Pengo kati ya mazungumzo ya binadamu na mwingiliano wa AI linapungua, lakini ucheleweshaji (latency) bado ni kikwazo kikubwa kwa uingiliaji kamili. Smallest.ai inakabiliana na changamoto hii kwa kuacha kutumia LLM kubwa na polepole na badala yake kutumia mifumo midogo ya sauti iliyobobea na yenye kasi ya ajabu iliyoundwa kuiga mifumo ya utambuzi ya binadamu.

Kuvuka Ucheleweshaji wa Mifumo Mikubwa ya Lugha (Large Language Models)

Wakala wa sauti wa AI kwa sasa mara nyingi hukumbwa na ucheleweshaji wa "toa amri kisha uchakata" (prompt-then-process). Katika mtiririko wa kawaida wa LLM, mfumo unasubiri kipande kamili cha sauti, unachakata maandishi, na kisha unatoa jibu. Kama anavyobainisha mwanzilishi na Mkurugenzi Mtendaji wa Smallest.ai, Sudarshan Kamath, kusita huku ni ishara ya wazi kwamba mtumiaji anazungumza na mashine.

Mbinu ya Smallest.ai inaiga biolojia ya neva ya binadamu: kusikiliza, kufikiri, na kuzungumza kwa wakati mmoja. Mfumo wao mdogo wa sauti uliomilikiwa umekusudiwa kushughulikia akili ya wakati halisi (real-time intelligence) bila ucheleweshaji wa jibu. Kwa kuzingatia mifumo midogo na iliyobobea badala ya mifumo mikubwa ya msingi, kampuni hii inalenga kuruhusu usumbufu (interruptions) na mtiririko wa asili wa mazungumzo, ikilenga kwa ufanisi "kuvunja mtihani wa Turing" kupitia kasi na ufasaha.

Muundo wa Mifumo Miwili kwa Akili ya Mashirika (Enterprise Intelligence)

Smallest.ai inapendekeza kiwango kipya cha muundo wa wakala wa AI. Badala ya kulazimisha mfumo mmoja mkubwa kushughulikia kila kitu, kampuni inapendekeza mfumo wa ngazi mbili:

  1. Mfumo Mdogo wa Sauti (The Small Voice Model): Safu ya akili ya wakati halisi inayodhibiti nuances za mazungumzo za papo hapo na za mtiririko, ikiwa ni pamoja na lafudhi, lugha mbalimbali, na mazingira yenye kelele.
  2. LLM ya "Offline": Mfumo mkubwa wa msingi unaotumika tu wakati swali linapoangukia nje ya msingi wa maarifa mahususi wa mfumo mdogo.

Wakati mfumo mdogo unapokutana na tatizo tata, unaiga wakala wa binadamu kwa kumweka mpigaji simu kwenye "hold" kwa muda mfupi ili kufanya utafiti wa suala hilo kupitia LLM kubwa. Mbinu hii mseto inahakikisha kuwa uzoefu wa mazungumzo unabaki kuwa laini hata wakati uwezo mkubwa wa kufikiri unahitajika.

Nafasi ya Soko na Mazingira ya Ushindani

Kupitia mzunguko wa Series A wa dola milioni 13 ulioongozwa na Seligman Ventures—ukifikisha jumla ya ufadhili kuwa zaidi ya dola milioni 21—Smallest.ai inajiweka kama miundombinu muhimu kwa uchumi wa sauti wa AI. Kampuni hii haitafuti kujenga mifumo ya huduma kwa wateja kuanzia mwanzo hadi mwisho; badala yake, inatoa safu maalum ya sauti ambayo kampuni kama RingCentral na Truecaller tayari zinaitumia.

Wakati washindani kama ElevenLabs wanajikita sana katika dubbing ya sauti na podcasting, na wengine kama Cartesia au Sarvam wanawalenga maeneo mahususi ya kikanda, Smallest.ai imejikita kikamilifu kwenye wakala wa mazungumzo ya mashirika ya wakati halisi. Kamath anahoji kuwa kwa kampuni changamoto za huduma kwa wateja kama Sierra na Decagon, kuboresha sauti yenye ubora wa juu na ucheleweshaji mdogo ni jambo linalowatoa kwenye biashara yao kuu, jambo linalofanya mfumo maalum wa "plug-and-play" wa Smallest.ai kuwa hitaji la kimkakati.

Mambo Muhimu ya Kuzingatia

  • Ufanisi wa Kipekee: Smallest.ai inatumia mifumo midogo ya sauti iliyojitolea ili kufikia ucheleweshaji wa karibu sifuri, ikiepuka ucheleweshaji wa asili wa LLM kubwa za kiasili.
  • Akili Mseto: Kampuni inatumia mkakati wa mifumo miwili, ikitumia mifumo midogo yenye kasi kwa ajili ya mwingiliano wa wakati halisi na LLM kubwa kwa ajili ya kazi tata za kufikiri kwa kina.
  • Lengo la Miundombinu: Badala ya kushindana moja kwa moja na mifumo ya huduma kwa wateja, Smallest.ai inatoa safu muhimu ya teknolojia ya sauti inayowezesha wakala wa AI wa asili zaidi na wanaofanana na binadamu.

Hitimisho

Ufadhili wa dola milioni 13 wa Smallest.ai unagharamia mfumo wa sauti-AI wa ngazi mbili ulioundwa kwa madhumuni maalum, ambao unabadilisha ulimwengu mpana wa LLM kubwa kwa ajili ya kasi ya mifumo midogo inayolenga kazi maalum. Ahadi iko wazi: kufanya mazungumzo ya AI yawe ya asili kama kuzungumza na binadamu kwa kuondoa kusita kule kuko kero ambako kwa sasa kunaelezea wasaidizi wengi wa sauti. Ikiwa faida hizo zitazidi gharama za ziada za uhandisi itajulikana kadiri mashirika yanavyoanza kuweka teknolojia hiyo katika mtiririko wa simu wa ulimwengu halisi.