మానవ సంభాషణ మరియు AI పరస్పర చర్యల మధ్య ఉన్న అంతరం తగ్గుతోంది, కానీ నిజమైన అనుభూతిని (immersion) పొందడంలో లేటెన్సీ (latency) ఒక ప్రధాన అడ్డంకిగా ఉంది. Smallest.ai భారీ, నెమ్మదైన LLMల నుండి మానవ మేధో నమూనాలను అనుకరించేలా రూపొందించబడిన ప్రత్యేకమైన, అత్యంత వేగవంతమైన చిన్న వాయిస్ మోడళ్ల వైపు మళ్లుతూ ఈ సవాలును ఎదుర్కొంటోంది.
Large Language Models యొక్క లేటెన్సీని అధిగమించడం
ప్రస్తుత AI వాయిస్ ఏజెంట్లు తరచుగా "prompt-then-process" ఆలస్యంతో ఇబ్బంది పడుతుంటాయి. సాధారణ LLM వర్క్ఫ్లోలో, సిస్టమ్ పూర్తి ఆడియో క్లిప్ కోసం వేచి చూస్తుంది, టెక్స్ట్ను ప్రాసెస్ చేస్తుంది మరియు ఆపై ప్రతిస్పందనను రూపొందిస్తుంది. Smallest.ai వ్యవస్థాపకుడు మరియు CEO సుదర్శన్ కామత్ పేర్కొన్నట్లుగా, ఈ విరామం వినియోగదారుడు ఒక యంత్రంతో మాట్లాడుతున్నాడనే విషయాన్ని స్పష్టంగా తెలియజేస్తుంది.
Smallest.ai విధానం మానవ నరాల జీవశాస్త్రం (neurobiology) లాగా పనిచేస్తుంది: వినడం, ఆలోచించడం మరియు మాట్లాడటం ఒకేసారి జరుగుతాయి. వారి స్వంత చిన్న వాయిస్ మోడల్ దాదాపు సున్నా ప్రతిస్పందన ఆలస్యంతో (response lag) రియల్ టైమ్ ఇంటెలిజెన్స్ను నిర్వహించేలా రూపొందించబడింది. భారీ ఫౌండేషనల్ మోడళ్ల కంటే చిన్న, ప్రత్యేకమైన మోడళ్లపై దృష్టి పెట్టడం ద్వారా, ఈ స్టార్టప్ మధ్యలో మాటలను అడ్డుకోవడం (interruptions) మరియు సహజమైన సంభాషణ ప్రవాహాన్ని సాధ్యం చేయాలని లక్ష్యంగా పెట్టుకుంది. వేగం మరియు సూక్ష్మత ద్వారా "ట్యూరింగ్ టెస్ట్ను అధిగమించడం" (break the Turing test) దీని ప్రధాన ఉద్దేశ్యం.
ఎంటర్ప్రైజ్ ఇంటెలిజెన్స్ కోసం డ్యూయల్-మోడల్ ఆర్కిటెక్చర్
Smallest.ai AI ఏజెంట్ ఆర్కిటెక్చర్కు ఒక కొత్త ప్రమాణాన్ని ప్రతిపాదిస్తోంది. అన్నింటినీ నిర్వహించడానికి ఒకే పెద్ద మోడల్పై ఆధారపడకుండా, ఈ కంపెనీ రెండు స్థాయిల (two-tier) వ్యవస్థను సమర్థిస్తోంది:
- The Small Voice Model: యాసలు (accents), వివిధ భాషలు మరియు శబ్దాలు ఉన్న వాతావరణంతో సహా తక్షణ, సజావుగా సాగే సంభాషణల సూక్ష్మతలను నిర్వహించే రియల్-టైమ్ ఇంటెలిజెన్స్ లేయర్.
- The "Offline" LLM: చిన్న మోడల్ యొక్క నిర్దిష్ట జ్ఞాన పరిధికి మించిన ప్రశ్నలు వచ్చినప్పుడు మాత్రమే పిలవబడే పెద్ద ఫౌండేషనల్ మోడల్.
చిన్న మోడల్ సంక్లిష్టమైన సమస్యను ఎదుర్కొన్నప్పుడు, అది పెద్ద LLM ద్వారా ఆ సమస్యను పరిశోధించడానికి కాల్ చేసే వ్యక్తిని స్వల్పకాలికంగా "హోల్డ్" (hold) లో ఉంచుతూ, ఒక మానవ ఏజెంట్లాగా వ్యవహరిస్తుంది. ఈ హైబ్రిడ్ విధానం వల్ల, ఉన్నత స్థాయి తార్కికం (high-level reasoning) అవసరమైనప్పుడు కూడా సంభాషణ అనుభవం అంతరాయం లేకుండా సాగుతుంది.
