Published on

Pelancaran Pencipta Suara ChatGPT: Startup Model Audio Raih Dana 40 Juta USD

Pengarang
  • avatar
    Nama
    Ajax
    Twitter

WaveForms AI: Merintis Kecerdasan Umum Emosi

WaveForms AI bukan sekadar startup teknologi biasa; ia adalah syarikat dengan visi yang berani. Inti dari WaveForms adalah dedikasi untuk mencipta audio Large Language Models (LLM) yang dapat memproses audio secara langsung, bukan bergantung pada kaedah tradisional menukar ucapan menjadi teks dan kemudian kembali menjadi ucapan. Pendekatan end-to-end ini memungkinkan interaksi yang lebih real-time, seperti manusia, dan cerdas secara emosi. Tujuan utama syarikat adalah untuk mengembangkan apa yang mereka sebut sebagai Emotional General Intelligence (EGI), iaitu AI yang dapat memahami dan bertindak balas terhadap emosi manusia dengan empati.

Tujuan yang bercita-cita tinggi ini didorong oleh keyakinan bahawa masa depan AI bukan hanya terletak pada kemampuannya memproses maklumat, tetapi juga dalam kemampuannya memahami dan bertindak balas terhadap emosi manusia. Alexis Conneau, pengasas WaveForms, melihat kecerdasan emosi sebagai komponen penting untuk mencapai Artificial General Intelligence (AGI). Beliau menekankan bahawa AI bukan hanya berfungsi, tetapi juga empati, mampu berhubung dengan manusia pada tahap emosi. Perspektif ini membezakan WaveForms dari banyak syarikat AI lain yang terutama berfokus pada kemampuan teknikal.

Teknologi di Sebalik WaveForms

Teknologi di sebalik WaveForms adalah tempat inovasi sebenarnya terletak. Tidak seperti pendekatan konvensional menukar ucapan menjadi teks dan kemudian menggunakan model teks-ke-ucapan, audio LLM WaveForms dirancang untuk memproses audio secara langsung. Ini bermakna AI dapat menganalisis nuansa ucapan manusia, seperti nada, jeda, dan infleksi emosi, dalam masa nyata. Dengan memintas langkah terjemahan teks, WaveForms bertujuan untuk mencipta interaksi yang lebih semula jadi dan responsif.

Pendekatan ini adalah penyimpangan yang signifikan dari bagaimana kebanyakan model suara semasa beroperasi. Kaedah tradisional melibatkan beberapa langkah, masing-masing dengan potensi latensi dan kehilangan maklumat. Dengan memproses audio secara langsung, model WaveForms dapat mengurangkan latensi dan menangkap isyarat emosi halus yang mungkin hilang dalam proses terjemahan. Ini penting untuk mencipta AI yang benar-benar dapat memahami dan bertindak balas terhadap emosi manusia.

Pasukan Pengasas: Pertemuan Kepakaran

Pasukan di sebalik WaveForms sama mengagumkannya dengan teknologi yang mereka kembangkan. Alexis Conneau, CEO dan pengasas, adalah pakar terkemuka dalam audio dan teks LLM. Beliau memainkan peranan penting dalam pengembangan mod suara lanjutan GPT-4o di OpenAI. Sebelum waktunya di OpenAI, Conneau adalah seorang saintis penyelidikan di Google dan Meta, di mana beliau mengembangkan model bahasa bertopeng untuk pemahaman teks dan pengecaman ucapan. Pengalamannya dalam penyelidikan dan aplikasi praktikal menjadikannya berkelayakan untuk memimpin WaveForms dalam misinya.

Pengasas bersama, Coralie Lemaitre, membawa kekayaan kepakaran perniagaan dan strategik ke meja. Dengan pengalaman sedekad dalam strategi dan operasi di Google dan BCG, beliau telah memimpin strategi produk dan pasaran untuk banyak syarikat teknologi terkemuka. Latar belakang Lemaitre dalam perniagaan dan strategi akan menjadi penting dalam membimbing pertumbuhan dan kedudukan pasaran WaveForms.

Anggota utama ketiga pasukan pengasas adalah CTO Kartikay Khandelwal, yang sebelumnya memimpin ekosistem AI untuk PyTorch. Kepakaran Khandelwal dalam infrastruktur dan pengembangan AI sangat penting untuk membangun model kompleks yang sedang dikembangkan oleh WaveForms. Selain tiga pengasas, syarikat itu juga mempunyai dua pekerja teknikal lain, menjadikan pasukan kecil tetapi berkemahiran tinggi.

Visi untuk Kecerdasan Umum Emosi (EGI)

Visi utama WaveForms adalah untuk mencipta Emotional General Intelligence (EGI). Ini adalah AI yang bukan sahaja dapat memahami apa yang dikatakan manusia tetapi juga bagaimana perasaan mereka. Ia adalah AI yang dapat berhubung dengan manusia pada tahap emosi, memupuk interaksi yang lebih semula jadi dan bermakna. Visi ini bercita-cita tinggi, tetapi ia selaras dengan pengiktirafan yang semakin meningkat bahawa AI perlu lebih daripada sekadar cerdas; ia perlu empati.

Syarikat percaya bahawa mencipta interaksi seperti manusia dengan AI memerlukan lebih daripada sekadar kemampuan pemprosesan bahasa yang canggih. Ia memerlukan pemahaman tentang emosi, hubungan, dan nuansa komunikasi manusia. WaveForms sedang berusaha untuk menyuntik AI dengan kualiti manusia ini, bertujuan untuk mencipta masa depan di mana AI bukan hanya alat, tetapi rakan kongsi dalam usaha manusia.

