為何 Smallest.ai 認為大型 LLM 無法勝任語音任務
smallest.ai 籌集了 1300 萬美元，用於構建專用的小型語音模型，旨在通過實時處理音訊來消除對話延遲，從而挑戰大型通用 llm 在語音代理領域的主導地位。
smallest.ai 在由 **Seligman Ventures** 領投的 A 輪融資中獲得了 1,300 萬美元的投資，以推進其專注於語音的 AI 架構。該架構通過使用模仿人類輪流對話的小型模型，優先實現低延遲的對話。與標準的 LLM 不同，標準 LLM 在生成音頻之前會處理整個提示，而 smallest.ai 的模型則是邊聽、邊思考、邊說，以防止不自然的停頓。只有在必要時，才會將複雜話題交給更大的離線模型處理。這一策略針對客戶支持和企業部門，這些部門的競爭對手如 **Sierra** 和 **RingCentral** 需要人類級別的語音細微差別，但不需要構建專有音頻基礎設施的額外開銷。通過狹隘地關注語音處理——涵蓋口音、語言和噪音——該初創公司旨在繞過通用模型的局限性，直接挑戰 **ElevenLabs** 等專家。這筆融資使這家成立於 2024 年末的初創公司籌集的總資本超過 2,100 萬美元，表明投資者對解決特定界面問題的特定 AI 架構的信心。