לפי דיווח שפורסם באתר TechCrunch, חברת ההזנק Rime, הפועלת בתחום הבינה המלאכותית הקולית וממוקמת בעיר סן פרנסיסקו, גייסה סכום של 24 מיליון דולר במסגרת סבב גיוס הון מסוג Series A. סבב הגיוס הנוכחי של החברה הובל על ידי קרן ההון-סיכון M13 Ventures, כאשר לקחו בו חלק גם המשקיעים הקיימים של החברה, ובהם Twilio Ventures, Corazon Capital ו-Unusual Ventures, לצד משקיעים קיימים נוספים שלקחו חלק בסבב הנוכחי. חברות הזנק רבות בתחום ה-Voice AI מנסות לפרוץ לשוק זה, כאשר היכולת החשובה ביותר שלהן היא טיפול בשיחות עבור ארגונים בתחומי המכירות, השיווק ותמיכת הלקוחות. חברת Rime, אשר הוקמה בשנת 2022, מנסה להשיג יתרון תחרותי בשוק הצפוף של טכנולוגיות קול מבוססות בינה מלאכותית באמצעות פיתוח מודלים קוליים ייחודיים המאומנים על גבי נתוני שיחות שהיא מקליטה באופן עצמאי, במטרה להפחית בצורה משמעותית את עומס ההתאמה האישית הנדרש מן הלקוחות שלה.
הקמת החברה, המייסדים ואולפן הקלטות עצמאי בסן פרנסיסקו
החברה נוסדה בשנת 2022 על ידי שלושה שותפים: לילי קליפורד (Lily Clifford), דוקטורנטית לשעבר באוניברסיטת סטנפורד; ברוק לארסון (Brooke Larson), מהנדסת לשעבר בצוות העוזרת הקולית Alexa של תאגיד אמזון; וארס ג'אובנוס (Ares Geovanos), מהנדס מאוניברסיטת סטנפורד. במקום להסתמך על איסוף וגירוד (scraping) קבצי שמע ונתונים מרחבי רשת האינטרנט לצורך אימון מודלי הקול שלה, החליטה החברה לבנות אולפן הקלטות ייעודי ומשלה בעיר סן פרנסיסקו. באמצעות אולפן זה אוספת ומקליטה Rime באופן עצמאי את נתוני השיחות המדוברות המשמשים אותה לצורך פיתוח המערכת. החברה הסבירה כי היא מתמקדת בכוונון מודלי הקול שלה במטרה לדייק באופן מוחלט את ההגייה של שמות מותגים שונים של לקוחותיה וכן מונחים ספציפיים האופייניים לתעשיות שונות ומגוונות.
ארכיטקטורה פונטית והמעבר הטכנולוגי למודלי דיבור-אל-דיבור
כדי לאפשר התאמה להגיות שונות ללא צורך בכך שהלקוחות יבצעו אימון מחדש של המודלים עבור התעשייה הספציפית שבה הם פועלים, Rime משתמשת בארכיטקטורה המבוססת על פונמות (phoneme-based architecture). בתחילת דרכה פיתחה החברה תשתית טכנולוגית שהתבססה על שרשרת של מספר מודלים נפרדים: מודל להמרת דיבור לטקסט (speech-to-text), מודל להמרת טקסט לדיבור (text-to-speech) ומודל שפה גדול (LLM).
עם זאת, כיום החברה משנה את מיקודה המקצועי ומפנה את מאמציה לפיתוח מודלים מתקדמים יותר של דיבור-אל-דיבור (speech-to-speech). המטרה המרכזית של מעבר זה היא להפחית באופן משמעותי את זמני השיהוי (latency) של המערכת, לשפר את היכולת של המודל לנהל את חילופי התורות במהלך שיחה טבעית (turn-taking), ולהתמודד בצורה טובה יותר עם אתגרים מורכבים כמו רעשי רקע שונים. מעבר לזה, הגישה הטכנולוגית החדשה נועדה לצמצם את התלות של החברה בתזמור (orchestration) של מספר רב של מודלים נפרדים, ובכך לחסוך ממנה את הצורך לנהל מערך מורכב של דגמים שונים במקביל.
