AI生成语音的质量已足以支撑有声书、播客制作、文章朗读及基础客服等场景，但许多企业仍认为其可靠性不足，暂不宜大规模部署。
为此，麻省理工学院（MIT）毕业生Moin Nadeem和Nikhil Murthy创立了Phonic。这是一家提供端到端语音栈的公司，旨在提升合成语音的可靠性并降低延迟。
Nadeem与Murthy相识超七年。去年着手构建Phonic时，他们发现市场上鲜有公司致力于打造完整的语音技术方案。
Murthy向TechCrunch表示：“当前语音AI处于需拼接自动语音识别、文本转语音及智能集成的阶段。但在与客户沟通中我们发现，市场缺乏大规模可靠的解决方案。”
Nadeem曾任职于2023年被Databricks以13亿美元收购的MosaicML。他指出，Vapi、Rounded等语音AI企业多采用将独立AI模型拼接的工作流模式。
Phonic则采取差异化策略：在内部进行端到端模型训练。Murthy称此举具备多重优势。
他表示：“拥有底层模型使我们能将可靠性组件深度集成其中。若不掌握这一层，便只能拼接无法无缝契合的零散模块。”
Murthy补充道，该方法还使Phonic能以更高成本效益托管和运行模型。他声称，通过涵盖口音及模糊语音在内的多样化录音训练，其模型具备高度鲁棒性。
目前，Phonic正与保险及医疗领域的少数合作伙伴测试产品，计划未来数月内广泛推出。Nadeem透露，潜在客户很快即可通过官网试用该技术。
Phonic已完成由Lux领投的400万美元种子轮融资，Replit联合创始人Amjad Masad、Hugging Face联合创始人Clem Delangue、Applied Intuition联合创始人Qasar Younis及Modal Labs创始人Erik Bernhardsson参投。
Lux Capital合伙人Grace Isford表示，该公司内部训练模型的方式极具吸引力。
她评价道：“Moin和Nikhil是卓越的技术专家，曾在MIT创立机器学习俱乐部并长期从事模型训练。此外，他们在语音AI领域结合扩散模型与专有模型的方法十分新颖。”