语音AI初创公司Rime完成2400万美元A轮融资

语音AI初创公司的最大突破在于为企业处理来电，涵盖销售、营销和客户支持等领域。大型企业正将电话业务外包给ElevenLabs、Deepgram等语音模型开发商，Vapi、Retell、LiveKit等基础设施公司，以及Decagon、Sierra等专注客户支持的服务商。

总部位于旧金山的Rime正试图在这一竞争激烈的市场中脱颖而出。该公司的语音AI模型基于自行采集的对话数据进行训练，旨在降低客户的定制化成本。

Rime由前斯坦福大学博士生Lily Clifford、前亚马逊Alexa工程师Brooke Larson以及斯坦福工程师Ares Geovanos于2022年联合创立。公司在旧金山建立了专属录音棚，通过自主采集对话数据来训练模型，而非依赖从网络抓取音频的方式。

该公司表示，其核心优势在于针对不同品牌实体和行业专有术语的发音进行精细调优。Rime采用基于音素的架构来适配不同发音习惯，使客户无需针对特定行业重新训练模型。

Rime于本周三宣布完成2400万美元A轮融资，本轮融资由M13 Ventures领投，Twilio Ventures、Corazon Capital、Unusual Ventures及其他现有投资方也参与其中。

联合创始人Clifford表示，尽管语音AI技术不断进步，企业仍倾向于沿用传统的交互式语音应答（IVR）系统，因为当前的AI语音技术在实际效果上仍难以与IVR媲美。

"语音技术尚未成熟到足以自动化处理绝大多数企业电话。大语言模型确实让构建可用的语音应用变得更加容易，但并未改变交互的体验感。与语音AI智能体对话对终端用户来说并不是最令人信服的体验，某种程度上就像是换了个更好声音的IVR。"她说道。

Rime最初采用语音转文本、文本转语音和大语言模型分离的管道架构，但目前正将重心转向开发更优秀的语音到语音模型，以降低延迟、改善对话轮次切换，并解决背景噪音等问题。这一新方案还将减少对编排层的依赖，使公司无需同时管理多个模型。

Rime表示，其客户覆盖餐饮、医疗、航空及金融科技等行业。该公司称，得益于训练数据质量和模型定位，用户在通话中停留时间更长，这帮助其赢得了Mayo Clinic、Dialpad、Upstart和Asurion等企业客户的合同。

获得新一轮融资后，Rime计划扩充现有35人的团队，重点招募模型开发、工程及合作伙伴方向的人才。公司近期还聘请了曾在Meta超级智能实验室和英伟达应用深度学习音频研究团队从事音频理解研究的Rafael Valle担任首席科学家。

M13的Morgan Blumberg在接受TechCrunch采访时表示："ElevenLabs等公司已转型为编排层和应用层，直接与Sierra、Decagon等公司展开竞争。我认为技术层面还有大量工作有待完成，而Rime专注于在受监管环境中打造低延迟、高可靠性的最优模型，这一方向十分突出。"

Rime曾于去年五月完成550万美元种子轮融资。作为本轮融资的一部分，Blumberg将加入该公司董事会。

Q&A

Q1：Rime的语音AI模型与其他竞争对手相比有何不同？

A：Rime最大的差异化在于训练数据的来源。公司在旧金山建有专属录音棚，自主采集对话数据，而非从网络抓取音频。此外，Rime采用基于音素的架构，能够适配不同品牌和行业的专有术语发音，客户无需针对特定行业重新训练模型，从而大幅降低定制化成本。

Q2：Rime目前服务哪些行业，有哪些知名客户？

A：Rime目前的客户涵盖餐饮、医疗、航空和金融科技等多个行业。已签约的知名企业客户包括Mayo Clinic（梅奥诊所）、Dialpad、Upstart和Asurion。公司表示，由于其模型能让用户在通话中停留更长时间，因此在企业合同竞争中具有明显优势。

Q3：Rime这轮2400万美元融资将用在哪些方面？

A：Rime计划将本轮融资用于团队扩张，重点招募模型开发、工程和合作伙伴方向的人才。技术层面，公司将加速推进语音到语音模型的研发，目标是降低延迟、改善对话轮次切换，并解决背景噪音等问题，同时减少对多模型编排架构的依赖。