Phonic, nền tảng AI Voice AI, đảm bảo đầu tư từ Lux

Giọng nói do AI tạo ra đã trở nên khá ấn tượng, bạn biết không? Chúng đã đạt đến mức độ phù hợp cho các ứng dụng như sách nói, podcast, đọc bài viết to, và thậm chí là hỗ trợ khách hàng cơ bản. Tuy nhiên, nhiều doanh nghiệp vẫn chưa hoàn toàn tin tưởng vào độ tin cậy của công nghệ giọng nói AI cho hoạt động của họ.

Đó là lúc Moin Nadeem và Nikhil Murthy, hai cựu sinh viên MIT, xuất hiện. Họ đã thành lập Phonic, một công ty tập trung vào việc nâng cao độ tin cậy của giọng nói tổng hợp đồng thời giảm thiểu độ trễ. Hai người này đã là bạn bè hơn bảy năm, kể từ khi họ gặp nhau tại MIT. Khi khởi động Phonic vào năm ngoái, họ nhận thấy một khoảng trống trên thị trường—không ai thực sự cung cấp một giải pháp công nghệ giọng nói toàn diện.

"AI giọng nói đang ở giai đoạn mà bạn phải kết hợp các thành phần khác nhau, như nhận diện giọng nói tự động và chuyển văn bản thành giọng nói, rồi thêm một chút thông minh," Murthy giải thích với TechCrunch. "Nhưng khi chúng tôi trò chuyện với khách hàng thực tế, chúng tôi nhận ra thiếu các giải pháp có thể xử lý mọi thứ một cách đáng tin cậy trên quy mô lớn."

Nadeem, người từng làm việc tại MosaicML (được Databricks mua lại với giá 1,3 tỷ USD vào năm 2023), chỉ ra rằng nhiều công ty trong lĩnh vực AI giọng nói, như Vapi và Rounded, chỉ đang ghép nối các mô hình AI khác nhau. Phonic, ngược lại, làm mọi thứ khác biệt—họ huấn luyện mô hình của mình từ đầu đến cuối, hoàn toàn nội bộ. Murthy cho rằng cách tiếp cận này mang lại nhiều lợi ích lớn.

"Khi bạn sở hữu các mô hình, bạn thực sự có thể tích hợp các tính năng độ tin cậy vững chắc ngay vào chính các mô hình đó," anh nói. "Nếu bạn không kiểm soát lớp đó, bạn chỉ đang cố gắng ghép nối các mảnh không thực sự ăn khớp với nhau."

Ngoài ra, Murthy đề cập rằng cách làm của Phonic cho phép họ lưu trữ và vận hành các mô hình một cách tiết kiệm chi phí. Họ huấn luyện mô hình của mình trên nhiều loại bản ghi âm, bao gồm giọng nói có khẩu âm và bị bóp méo, để đảm bảo chúng cực kỳ mạnh mẽ.

Hiện tại, Phonic đang làm việc với một nhóm đối tác chọn lọc trong ngành bảo hiểm và chăm sóc sức khỏe, nhưng họ đang chuẩn bị cho một đợt ra mắt rộng rãi hơn trong vài tháng tới. Nadeem cho biết chẳng bao lâu nữa, bất kỳ ai quan tâm cũng có thể thử công nghệ của Phonic ngay từ trang web của họ.

Phonic đã huy động được 4 triệu USD trong vòng gọi vốn hạt giống, với Lux dẫn đầu vòng này và một số tên tuổi lớn như đồng sáng lập Replit Amjad Masad, đồng sáng lập Hugging Face Clem Delangue, đồng sáng lập Applied Intuition Qasar Younis, và nhà sáng lập Modal Labs Erik Bernhardsson tham gia góp vốn.

Grace Isford từ Lux Capital cho biết họ bị thu hút bởi cách tiếp cận độc đáo của Phonic trong việc huấn luyện mô hình nội bộ. "Chúng tôi nghĩ cả Moin và Nikhil đều là những nhà công nghệ xuất sắc," cô nói. "Họ đã thành lập một câu lạc bộ học máy tại MIT và đã làm việc với việc huấn luyện mô hình từ lâu. Phương pháp của họ trong việc kết hợp các mô hình khuếch tán và mô hình độc quyền trong lĩnh vực AI giọng nói khá là sáng tạo."