法國初創(chuàng)公司Gladia提供了一種語音識(shí)別應(yīng)用程序編程接口（API），在A輪融資中籌集了1600萬美元。本質(zhì)上，Gladia的API能夠?qū)⑷魏我纛l文件以高準(zhǔn)確度和低延遲轉(zhuǎn)換成文本。
雖然亞馬遜、微軟和谷歌都作為其云托管產(chǎn)品套件的一部分提供了語音轉(zhuǎn)文本API，但它們的表現(xiàn)并不如一些專業(yè)初創(chuàng)公司提供的新型模型。尤其是自O(shè)penAI發(fā)布Whisper模型以來，這一領(lǐng)域在過去幾年取得了巨大進(jìn)步。Gladia與AssemblyAI、Deepgram和Speechmatics等資金充足的公司競爭。
圖源備注：圖片由AI生成，圖片授權(quán)服務(wù)商Midjourney
Gladia最初提供了Whisper語音轉(zhuǎn)文本模型的微調(diào)版本，并進(jìn)行了一些必要的改進(jìn)。例如，該初創(chuàng)公司支持開箱即用的說話人分離——它能夠檢測對話中何時(shí)有多個(gè)說話者，并根據(jù)誰在說話來分離錄音和轉(zhuǎn)錄文本。
Gladia支持100種語言和多種口音。據(jù)報(bào)道，該工具確實(shí)有效，因?yàn)槲覀円恢痹谑褂肎ladia來轉(zhuǎn)錄一些采訪，口音并不是問題。
這家初創(chuàng)公司將其語音轉(zhuǎn)文本模型作為托管API提供，用戶可以將其應(yīng)用于自己的應(yīng)用程序和服務(wù)中。超過600家公司使用Gladia，包括幾款會(huì)議記錄器和筆記助手，如Attention、Circleback、Method Financial、Recall、Sana和Veed.io。
這個(gè)特定的用例很有趣，因?yàn)樵S多公司必須鏈?zhǔn)秸{(diào)用API。他們首先將語音轉(zhuǎn)換為文本，然后將文本輸入到大型語言模型（LLM）中，如GPT-4o或Claude3.5Sonnet，以從大量文本中提取知識(shí)。
有了新資金，Gladia希望將音頻智能和基于LLM的任務(wù)集成到一個(gè)API調(diào)用中來簡化該流程。例如，客戶可以從幾個(gè)項(xiàng)目符號(hào)中生成對話摘要，而無需依賴第三方LLM API。
Gladia希望解決的另一個(gè)問題是延遲。你可能已經(jīng)看到一些實(shí)時(shí)音頻對話的演示，這些對話使用了基于AI的呼叫代理（11x在其網(wǎng)站上有一個(gè)不錯(cuò)的演示），這些系統(tǒng)必須能夠?qū)崟r(shí)轉(zhuǎn)錄，以使對話聽起來盡可能像人類。
Gladia選擇解決這個(gè)問題，目前它能夠以低于300毫秒的延遲轉(zhuǎn)錄實(shí)時(shí)對話。該公司聲稱，實(shí)時(shí)處理現(xiàn)在與默認(rèn)的異步批處理轉(zhuǎn)錄API一樣好，但沒有適當(dāng)?shù)臏y試很難判斷。正如聯(lián)合創(chuàng)始人兼首席執(zhí)行官Jean-Louis Quéguiner（上圖右側(cè)）對TechCrunch所說，這家初創(chuàng)公司的目標(biāo)是“具有實(shí)時(shí)能力的批處理質(zhì)量”。
除了AI呼叫代理，可以想象呼叫中心使用這些實(shí)時(shí)功能來幫助呼叫代理在通話中間找到相關(guān)信息。“我們的單一API與所有現(xiàn)有的技術(shù)棧和協(xié)議兼容，包括SIP、VoIP、FreeSwitch和Asterisk，”聯(lián)合創(chuàng)始人兼首席技術(shù)官Jonathan Soto（上圖左側(cè)）在一份聲明中說。
XAnge領(lǐng)投了A輪融資。Illuminate Financial、XTX Ventures、Athletico Ventures、Gaingels、Mana Ventures、Motier Ventures、Roosh Ventures和Soma Capital也參與了融資。
Gladia認(rèn)為我們正處于音頻應(yīng)用的“ChatGPT時(shí)刻”的邊緣。GPT技術(shù)已經(jīng)存在多年，但ChatGPT通過其類似消費(fèi)者聊天的界面真正普及了LLM。
隨著蘋果或谷歌開始在iOS或Android中包含轉(zhuǎn)錄模型，消費(fèi)者將開始理解他們在使用的應(yīng)用程序中自動(dòng)轉(zhuǎn)錄的價(jià)值。然后開發(fā)者可能會(huì)將音頻功能集成到他們的產(chǎn)品中，這就是像Gladia這樣的API提供商的用武之地。
