대부분의 음성 AI 기업은 스크랩할 수 있는 모든 오디오로 학습합니다. Rime은 녹음 스튜디오를 만들었습니다. 7월 15일 샌프란시스코 스타트업인 이 회사는 M13 Ventures가 주도하고 Twilio Ventures, Corazon Capital, Unusual Ventures 등 기존 투자자들이 참여한 2400만 달러 규모의 시리즈 A 투자를 발표했습니다. M13 파트너 Morgan Blumberg는 이사회에 합류합니다.
창업자들
Rime은 2022년에 설립됐으며, 창업자는 스탠퍼드 언어학 박사 과정을 그만두고 회사를 시작한 CEO Lily Clifford, 전 Amazon Alexa 엔지니어 Brooke Larson, 그리고 스탠퍼드 엔지니어 Ares Geovanos입니다. 회사는 현재 35명을 고용하고 있으며 모델 개발, 엔지니어링, 파트너십 전반에서 채용을 진행 중입니다. 최근에는 Meta Superintelligence Labs에서 오디오 이해를 담당했고 Nvidia의 응용 딥러닝 오디오 연구팀에서도 일했던 Rafael Valle를 최고과학자로 영입했습니다.
데이터에 대한 베팅
차별점은 출처입니다. Rime은 스크랩한 웹 오디오에 의존하는 대신 샌프란시스코에 녹음 스튜디오를 만들어 자체 대화 데이터를 수집했습니다. 저작권 검토에 직면한 스크랩 기반 경쟁사들이 늘어나는 가운데, 이 선택은 점점 더 영리해 보입니다. 여기에 브랜드명과 업계 특화 용어를 정확히 발음하도록 설계된 음소 기반 아키텍처를 결합해, 고객이 모든 세로시장마다 모델을 다시 학습시킬 필요가 없도록 했습니다.
오늘날 무엇이 문제인가
Clifford의 진단은 이 분야에서 자금을 조달하는 창업자로서는 이례적으로 직설적입니다. "음성 기술은 아직도 기업의 대다수 전화 통화를 자동화할 수준이 아닙니다"라고 그녀는 TechCrunch에 말했습니다. "LLM은 작동하는 음성 애플리케이션을 만드는 일을 훨씬 쉽게 만들었지만, 상호작용의 느낌 자체를 바꾸지는 못했습니다. 음성 AI 에이전트와 대화하는 것은 최종 사용자에게 가장 매력적인 경험이 아닙니다. 뭔가 더 나은 목소리를 가진 새로운 IVR 같은 느낌이죠." 그녀가 제시한 해법은 구조적입니다. 연결식 speech-to-text, LLM, text-to-speech 파이프라인에서 벗어나, 지연을 줄이고, 턴테이킹을 개선하며, 배경 소음을 처리하고, 오케스트레이션 부담을 낮추는 speech-to-speech 모델로 이동하자는 것입니다.
성과와 업계
고객사는 식음료 서비스, 의료, 항공사, 핀테크 전반에 걸쳐 Mayo Clinic, Dialpad, Upstart, Asurion 등을 포함하며, TechCrunch는 Rime이 매달 1억 건이 넘는 통화를 처리한다고 전했습니다. 이 회사는 모델 개발사 ElevenLabs와 Deepgram, 인프라 기업 Vapi, Retell, LiveKit, 고객지원 기업 Decagon과 Sierra와 경쟁하고 있습니다. Blumberg의 시각은 모델 계층이 여전히 경쟁 중이라는 것입니다. "ElevenLabs 같은 회사들은 오케스트레이션과 애플리케이션 계층으로 이동했습니다... 기술적으로 아직 해야 할 일이 훨씬 많다고 봅니다."