidas por la fiabilidad de la tecnología de voz de IA para sus operaciones.

Ahí es donde entran Moin Nadeem y Nikhil Murthy, un par de graduados del MIT. Comenzaron Phonic, una compañía que se trata de reforzar la confiabilidad de las voces sintéticas mientras reducen el retraso. Estos tipos han sido amigos durante más de siete años, desde que se conocieron en el MIT. Cuando comenzaron a Phonic el año pasado, notaron una brecha en el mercado, nadie realmente estaba ofreciendo una solución de tecnología de voz completa.

"La IA de voz está en un punto en el que estás uniendo diferentes bits, como reconocimiento automático de voz y texto a voz, y luego agregas algunas inteligencia", explicó Murthy a TechCrunch. "Pero cuando conversamos con clientes reales, nos dimos cuenta de que hay una escasez de soluciones que pueden manejar las cosas de manera confiable a gran escala".

Nadeem, que solía trabajar en Mosaicml (que Databricks se adquirió por $ 1.3 mil millones en 2023), señaló que muchas compañías en el espacio de IA de voz, como Vapi y redondeados, simplemente improvisan diferentes modelos de IA. Phonic, por otro lado, hace las cosas de manera diferente: entrenan a sus modelos de principio a fin, todos internamente. Murthy reconoce que este enfoque tiene algunas ventajas grandes.

"Cuando es dueño de los modelos, realmente puede hornear algunas características de confiabilidad sólida directamente en las modelos mismos", dijo. "Si no controlas esa capa, solo estás tratando de pegar bits que realmente no se mezclen bien".

Además, Murthy mencionó que la forma de hacer las cosas de Phonic les permite alojar y ejecutar sus modelos de una manera rentable. Entrenan a sus modelos en todo tipo de grabaciones, incluido el discurso acentuado y amortiguado, para asegurarse de que sean súper robustos.

En este momento, Phonic está trabajando con un grupo selecto de socios en las industrias de seguros y atención médica, pero se están preparando para un lanzamiento más amplio en unos pocos meses. Nadeem dijo que pronto, cualquier persona interesada puede darle un giro a Phonic's Tech directamente desde su sitio web.

Phonic logró obtener $ 4 millones en fondos de semillas, con Lux liderando la ronda y algunos grandes nombres como el cofundador de la lista Amjad Masad, el cofundador de Hugging Face, Clem DeLangue, el cofundador de la intuición aplicada Qasar Younis y el fundador modal de Labs Erik Bernhardsson.

Grace Isford de Lux Capital dijo que se sintieron atraídos por el enfoque único de Phonic para los modelos de entrenamiento internos. "Creemos que tanto Moin como Nikhil son tecnólogos increíbles", dijo. "Comenzaron un club de aprendizaje automático en el MIT y han estado trabajando en modelos de capacitación durante un tiempo. Su método de mezclar difusión y modelos patentados en el sector de IA de voz es bastante innovador".