语音AI初创公司VoiceRun日前宣布完成550万美元种子轮融资,该公司专注于帮助企业开发可控的语音智能体。此轮融资由Flybridge Capital Partners领投,RRE Ventures和Link Ventures跟投。
VoiceRun表示,这笔资金将主要用于推动市场拓展,帮助客户从简单的试点演示项目转向大规模部署语音AI应用。
企业级语音智能体的核心价值
VoiceRun的核心理念是帮助企业开发满足严格可靠性、安全性和治理要求的语音智能体。公司采用独特的代码优先方法和前置部署工程模型,让技术团队能够快速交付语音智能体,同时保持对应用的完全控制权。
在VoiceRun的平台上,客户保留应用层代码的完全所有权,而VoiceRun提供编排层,帮助客户利用第三方大语言模型为应用提供动力。平台还提供轮换对话、电话集成和延迟管理工具,让客户能够持续评估、迭代和改进语音应用。
三大核心技术组件
VoiceRun平台主要面向餐饮、保险、银行和电信等行业的语音AI应用,包含三个核心技术组件:
首先是基础设施和编排层,采用可插拔的大语言模型、语音转文本和文本转语音管道,支持可中断提示和一键电话集成,让企业能够使用第三方模型构建语音智能体。
这些功能通过标准的Git或命令行工作流程访问,允许团队集成内部API、转换数据和处理复杂的模型逻辑。最后,平台提供企业级工具库,包括基于大语言模型的评判评估、遥测技术和用于回归测试的合成数据生成,以及针对性的模型增强功能。
为满足客户的数据和合规要求,VoiceRun还提供灵活的部署选项,包括公有云环境、虚拟私有云和本地部署。
实际应用场景广泛
目前VoiceRun的早期客户应用场景涵盖电话订餐和预订、联络中心分流以及潜在客户筛选。在这些对毫秒级响应要求极高的使用场景中,传统的组织控制往往会拖慢技术采用速度。VoiceRun的灵活部署选项,包括VPC选项和经批准的模型列表,让企业能够在现有安全和合规要求框架内交付新的语音体验。
VoiceRun联合创始人兼首席执行官尼克·伦纳德表示,像Gemini这样能够与用户进行自然对话的AI聊天机器人展现了自动化语音智能体在客户服务等领域的巨大潜力。许多公司已经创建了令人印象深刻的试点项目,但很少有公司能够将其扩展为完整的生产部署。
"许多企业项目在令人印象深刻的演示和可靠的生产推出之间停滞不前,"他解释道,"我们为团队提供代码所有权、部署灵活性和深度可观测性,让他们能够快速行动、通过安全审查并大规模交付生产就绪的解决方案。"
Flybridge Capital Partners联合创始人奇普·哈扎德表示,语音正在成为许多AI应用的首选界面已经越来越明显,因为它为用户提供了便利性。"将这些应用投入生产会带来令人困扰的自建与购买的决策难题,"他说,"VoiceRun提供了缺失的关键要素,赋能企业构建、治理和扩展世界级的语音部署。"
Q&A
Q1:VoiceRun平台的核心优势是什么?
A:VoiceRun采用代码优先方法和前置部署工程模型,让企业保留应用层代码的完全所有权,同时提供编排层来利用第三方大语言模型。平台还提供轮换对话、电话集成和延迟管理工具,以及灵活的部署选项包括公有云、私有云和本地部署,满足企业的安全和合规要求。
Q2:VoiceRun主要服务哪些行业和应用场景?
A:VoiceRun主要面向餐饮、保险、银行和电信等行业。目前早期客户的应用场景包括电话订餐和预订、联络中心分流以及潜在客户筛选等对毫秒级响应要求极高的使用场景,这些场景中传统组织控制往往会拖慢技术采用速度。
Q3:为什么很多企业的语音AI项目难以从试点转向生产部署?
A:根据VoiceRun创始人的观点,许多企业项目在令人印象深刻的演示和可靠的生产推出之间停滞不前,主要原因是缺乏代码所有权、部署灵活性和深度可观测性。企业需要在满足严格的安全审查要求的同时快速行动并大规模交付生产就绪的解决方案。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。