📢 转载信息
原文作者：Ivan Mehta
总部位于加州的初创公司 Subtle Computing 正在利用其专有的语音隔离模型，解决在嘈杂环境中捕捉人声的问题——这项技术可能会使基于语音的 AI 产品和服务受益。
如今，使用语音 AI 的消费者应用正经历着巨大的增长。像 Granola、Fireflies、Fathom 和 Read AI 这样的 AI 会议记录工具获得了用户和投资者的关注。像 OpenAI、ClickUp 和 Notion 等现有公司已经集成了语音转录解决方案。Wispr Flow 和 Willow 等应用开发者正在开发语音听写功能。此外，像 Plaud 和 Sandbar 等硬件公司正利用设备作为媒介来转录你的语音，然后利用 AI 进行洞察生成和交互。
这些公司面临的一个挑战是在任何环境中（例如嘈杂的咖啡馆或办公室）捕获用户的声音。
为了解决这个问题，Subtle Computing 开发了一个端到端的语音隔离模型，即使在嘈杂的环境中也能理解你在说什么。陈（Chen）表示，有很多公司都在研究语音理解。他指出，有时设备制造商会将语音发送到云端以获得干净的输出，但这效率不高。
这家初创公司会训练特定的模型来适应特定设备声学环境，并适应用户的声音，而不是训练一个适用于所有设备的通用模型。
陈说：“我们发现，当我们保留设备的声学特性时，性能比通用解决方案要好一个数量级。这也意味着我们可以为用户提供个性化的解决方案。”
该公司由 Tyler Chen、David Harrison、Savannah Cofer 和 Jackie Yang 创立，他们在斯坦福大学相识。Chen、Cofer 和 Yang 正在攻读博士学位，而 Harrison 则在攻读 MBA。他们在 Steve Blank 的精益启动课程（Lean Launchpad course）上相聚，并在那里研究了计算的替代接口，并开始创建 Subtle Computing。
陈说：“随着我们与 AI 的互动越来越多，我们正朝着与设备对话的未来迈进。”他补充道：“但显而易见的问题是，在我们的日常工作环境中，设备能理解我们用户的程度如何。无论是在超级吵闹的咖啡店，还是在有其他人在场的共享办公室，而且你可能在谈论私密的事情——今天的语音技术无法做到这一点。”
这家初创公司表示，它可以在某些设备上仅运行语音隔离模型，该模型体积仅有几兆字节，延迟为 100 毫秒。对于其他设备，该公司也可以运行一个不同的模型来转录语音并提供文本输出。陈表示，由于其隔离模型，公司的转录模型能更好地理解用户，从而产生更准确的文本记录。
Subtle Computing 表示，高通（Qualcomm）已选择该公司作为其语音和音乐扩展计划的成员。这意味着该初创公司的技术将兼容高通的芯片，并可在 OEM 制造的设备上使用。
该公司已筹集到 600 万美元的种子资金，由 Entrada Ventures 领投，Amplify Partners、Abstract Ventures 以及 Twitter 的 Biz Stone、Pinterest 的 Evan Sharp 和 Perplexity 的 Johnny Ho 等天使投资人参与跟投。
Entrada Ventures 的管理合伙人兼 X（Alphabet）早期项目的董事 Karen Roter Davis 指出，语音 AI 是一个嘈杂的领域，尽管通过该媒介的互动正在增加，但整体的语音体验并不理想。她认为，这家初创公司专注于语音隔离为市场带来了不同的视角。
Davis 说：“虽然你可以争论 AI 是会增加还是减少日常花费的时间，但我们都同意，计算能力和机器学习/AI 的进步为语音界面突破提供了机会——如果做得对的话。”她补充道：“Subtle Computing 在人们使用语音界面时与他们相遇，这些界面在极端噪音和极端安静的环境中都能保持稳定，提供可靠、简单、有趣的语音体验。这是一个改变游戏规则的技术。”
该公司表示，它还与一家消费硬件品牌和一家汽车品牌——在未透露名称的情况下——合作部署其解决方案。但 Subtle Computing 不想仅仅成为其他公司的模型供应商。
这家初创公司还表示，计划在明年发布一款涵盖硬件和软件的消费者产品，但未透露具体细节。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区