语音人工智能解决方案领先供应商Krisp Technologies Inc.今日宣布推出VIVA,这是一个专为语音智能体设计的新型语音隔离AI模型和软件开发工具包。
该公司还透露,VIVA目前每月在全球范围内处理超过10亿分钟的语音音频。
VIVA是"语音智能体语音隔离"的缩写,集成到应用程序的音频路径中。它增强了语音智能体检测语音活动的能力,改善了它们的对话轮换行为,有助于防止错误中断并创造更自然、有效的对话。
消费者对AI语音交互的期望越来越高。过去,与在线系统的对话是僵化和脚本化的,往往只是美化的录音。这些日子即将结束。如今,语音智能体可以进行真实对话,动态响应并适应上下文。
"行业术语称之为对话轮换,"联合创始人兼首席执行官Davit Baghdasaryan在接受SiliconANGLE独家采访时说。"当有背景噪音时,对话轮换就会变得非常混乱——特别是背景声音。AI会变得非常困惑。"
对话轮换指的是对话的来回流动,或者知道何时说话何时倾听。人类通过语言和非语言的调整,如语音、停顿、语调和肢体语言,自然地做到这一点。
在语音AI中,对话轮换指的是检测用户何时停止说话以及何时适合响应而不中断或留下长时间沉默。糟糕的对话轮换会导致尴尬或不自然的交互。
Krisp的VIVA模型在20毫秒内处理音频,显著提高了响应速度。它可以将对话轮换准确性提高3.5倍,从而减少50%的通话中断,并帮助提升客户满意度。
与依赖耗电图形处理器的模型不同,VIVA在中央处理器上高效运行,使其非常适合在广泛的设备上部署。这使其能够嵌入运行或与更大模型并行工作而不影响性能。
这对企业至关重要,因为它即使在嘈杂环境中也能提高转录准确性,并消除不相关的音频,如背景电视或无关对话,改善自动理解和整体用户体验。
人类交流依赖于微妙的音频和行为线索。虽然人们自然地处理这些线索,但语音智能体仍然难以应对。背景声音、笑声甚至停顿都可能导致AI响应中断或混乱。
"仅从音频就有五、六种不同的线索,"Baghdasaryan解释说。"如果我们想要有人类级别的对话AI,AI必须意识到这些线索。"
Krisp设计VIVA来识别和适应这些信号。例如,一个VIVA模型过滤掉笑声——在有儿童的环境中特别有用——这样机器人就不会误解这些声音为用户语音的一部分。
"笑声是一个很大的问题,"Baghdasaryan说。"我们有模型可以去除笑声,这样机器人就不会被它中断。"
VIVA已经集成到Decagon AI、Voxex.ai、Vapi Inc.、Ultravox.ai(前身为Fixie.ai)、LiveKit Inc.和一些世界最大AI实验室使用的智能体系统中,在那里它正在提供可衡量的改进。
"当我们的开发团队演示Krisp的能力时,我们被震撼了,"Vodex首席技术官Kumar Saurav说。"看到我们的机器人即使在嘈杂的办公室噪音中也能不间断地继续工作,对我们来说是一个游戏规则改变者。"
Baghdasaryan总结说,随着每月数十亿音频请求的里程碑,VIVA已准备好让开发者构建更响应迅速的智能体,并为更好的客户支持和虚拟伙伴提供基础。
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。