Groq 和 PlayAI 今天宣布建立合作伙伴关系,通过 Groq 的高速推理平台推出先进的文本转语音模型 Dialog。
这次合作将 PlayAI 在语音 AI 方面的专业知识与 Groq 的专业处理基础设施相结合,据两家公司称,这创造了目前最自然、响应最快的文本转语音系统之一。
"Groq 提供了一个完整的、低延迟的系统,集自动语音识别 (ASR)、生成式 AI 和文本转语音于一体," Groq 首席营收官 Ian Andrews 在接受 VentureBeat 专访时表示。"随着 Dialog 在 GroqCloud 上运行,这意味着客户无需为单一用例使用多个供应商 — Groq 是一站式解决方案。"
Groq 助力首个阿拉伯语语音 AI,扩大中东科技布局
Dialog 支持英语和阿拉伯语,其中阿拉伯语版本是首个专门为中东地区设计的语音 AI。将阿拉伯语作为初始语言之一是两家公司的战略选择。
"阿拉伯语是全球使用人数第四多的语言 — 通过与 PlayAI 合作提供阿拉伯语 TTS 模型,Groq 正在打开一个关键的全球市场,让更多用户能够访问快速 AI 推理," Andrews 告诉 VentureBeat。
据第三方评估机构 Podonos 的基准测试显示,用户对 Dialog 的偏好率比 ElevenLabs v2.5 Turbo 高 10:1,比 ElevenLabs Multilingual v2.0 高出 3:1。
创新的"自适应语音情境分析器"改变对话式 AI
Dialog 的与众不同之处在于其处理上下文的复杂方法。该系统不是将每个发声视为独立事件,而是保持对整个对话流程的感知。
"我们构建了一个称为'自适应语音情境分析器' (ASC) 的新型架构,使模型能够使用对话的完整上下文和历史," PlayAI 联合创始人兼 CEO Mahmoud Felfel 在接受 VentureBeat 采访时表示。"这意味着每个响应不只是独立的输出,它还富含反映对话流程的适当韵律、语气和情感。"
对于希望实施对话式 AI 的企业来说,请求和响应之间的延迟一直是一个持续的挑战。Groq 专门的语言处理单元 (LPU) 在这方面似乎提供了显著优势。
"根据初步内部测试,Groq 在运行 PlayAI 的 Dialog 模型时可以达到每秒 140 个字符,与同一模型在 GPU 上运行的每秒 86 个字符相比有显著提升," Andrews 解释道。"这意味着 Dialog 生成文本的速度比实时快 10 倍。"
Groq 获得 15 亿美元沙特投资,打造世界级 AI 基础设施
这次合作恰逢 Groq 重要扩张时期,该公司最近获得沙特阿拉伯 15 亿美元的承诺用于建设额外基础设施。该公司在达曼建立了一个数据中心,称其为"该地区最大的推理集群"。
"与 Groq 合作是显而易见的选择,他们是先进 AI 推理基础设施的行业领导者," Felfel 说。"对于 TTS 和代理来说,低延迟是关键。我们已经针对这些实时应用优化了 Dialog,但与 Groq 合作让我们能够提供市场上延迟最低的语音模型。"
随着企业寻求在保持自然、类人体验的同时实现客户互动自动化,语音 AI 市场迅速增长。应用范围从客户服务和销售自动化到配音和视障人士无障碍功能。
企业应用超越传统客户服务用例
"除了客户服务,其他企业用例包括自动化销售和预约安排、入职培训和个人助理、为现有内容创建配音、将英语音频和视频内容翻译成阿拉伯语、提高视障人士访问网站和静态内容的无障碍性等," Andrews 说。
对于由中东和北非地区创业者创立的 PlayAI 来说,包含阿拉伯语功能具有特殊意义。
"作为中东北非地区的创始人,我们知道该地区正大力投资 AI 能力和基础设施,这反映在对 Groq 等公司的投资上,同时也体现在世界领先的采用率上," Felfel 说。"阿拉伯语是一种全球商业语言,也是我们从小说的语言,所以将其作为核心语言之一是自然的选择。"
两家公司已通过 GroqCloud 的分层服务模式提供 Dialog 技术,包括免费和付费选项。这种方式允许开发者在承诺更大规模实施之前先试验该技术。
"GroqCloud 提供免费和付费计划。任何人都可以创建账户并免费获取 API 代码," Andrews 解释道。"我们的付费开发者层级是自助服务的,意味着任何有信用卡的人都可以自行注册。"
随着语音成为 AI 系统越来越重要的接口,这种合作使两家公司能够把握对更自然、响应更快的对话体验不断增长的需求。通过解决延迟和自然语音模式的技术挑战,Groq 和 PlayAI 可能已经消除了语音 AI 在企业环境中更广泛采用的重要障碍。
好文章,需要你的鼓励
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。