多年前,随着外界对WeWork估值飙升的质疑声不断,我与联合创始人亚当·纽曼(Adam Neumann)坐下来进行了一次对话。当时我们正在洽谈一场舞台访谈,他在访谈前的几周里要求与我见面两次,一次在旧金山的一家WeWork办公空间,另一次在他的纽约办公室。
我完全清楚软银(SoftBank)为WeWork 赋予的数字几乎毫无意义,但我由此理解了为何投资者愿意与他结盟。
同样容易理解的是,人们为何会对自称“华尔街之狼”的乔丹·贝尔福特(Jordan Belfort)着迷。1999年,贝尔福特因与斯特拉顿橡树园(Stratton Oakmont)相关的证券欺诈和洗钱罪认罪,该公司是位于长岛的一家经纪公司,其销售人员通过“拉高出货”(pump-and-dump)计划推销便士股,而贝尔福特则在此期间购置了一栋汉普顿斯(Southampton)的豪宅、一艘167英尺长的游艇以及至少一架直升机。(他后来在吸食奎诺德和可卡因的状态下毁掉了后两者,这一情节在马丁·斯科塞斯根据贝尔福特自传改编的著名电影《华尔街之狼》中有描绘。)
你可能认为一个曾在监狱服刑22个月并被命令向1513名受害者支付1.104亿美元赔偿的人不会再有翻身的机会,但TMZ 在7月的报道中指出,受害者最终获得的赔偿“远少于”他们应得的金额,并补充贝尔福特已于今年4月底完成了法院责令的赔偿义务。
但贝尔福特那种具有感染力的能量让他不断重新出现,包括近年来作为总部位于迈阿密的销售顾问,以及在他迈阿密海滩家中举办加密货币研讨会的临时主持人。(《纽约时报》的一名记者几年前参加了一个 周末研讨会,当时的入场费是一个比特币或当时价值4万美元的等值物。)
如今,他正涉足自己最擅长的领域——销售,与当今全球最热门的趋势人工智能(AI)的交汇点,打造一款基于语音的AI平台。他说,其秘诀在于赋予语音那种能够促成交易的语调,例如将陈述句转化为问句(这能“提升参与度”),甚至偶尔使用耳语(这能“暗示信息稀缺”)。
贝尔福特表示,这个名为 Tone 的平台已被那些销售线索多于其人工团队处理能力的公司使用。现在,为了进一步扩展其训练数据,Tone 推出了一项自助服务平台,供希望将书籍转化为“表达性AI生成旁白”的内容创作者和作者使用。用户可以选择 Tone 的 AI 声音,或者随着语音克隆功能的推出,创建自己声音的克隆。
人们很容易争辩说市场已经充斥着 AI 语音初创企业和相关技术,而 Tone 还带来了额外的风险:该业务的联合创始人是长期投资者谢尔文·皮舍瓦尔(Shervin Pishevar),他本人也有一个 充满争议的背景。此外,我们无法独立验证该技术是否如描述的那样有效(两位创始人均非工程师)。
但如果说我与纽曼的相处教会了我什么,那就是对数据的质疑很少会妨碍一个精彩的推介。当贝尔福特为这项新业务寻找投资者时,找到相信他的人并不难。
以下是我们对话的部分内容,已进行删减和润色以增强长度和清晰度。
你们构建了什么?
这是一种非常独特的构建语音的方式,它源于我自20世纪80年代末以来一直在教授的一套影响力和说服体系。关键不仅在于你说什么,更在于你怎么说。当你不在现场时,肢体语言会坍缩为语调。人们经常使用大约15种非常有力的语调。我为此发明的术语是“目标导向型沟通”。如果我试图被感知为专家,我就会策略性地运用语调。
这实际上是基于你训练的吗?
起初确实是这样。作为一名非工程师,我回归基本原理:如果我要教一个人怎么做这件事,我会怎么做?一次一种语调。我拥有30年的超高质量数据,并开始用这些数据训练模型。这是一个突破性的时刻,因为模型不仅听起来完全像我,还精准掌握了语调。然后我教了它第二种语调,接着教它如何将它们连接起来。这一切的关键在于数据。即使是极少量的错误数据也会大幅抵消你所取得的进展。
你和谢尔文·皮舍瓦尔(Shervin Pishevar)是如何走到一起的?
我和谢尔文长期以来一直是私人朋友。有一天晚上我们出去吃晚饭。当时有一家AI公司向我推介,声称他们的AI能用于销售。我听了一下,效果糟糕透顶。但这在我脑海中种下了一个想法。我原本以为只是教模型如何销售,但我找不到足够好的声音。正所谓需要是发明之母,于是我们自己动手构建了它。
你们的客户是谁,他们如何使用这款产品?
我们有律师事务所和保险公司。我们在民意调查和汽车行业做了大量工作。它能引导你完成整个保险销售流程。它会提出筛选性问题,比如你想要哪种类型的保险、你的预算以及年龄等。然后它会选择一个计划并解释其功能和优势。我们的延迟大约为600毫秒。如果保费过高,它会表示可以降低保费,并说明如何通过提高免赔额来实现。如果你不喜欢该计划,它会为你切换到另一个计划。它实际上完成了整个销售过程。
AI如何处理偏离脚本的销售电话?