Landskap Persaingan: Pendekatan Unik WaveForms

Pasaran audio AI semakin sesak, dengan beberapa syarikat yang mengerjakan teknologi serupa. Walau bagaimanapun, WaveForms mempunyai pendekatan unik yang membezakannya daripada pesaingnya. Walaupun banyak syarikat berfokus pada model speech-to-text dan text-to-speech, WaveForms komited untuk mengembangkan audio LLM end-to-end yang dapat memproses audio secara langsung. Pendekatan ini, mereka percaya, akan membawa kepada interaksi yang lebih semula jadi dan cerdas secara emosi.

Salah satu pembeza utama untuk WaveForms adalah fokusnya pada kecerdasan emosi. Walaupun syarikat lain mungkin berusaha untuk meningkatkan pengecaman ucapan atau penjanaan teks, WaveForms berfokus pada mencipta AI yang dapat memahami dan bertindak balas terhadap emosi manusia. Fokus pada empati inilah yang membezakan WaveForms dan memberikannya proposisi nilai yang unik di pasaran.

Perbandingan dengan Model Audio Lain

Untuk memahami kedudukan WaveForms di pasaran, adalah berguna untuk membandingkan teknologi mereka dengan model audio terkenal lain.

  • Whisper OpenAI: Whisper adalah model audio universal sumber terbuka yang menyokong speech-to-text dalam 99 bahasa. Ia dilatih pada set data yang besar dan terkenal dengan ketepatannya dalam persekitaran yang bising. Walaupun Whisper mengagumkan untuk kemampuan pengecaman ucapannya, ia tidak berfokus pada jenis pemahaman emosi yang dikejar oleh WaveForms.
  • Fugatto NVIDIA AI: Fugatto adalah model parameter 2.5 bilion yang dapat menghasilkan kesan bunyi, mengubah suara, dan mencipta muzik berdasarkan prompt bahasa semula jadi. Fugatto kuat dalam penciptaan audio tetapi tidak menekankan kecerdasan emosi dengan cara yang sama seperti WaveForms.
  • Moshi Kyutai: Moshi adalah model audio masa nyata sumber terbuka yang menggunakan pemodelan multi-stream dan teknik monolog dalaman untuk meningkatkan kualiti dan realisme ucapan yang dihasilkan. Walaupun Moshi canggih dari segi penjanaan audio, ia tidak berfokus pada AI emosi dalam pengertian yang sama seperti WaveForms.

Pendekatan WaveForms berbeza dari semua ini. Daripada berfokus pada pengecaman ucapan, penjanaan audio, atau pemprosesan masa nyata, WaveForms berfokus pada mencipta AI yang dapat memahami dan bertindak balas terhadap emosi manusia. Fokus pada kecerdasan emosi inilah yang membezakan WaveForms dan memberikannya proposisi nilai yang unik di pasaran.

Pusingan Pembiayaan: Undian Keyakinan

Pusingan pembiayaan benih sebanyak 40 juta USD yang dipimpin oleh a16z adalah pengesahan yang kuat terhadap visi dan teknologi WaveForms. A16z terkenal dengan pelaburannya dalam teknologi yang mengganggu, menjadikan sokongannya sebagai sokongan penting untuk WaveForms. Pembiayaan ini akan membolehkan WaveForms mengembangkan pasukannya dan mempercepat usaha penyelidikan dan pengembangannya.

Pelaburan dari a16z menggarisbawahi kepentingan kecerdasan emosi yang semakin meningkat dalam AI. Ia juga menyoroti keyakinan bahawa masa depan AI akan bergantung pada kemampuannya untuk berhubung dengan manusia pada tahap yang lebih emosi. Pelaburan ini menandakan perubahan dalam industri AI, di mana fokusnya bukan lagi semata-mata pada kemampuan teknikal tetapi juga pada reka bentuk yang berpusatkan manusia.

Masa Depan WaveForms: Visi Hubungan Manusia-AI

WaveForms bukan hanya membina teknologi; ia membina visi masa depan di mana AI lebih seperti manusia dan empati. Syarikat percaya bahawa ini adalah kunci untuk membuka potensi penuh AI dan mencipta masa depan di mana AI benar-benar dapat melayani manusia.

Dalam jangka masa terdekat, WaveForms berfokus pada pengembangan teknologi terasnya dan mengeluarkan produk perisian pengguna pada tahun 2025. Produk ini mungkin akan mencabar penyelesaian audio AI yang ada dari syarikat seperti OpenAI dan Google. Walau bagaimanapun, di luar produk, WaveForms komited terhadap misinya untuk mencipta EGI, AI yang dapat memahami dan bertindak balas terhadap emosi manusia.

Kesimpulan: Mentakrifkan Semula Interaksi Manusia-AI

WaveForms AI bersedia untuk menjadi pemain utama dalam pasaran audio AI. Dengan pasukannya yang kuat, teknologi inovatif, dan fokus pada kecerdasan emosi, syarikat ini berada pada kedudukan yang baik untuk mentakrifkan semula bagaimana manusia berinteraksi dengan AI. Pelancaran WaveForms menandakan langkah penting ke arah mencipta AI yang bukan sahaja cerdas tetapi juga empati, membuka jalan untuk masa depan di mana AI benar-benar dapat memahami dan bertindak balas terhadap emosi manusia.

Pengejaran Emotional General Intelligence adalah usaha yang berani, dan WaveForms AI berada di barisan hadapan pergerakan ini. Komitmen syarikat untuk menjadikan AI lebih empati dan responsif secara emosi bukan hanya kemajuan teknologi tetapi juga falsafah. Ia adalah visi masa depan di mana AI bukan hanya alat, tetapi rakan kongsi, yang mampu memahami dan bertindak balas terhadap pelbagai emosi manusia. Ketika WaveForms meneruskan perjalanannya, ia mungkin akan memainkan peranan penting dalam membentuk masa depan interaksi manusia-AI.