మార్కెట్ పొజిషనింగ్ మరియు పోటీ వాతావరణం
Seligman Ventures నేతృత్వంలో జరిగిన $13 మిలియన్ల సిరీస్ A రౌండ్తో—మొత్తం నిధులు $21 మిలియన్లకు పైగా చేరుకున్నాయి—Smallest.ai తనను తాను వాయిస్ AI ఆర్థిక వ్యవస్థకు అవసరమైన మౌలిక సదుపాయంగా (essential infrastructure) నిలబెట్టుకుంటోంది. ఈ స్టార్టప్ ఎండ్-టు-ఎండ్ కస్టమర్ సపోర్ట్ ప్లాట్ఫారమ్లను నిర్మించాలని చూడటం లేదు; బదులుగా, RingCentral మరియు Truecaller వంటి కంపెనీలు ఇప్పటికే ఉపయోగిస్తున్న ప్రత్యేకమైన వాయిస్ లేయర్ను ఇది అందిస్తుంది.
ElevenLabs వంటి పోటీదారులు ఆడియో డబ్బింగ్ మరియు పాడ్కాస్టింగ్ పై ఎక్కువగా దృష్టి పెడుతుంటే, Cartesia లేదా Sarvam వంటి ఇతర సంస్థలు నిర్దిష్ట ప్రాంతీయ రంగాలను లక్ష్యంగా చేసుకుంటున్నాయి. కానీ, Smallest.ai రియల్ టైమ్ ఎంటర్ప్రైజ్ కన్వర్సేషనల్ ఏజెంట్లపై మాత్రమే దృష్టి పెడుతుంది. Sierra మరియు Decagon వంటి కస్టమర్ సపోర్ట్ స్టార్టప్ల కోసం హై-ఫిడెలిటీ, లో-లేటెన్సీ వాయిస్ను పరిపూర్ణం చేయడం అనేది వారి ప్రధాన వ్యాపారం నుండి దృష్టి మళ్లించినట్లు అవుతుందని కామత్ వాదిస్తున్నారు. అందుకే Smallest.ai యొక్క ప్రత్యేకమైన "plug-and-play" మోడల్ ఒక వ్యూహాత్మక అవసరమని ఆయన అభిప్రాయపడుతున్నారు.
ముఖ్య అంశాలు
- Specialized Efficiency: సాంప్రదాయ భారీ స్థాయి LLMల యొక్క సహజ ఆలస్యాలను నివారించడానికి, Smallest.ai దాదాపు సున్నా లేటెన్సీని సాధించడానికి చిన్న, ప్రత్యేకమైన వాయిస్ మోడళ్లను ఉపయోగిస్తుంది.
- Hybrid Intelligence: ఈ కంపెనీ డ్యూయల్-మోడల్ వ్యూహాన్ని అనుసరిస్తుంది; రియల్ టైమ్ ఇంటరాక్షన్ కోసం వేగవంతమైన చిన్న మోడళ్లను మరియు సంక్లిష్టమైన, లోతైన తార్కిక పనుల కోసం పెద్ద LLMలను ఉపయోగిస్తుంది.
- Infrastructure Focus: కస్టమర్ సపోర్ట్ ప్లాట్ఫారమ్లతో నేరుగా పోటీ పడకుండా, మరింత సహజమైన, మానవ పోలికలు ఉన్న AI ఏజెంట్లను సాధ్యం చేసే కీలకమైన వాయిస్ టెక్నాలజీ లేయర్ను Smallest.ai అందిస్తుంది.
ముగింపు
Smallest.ai సేకరించిన $13 మిలియన్ల నిధులు, భారీ LLMల విశ్వజనీయత కంటే చిన్న, టాస్క్-ఫోకస్డ్ మోడళ్ల వేగానికి ప్రాధాన్యతనిచ్చే ప్రత్యేకమైన, రెండు స్థాయిల వాయిస్-AI స్టాక్ కోసం ఉపయోగించబడతాయి. దీని వాగ్దానం స్పష్టంగా ఉంది: ప్రస్తుతం చాలా వాయిస్ అసిస్టెంట్లలో ఉండే అసౌకర్యమైన విరామాలను తొలగించడం ద్వారా, AI సంభాషణలు మనిషితో మాట్లాడినంత సహజంగా ఉండేలా చేయడం. ఈ సాంకేతికత వల్ల కలిగే ప్రయోజనాలు, దీని కోసం అయ్యే అదనపు ఇంజనీరింగ్ ఖర్చు కంటే ఎక్కువగా ఉంటాయా అనేది, సంస్థలు ఈ సాంకేతికతను వాస్తవ ప్రపంచ కాల్ ఫ్లోలలో చేర్చడం ప్రారంభించినప్పుడు స్పష్టమవుతుంది.