وائس اے آئی اسٹارٹ اپس کا سب سے بڑا انلاک سیلز، مارکیٹنگ اور کسٹمر سپورٹ جیسے شعبوں میں کاروباری اداروں کے لیے کالز کو ہینڈل کر رہا ہے۔ بڑی تنظیمیں وائس ماڈل ڈویلپرز جیسے ElevenLabs اور Deepgram کو کالز آف لوڈ کر رہی ہیں۔ بنیادی ڈھانچے کی کمپنیاں جیسے Vapi، Retell، اور LiveKit؛ اور مخصوص کسٹمر سپورٹ شاپس جیسے ڈیکاگن اور سیرا۔
سان فرانسسکو میں مقیم رِم اپنے صوتی AI ماڈلز کے ساتھ اس پرہجوم بازار میں ایک برتری حاصل کرنے کی کوشش کر رہا ہے جو بات چیت کے ڈیٹا پر تربیت یافتہ ہیں جسے وہ ریکارڈ کرتا ہے، جس کا مقصد اپنے گاہکوں کے حسب ضرورت بوجھ کو کم کرنا ہے۔
2022 میں اسٹینفورڈ پی ایچ ڈی کی سابق طالبہ للی کلفورڈ، سابق ایمیزون الیکسا انجینئر بروک لارسن، اور اسٹینفورڈ انجینئر ایریس جیوانوس کے ذریعہ قائم کیا گیا، ریم نے آڈیو کے لیے ویب کو سکریپ کرنے پر انحصار کرنے کے بجائے اپنا گفتگو کا ڈیٹا اکٹھا کرنے کے لیے سان فرانسسکو میں ایک ریکارڈنگ اسٹوڈیو بنایا ہے۔
اسٹارٹ اپ نے کہا کہ وہ مختلف برانڈ اداروں اور صنعت سے متعلق مخصوص اصطلاحات کے تلفظ کو کیل کرنے کے لیے اپنے صوتی ماڈلز کو ٹیوننگ کرنے پر توجہ مرکوز کرتا ہے۔ یہ مختلف تلفظوں کو اپنانے کے لیے فونیم پر مبنی فن تعمیر کا استعمال کرتا ہے تاکہ صارفین کو اپنی مخصوص صنعت کے لیے ماڈلز کو دوبارہ تربیت دینے کی ضرورت نہ پڑے۔
ریم نے بُدھ کے روز کہا کہ اس نے سیریز A فنڈنگ راؤنڈ میں $24 ملین اکٹھا کیا ہے جس کی قیادت M13 وینچرز کر رہے تھے۔ Twilio Ventures، Corazon Capital، Unusual Ventures اور دیگر موجودہ سرمایہ کاروں نے بھی شرکت کی۔
کلیفورڈ نے کہا کہ وائس AI کی ترقی میں پیشرفت کے باوجود، کاروباری ادارے اب بھی میراثی IVR نفاذ کو ترجیح دیتے ہیں، کیونکہ AI وائس ٹیکنالوجی اب بھی IVR کی تاثیر سے مطابقت نہیں رکھتی۔
"وائس ٹیکنالوجی اب بھی زیادہ تر انٹرپرائز فون کالز کو خودکار کرنے کے لیے موجود نہیں ہے۔ LLMs نے کام کرنے والی صوتی ایپلی کیشنز کو بنانا بہت آسان بنا دیا ہے، لیکن انھوں نے اس بات کو تبدیل نہیں کیا ہے کہ یہ بات چیت کرنے میں کیسا محسوس کرتا ہے۔ آواز AI ایجنٹ کے ساتھ بات کرنا آخری صارف کے لیے سب سے زیادہ زبردست تجربہ نہیں ہے۔ یہ ایک نئی IVR کی طرح ہے، لیکن ایک بہتر آواز کے ساتھ،" اس نے کہا۔
اسپیچ ٹو ٹیکسٹ، ٹیکسٹ ٹو اسپیچ اور ایک بڑے لینگویج ماڈل کے لیے علیحدہ ماڈلز کی پائپ لائن کے ساتھ اسٹارٹ اپ کا آغاز ہوا۔ لیکن اب یہ تاخیر کو کم کرنے، ٹرن لینے کو بہتر بنانے، اور پس منظر کے شور جیسے مسائل سے نمٹنے کے لیے تقریر سے تقریر کے بہتر ماڈل تیار کرنے پر توجہ مرکوز کر رہا ہے۔ نیا طریقہ آرکیسٹریشن پر انحصار کو کم کرنے میں بھی مدد کرے گا، لہذا کمپنی کو ماڈلز کے ایک گروپ کا انتظام کرنے کی ضرورت نہیں ہے۔
ریم کا کہنا ہے کہ اس کے فوڈ سروس، ہیلتھ کیئر، ایئر لائنز اور فنٹیک میں صارفین ہیں۔ کمپنی کا دعویٰ ہے کہ اس کے تربیتی ڈیٹا اور ماڈل پوزیشننگ کی وجہ سے، صارفین کال پر زیادہ دیر تک رہتے ہیں، جس کی وجہ سے اسے میو کلینک، ڈائل پیڈ، اپ اسٹارٹ اور اسوریئن جیسے کلائنٹس سے انٹرپرائز کنٹریکٹ جیتنے میں مدد ملی ہے۔
نئی فنڈنگ کے ساتھ، رِم اپنی 35 افراد کی ٹیم کو وسعت دینے کا منصوبہ بنا رہی ہے، جس کا مقصد ماڈل ڈویلپمنٹ، انجینئرنگ اور شراکت داری کے لیے خدمات حاصل کرنا ہے۔ اس نے حال ہی میں Rafael Valle کو لایا، جنہوں نے Meta Superintelligence Labs اور NVIDIA کی اپلائیڈ ڈیپ لرننگ آڈیو ریسرچ ٹیم میں اپنے چیف سائنٹسٹ کے طور پر آڈیو سمجھ بوجھ پر کام کیا۔
"ElevenLabs جیسی کمپنیاں ایک آرکیسٹریشن اور ایپلیکیشن پرت میں منتقل ہو چکی ہیں، جو دنیا کے Sierras اور Decagons کے ساتھ آگے بڑھ رہی ہیں۔ میرے خیال میں تکنیکی طور پر ابھی بہت کچھ کرنا باقی ہے، اور ریگولیٹڈ ماحول میں کم تاخیر اور اعلی بھروسے کے ساتھ بہترین ماڈل پر آگے بڑھنے کا Rime کا نقطہ نظر نمایاں ہے۔
اس نے اس سے قبل گزشتہ مئی میں بیج راؤنڈ میں $5.5 ملین اکٹھا کیا تھا۔ Blumberg فنڈ اکٹھا کرنے کے حصے کے طور پر اسٹارٹ اپ کے بورڈ میں شامل ہو رہا ہے۔
