音声AIプラットフォームであるPhonicは、Luxからの投資を確保しています

AI生成の音声は、かなり良くなっていますね。オーディオブック、ポッドキャスト、記事の読み上げ、さらには基本的なカスタマーサポートにも十分対応できるレベルです。でも、多くの企業はまだAI音声技術の信頼性に完全に納得していないようです。

そこで、MIT出身のモイン・ナディームとニキル・マーフィーが登場します。彼らはPhonicという会社を立ち上げ、合成音声の信頼性を高めつつ、遅延を減らすことに注力しています。この二人はMITで出会ってから7年以上も友人関係にあります。昨年Phonicを始めたとき、市場にギャップがあることに気づきました。本格的な音声技術ソリューションを提供している企業がほとんどなかったのです。

「音声AIは、自動音声認識やテキスト読み上げなどの異なる要素を組み合わせ、さらに知能を加える段階にあります」とマーフィーはTechCrunchに説明しました。「でも、実際の顧客と話してみると、大規模に信頼性高く対応できるソリューションが不足していることがわかりました。」

かつてMosaicML（2023年にDatabricksが13億ドルで買収）で働いていたナディームは、VapiやRoundedのような音声AI分野の多くの企業が、異なるAIモデルを寄せ集めているだけだと指摘します。一方、Phonicは違います。彼らはモデルを最初から最後まで自社でトレーニングしています。マーフィーはこのアプローチには大きな利点があると考えています。

「モデルを自社で所有することで、モデルそのものに確かな信頼性機能をしっかりと組み込むことができます」と彼は言いました。「その層をコントロールできない場合、うまく噛み合わない部品をただくっつけようとしているだけになります。」

さらに、マーフィーは、Phonicのやり方ならモデルをコスト効率よくホストし、実行できると述べました。彼らは、アクセントのある音声やこもった音声など、さまざまな録音でモデルをトレーニングし、非常に堅牢であることを保証しています。

現在、Phonicは保険や医療業界の選ばれたパートナーと協力していますが、数ヶ月後にはより広範なローンチを予定しています。ナディームは、近いうちに興味のある人は誰でもPhonicのウェブサイトからその技術を試せると話しています。

Phonicは400万ドルのシード資金を調達しており、Luxがリードするラウンドには、Replitの共同創業者アムジャド・マサド、Hugging Faceの共同創業者クレム・デランギュー、Applied Intuitionの共同創業者カサール・ユーニス、Modal Labsの創業者エリック・バーナードソンといったビッグネームも参加しています。

Lux Capitalのグレース・イスフォードは、Phonicの自社でのモデルトレーニングという独自のアプローチに惹かれたと述べました。「モインとニキルはどちらも素晴らしい技術者だと思います」と彼女は言いました。「彼らはMITで機械学習クラブを始め、モデルトレーニングに取り組んできました。音声AI分野での拡散モデルと独自モデルの組み合わせはかなり革新的です。」