עמדת החברה לגבי מגבלות הבינה המלאכותית הקולית כיום
למרות ההתקדמות הטכנולוגית הרבה שנרשמה לאחרונה בפיתוח טכנולוגיות בינה מלאכותית קולית, לילי קליפורד מציינת כי ארגונים גדולים עדיין מעדיפים להשתמש במערכות ניתוב שיחות מסורתיות ומיושנות (legacy IVR), מכיוון שטכנולוגיית הקול מבוססת ה-AI עדיין אינה מצליחה להשתוות לרמת היעילות שמציעות אותן מערכות IVR קלאסיות.
לדבריה של קליפורד, טכנולוגיית הקול הקיימת כיום עדיין אינה בשלה מספיק על מנת לבצע אוטומטיזציה של הרוב המכריע של שיחות הטלפון בארגונים גדולים. היא הסבירה כי מודלי שפה גדולים (LLMs) אמנם הפכו את תהליך הבנייה של יישומי קול פועלים לפשוט וקל הרבה יותר, אך הם לא שינו באופן מהותי את האופן שבו מרגישה האינטראקציה עצמה עבור משתמש הקצה. קליפורד הוסיפה כי שיחה עם סוכן בינה מלאכותית קולי אינה מהווה כיום את החוויה המושכת או המשכנעת ביותר עבור משתמשי הקצה, והגדירה זאת כמעין גרסה חדשה של מערכת IVR, אך כזו שמצוידת בקול איכותי וטוב יותר.
הרחבת הצוות, המדען הראשי החדש ורשימת הלקוחות
לחברה ישנם כיום לקוחות הפועלים במגוון מגזרים, ובהם שירותי מזון, בריאות, חברות תעופה וטכנולוגיה פיננסית (fintech). החברה טוענת כי הודות לנתוני האימון הייחודיים שלה ולמיצוב של המודלים שלה בשוק, לקוחות הקצה נוטים להישאר זמן רב יותר על קו הטלפון במהלך השיחות, מה שסייע לה לזכות בחוזי התקשרות עם ארגונים גדולים, ובהם Mayo Clinic, Dialpad, Upstart ו-Asurion.
בעקבות הגיוס הנוכחי, מתכננת Rime להרחיב את צוות העובדים שלה, המונה כיום 35 אנשים, ולגייס אנשי מקצוע נוספים בתחומי פיתוח המודלים, ההנדסה והשותפויות העסקיות. לאחרונה צירפה החברה לשורותיה את רפאל ואלה (Rafael Valle) לתפקיד המדען הראשי (Chief Scientist). ואלה עבד בעבר על הבנת שמע במעבדות הסופר-אינטליגנציה של מטא (Meta Superintelligence Labs) וכן בצוות מחקר השמע והלמידה העמוקה היישומית של חברת אנבידיה (NVIDIA). גיוס ה-Series A הנוכחי מגיע לאחר שהחברה גייסה בעבר סכום של 5.5 מיליון דולר במסגרת סבב סיד (seed) בחודש מאי אשתקד.
זווית הראייה של המשקיעים והתחרות בשוק
השוק שבו פועלת Rime צפוף ותחרותי מאוד. ארגונים גדולים נוטים כיום להעביר את ניהול השיחות שלהם למפתחי מודלים קוליים מובילים כמו ElevenLabs ו-Deepgram; לחברות תשתית בתחום כמו Vapi, Retell ו-LiveKit; או לחברות תמיכת לקוחות ייעודיות כמו Decagon ו-Sierra.
מורגן בלמברג (Morgan Blumberg) מקרן M13 Ventures, אשר מצטרף לדירקטוריון של חברת Rime כחלק מסבב הגיוס הנוכחי, שיתף את דבריו בשיחה עם TechCrunch. לדבריו, חברות כמו ElevenLabs עברו לפעול בתחומי התזמור ושכבת האפליקציות, ובכך הן מתחרות ישירות מול חברות דוגמת Sierra ו-Decagon של העולם. בלמברג הדגיש כי לדעתו יש עוד עבודה טכנולוגית רבה שניתן לבצע בתחום זה, וכי הגישה של Rime, המתמקדת בדחיפה ופיתוח של המודל הטוב ביותר בעל שיהוי נמוך ואמינות גבוהה במיוחד בסביבה המאופיינת ברגולציה, מייחדת אותה בצורה בולטת בשוק התחרותי שבו היא פועלת.