语音AI初创公司Rime获2400万美元A轮融资，以自研对话数据优化企业通话体验
当前，语音AI初创公司的核心突破在于处理企业在销售、营销及客户支持等领域的电话呼叫。大型组织正将此类业务外包给ElevenLabs、Deepgram等语音模型开发商，Vapi、Retell、LiveKit等基础设施公司，以及Decagon、Sierra等专注客户支持的厂商。
总部位于旧金山的Rime试图在这一红海市场中脱颖而出。该公司采用基于自录对话数据训练的语音AI模型，旨在降低客户的定制化负担。Rime由前斯坦福博士生Lily Clifford、前亚马逊Alexa工程师Brooke Larson及斯坦福工程师Ares Geovanos于2022年联合创立。为获取高质量数据，公司在旧金山自建录音棚采集对话音频，而非依赖网络抓取。
在技术层面，Rime专注于调整语音模型，以精准掌握不同品牌实体及行业术语的发音。其采用基于音素的架构适应多样化发音方式，使客户无需针对特定行业重新训练模型。
本周三，Rime宣布完成由M13 Ventures领投的2400万美元A轮融资，Twilio Ventures、Corazon Capital、Unusual Ventures及其他现有投资者跟投。此前，该公司已于去年5月完成550万美元种子轮融资。作为本轮融资的一部分，M13的摩根·布鲁姆伯格（Morgan Blumberg）将加入Rime董事会。
尽管语音AI进展显著，但企业仍倾向于传统IVR（交互式语音响应）。创始人Clifford指出：“语音技术尚未成熟到能自动化大多数企业呼叫的程度。LLM虽降低了应用构建门槛，但未改变交互本质。与语音AI代理对话对终端用户而言并非最佳体验，这更像是‘声音更好听的新版IVR’。”
为此，Rime正从独立的“语音转文本+文本转语音+大语言模型”管道，转向开发端到端语音转语音模型。此举旨在降低延迟、改善轮流对话机制并解决背景噪音问题，同时减少对复杂编排的依赖，简化模型管理。
目前，Rime客户覆盖餐饮、医疗、航空及金融科技等领域。得益于独特的训练数据与模型定位，其有效延长了用户通话时长，已赢得梅奥诊所（Mayo Clinic）、Dialpad、Upstart及Asurion等企业的合作合同。
借助新资金，Rime计划扩充现有的35人团队，重点招募模型开发、工程及合作伙伴关系人才。公司近期聘请了曾在Meta Superintelligence Labs从事音频理解工作、并参与Nvidia应用深度学习音频研究的拉斐尔·瓦列（Rafael Valle）担任首席科学家。
M13的摩根·布鲁姆伯格评价道：“当ElevenLabs等公司转向编排与应用层，与Sierra、Decagon正面竞争时，底层技术仍有巨大空间。Rime致力于在受监管环境中，以低延迟和高可靠性推进最优模型，这正是其差异化优势所在。”