除非真的如此,否则它绝不会说“问得好”。我讨厌这种说法。它显得过于讨好。在任何销售过程中,都存在一条“理想路径”,即我们希望完美对话如何展开的方式,甚至每一个字都可以预先规划。但客户会有各种问题和顾虑,这会使对话偏离既定轨道。因此,关键在于一个能够维持这条理想对话路径、应对任何突发情况、优雅作答并回归正轨的模型,同时不破坏融洽关系,也不产生幻觉——或者像销售人员那样撒谎。我们已经训练模型具备这种能力。
Tone目前是否已产生收入?你们是否为它筹集了资金?
收入方面,大概有一百万美元——可能是70万美元左右。我们已从亲友圈和种子轮融资中筹集了约1000万美元。
我想直面房间里的大象。你有欺诈定罪记录,皮舍瓦尔也面临过他 予以否认 的不当行为指控。银行、医院或消费品牌为什么要信任由你们两人推出的这款产品?
我只能为自己说一点:我确实犯过错误。那是很久以前的事了,在过去二十多年里,我一直在世界各地教导人们。我被世界各地的公司聘请来教授销售和说服技巧。如果有些公司不愿与我们合作,那是他们的决定。但我认为,会有足够多的公司看到我们所创造的价值。
与典型销售团队相比,Tone的成交率是多少?
我仍然认为它目前还不及顶尖销售员。在实地工作中,顶尖销售员每通电话的表现都会优于它。我认为在未来六到十二个月内这种情况会改变。为了让模型响应得这么快,我们没有使用前沿模型。我们使用的是自己开发的非常小、非常轻量的模型,因此它们的智能程度稍逊一筹。但我认为它将显著优于表现平庸的销售员。
它在哪些地方使用得最有效?是低额销售机会吗? 我认为客户花费越多,就越会要求人际接触。
我认为这并不是要取代人类。我在客户身上看到的最多情况是,他们根本缺乏足够的人力资本。他们能获得的潜在客户线索远多于可拨打电话的人员数量,或者需要在一天中的不同时段或不同语言环境下提供覆盖服务。我认为始终需要优秀的真人销售人员。我真心相信这一点。
你们正在与ElevenLabs、Cartesia以及许多其他语音AI公司竞争。Tone是你们的优势所在吗?
我认为,听起来像人并不是这件事的核心。六个月或一年后,它们都会听起来像人。真正让我们与众不同的是音色的应用:背后那种在特定音色选择上的智能。我们对此拥有专利。ElevenLabs 是一家很棒的公司,Cartesia 也是如此,但那些声音并不适合我们。
美国联邦通信委员会(FCC)在2024年裁定,AI 语音受 《电话消费者保护法》 下的自动拨号规则管辖。外呼销售是如何运作的?
我们只进行获得用户明确同意的呼叫(opt-in)。你不会用 AI 去进行冷呼叫(cold-call)骚扰他人。我们绝不会允许这样做。否则你会被全球所有的 TCPA(电话消费者保护法)律师起诉。要么是使用已获同意的潜在客户线索,要么是现有客户。唯一的例外是民意调查,其中存在豁免条款,允许你在未获同意的情况下拨打私人住宅电话。
你如何验证同意并防止在语音克隆中出现冒充行为?
我们本可以明天就推出克隆功能,但我们没有。如果你在系统中创建克隆体,你需要对着电脑说话,这样我们就知道是谁在创建它,并且此人签署了同意书。如果有人想上传音频(我们不推荐这种做法),你就必须在实时中匹配活体声纹。
这项技术是谁创造的?你不是工程师,皮舍瓦尔也不是。我在 专利 上看到了乔丹·安东尼·梅茨纳(Jordan Anthony Metzner)的名字。
不是。我们的工程副总裁是 Ben Sussman。他是一位才华横溢的工程师。我是那个判断、裁决和执行什么是完美声音的人。我会以最夸张的方式制作原型,然后我的工程师们从头开始重新构建它。
你们是按分钟收费,还是根据客户看到的结果来收费?
两者结合。对于流媒体服务,按分钟计费。内容平台将是按月订阅。我们还有一些客户,我们大部分收入来自于成功带来的收益。
这是一家独立公司,还是隶属于某家更大的 AI 公司内部的一个部门?
如果出现合适的报价,且金额足够可观,并且我认为合理,谁会拒绝交谈呢?但目前我的计划是筹集大量资金。我不认为我们需要拥有数据中心,但我们需要足够的备用计算资源。我不认为短期内会出售公司,但谁知道未来会带来什么。
Paramount+ 今年夏天发布了一部关于你的 纪录片。你看了吗?
我没有。信不信由我,我不会看或读任何关于我的东西,无论是好是坏。我从不阅读评论。当你成名时,你必须按照内心的自我来生活。我遵循自己的内心指南针。

