Smallest.ai привлёк $13 млн на голосовой ИИ, который не отличить от человека

Стартап Smallest.ai, основанный в конце 2024 года, закрыл раунд Series A на $13 млн. Раунд возглавила Seligman Ventures, в нём также участвовали Sierra Ventures и 3one4 Capital. Суммарное финансирование компании превысило $21 млн.

Цель стартапа — сделать разговор с ИИ-агентом неотличимым от общения с живым человеком. Для этого команда идёт нестандартным путём: вместо того чтобы ускорять большие языковые модели, она строит небольшую специализированную модель, заточенную исключительно под голосовое взаимодействие.

Почему LLM не справляются с голосом

Ключевая проблема больших языковых моделей в голосовых сценариях — задержка. LLM получает весь запрос целиком, обрабатывает его и только потом начинает отвечать. В текстовом чате пауза в секунду-две незаметна. В живом разговоре она сразу выдаёт машину.

««Когда мы разговариваем, я не передаю тебе большой аудиофрагмент, после которого ты начинаешь думать», — объясняет основатель и CEO Smallest.ai Судхаршан Камат.»

Модель стартапа работает иначе: она слушает, обрабатывает и формирует ответ параллельно — так же, как это делает человек. Если собеседник затягивает монолог, модель способна его перебить. Именно этот принцип одновременной обработки Камат считает ключевым отличием от существующих решений.

При этом модель намеренно ограничена по охвату тем. Если вопрос выходит за рамки её знаний, система передаёт запрос большой фундаментальной модели — и на время «исследования» ставит клиента на короткую паузу, имитируя поведение живого оператора, который уточняет информацию.

Фокус на голосе как отдельная ниша

Smallest.ai не пытается конкурировать с универсальными LLM. Компания специализируется на голосовых нюансах: поддержке десятков языков, распознавании разных акцентов и работе в условиях фонового шума. Среди действующих клиентов — RingCentral и Truecaller.

Конкуренты стартапа — ElevenLabs, лидер рынка голосового ИИ, Cartesia, а также региональные игроки вроде индийского Sarvam, ориентированного на локальные языки. Однако многие из них применяют голосовой ИИ в смежных сценариях — дублировании видео, подкастах. Smallest.ai сознательно ограничивается корпоративными разговорными агентами реального времени.

Камат убеждён, что компаниям из сферы клиентской поддержки — включая таких игроков, как Sierra и Decagon, — невыгодно самостоятельно разрабатывать голосовые модели: это отвлекает от основного продукта. Именно здесь он видит рыночную нишу для Smallest.ai.

По его прогнозу, в ближайшем будущем все голосовые ИИ-агенты будут строиться на двухуровневой архитектуре: малая модель для мгновенного диалога и «офлайн» LLM для сложных задач, подключаемый по необходимости.

««Мы хотим, чтобы наши модели прошли тест Тьюринга. Вы должны говорить с нашей моделью и не понимать — человек это или ИИ. Это единственный фокус компании», — говорит Камат.»

Для белорусского IT-рынка подобные разработки актуальны в первую очередь для аутсорсинговых компаний и продуктовых стартапов, строящих решения для клиентской поддержки на западных рынках. Голосовые агенты с нулевой задержкой и поддержкой множества языков — потенциально востребованный инструмент для тех, кто разрабатывает SaaS-продукты в сегменте customer experience.

— По материалам TechCrunch: оригинальная статья. Перевод и адаптация — редакция Digital Business.