Rime capta 24 milhões de dólares em Série A para ajudar empresas a atender chamadas de clientes

O maior trunfo das startups de IA de voz tem sido lidar com chamadas para empresas em áreas como vendas, marketing e suporte ao cliente. Grandes organizações estão repassando chamadas para desenvolvedoras de modelos de voz como ElevenLabs e Deepgram; empresas de infraestrutura como Vapi, Retell e LiveKit; e operações dedicadas de suporte ao cliente como Decagon e Sierra.

A Rime, sediada em São Francisco, está tentando obter vantagem nesse mercado concorrido com seus modelos de IA de voz treinados com dados conversacionais que ela própria grava, com o objetivo de reduzir a carga de personalização de seus clientes.

Fundada em 2022 pela ex-aluna de doutorado de Stanford Lily Clifford, pelo ex-engenheiro da Amazon Alexa Brooke Larson e pelo engenheiro de Stanford Ares Geovanos, a Rime construiu um estúdio de gravação em São Francisco para coletar seus próprios dados conversacionais, em vez de depender da raspagem de áudio da web.

A startup afirmou que foca em ajustar seus modelos de voz para acertar a pronúncia de diferentes entidades de marcas e termos específicos do setor. Ela emprega uma arquitetura baseada em fonemas para se adaptar a diferentes pronúncias, para que os clientes não precisem retreinar modelos para seu setor específico.

A Rime informou na quarta-feira que captou US$ 24 milhões em uma rodada de financiamento Série A liderada pela M13 Ventures. A Twilio Ventures, Corazon Capital, Unusual Ventures e outros investidores existentes também participaram.

Clifford afirmou que, apesar do progresso no desenvolvimento de IA de voz, as empresas ainda preferem implementações legadas de URA (unidade de resposta audível), já que a tecnologia de voz por IA ainda não consegue se equiparar à eficácia da URA.

“A tecnologia de voz ainda não chegou ao ponto de automatizar a grande maioria das ligações telefônicas empresariais. Os LLMs tornaram muito mais fácil criar aplicativos de voz que funcionam, mas não mudaram a sensação de interagir. Conversar com um agente de IA de voz não é a experiência mais atraente para o usuário final. É meio que uma nova URA, mas com uma voz melhor”, disse ela.

A startup começou com um fluxo de trabalho de modelos separados para conversão de fala em texto, texto em fala e um grande modelo de linguagem. Mas agora está mudando o foco para desenvolver modelos melhores de conversão de fala em fala para reduzir a latência, melhorar a alternância de turnos na conversa e lidar com problemas como ruído de fundo. A nova abordagem também servirá para diminuir a dependência de orquestração, para que a empresa não precise gerenciar um monte de modelos.

A Rime diz que tem clientes nas áreas de serviços de alimentação, saúde, companhias aéreas e fintechs. A empresa afirma que, devido aos seus dados de treinamento e ao posicionamento de seu modelo, os clientes permanecem mais tempo na linha, o que a ajudou a conquistar contratos corporativos de clientes como Mayo Clinic, Dialpad, Upstart e Asurion.

Com o novo financiamento, a Rime planeja expandir sua equipe de 35 pessoas, com o objetivo de contratar profissionais para desenvolvimento de modelos, engenharia e parcerias. Ela recentemente contratou Rafael Valle, que trabalhou com compreensão de áudio nos Laboratórios de Supersapiência da Meta e na equipe de pesquisa de áudio de aprendizado profundo aplicado da Nvidia, como seu cientista-chefe.

“Empresas como a ElevenLabs passaram a atuar na camada de orquestração e aplicativos, competindo diretamente com as Sierras e Decagons do mundo. Acho que ainda há muito a ser feito tecnicamente, e a abordagem da Rime de avançar com o melhor modelo, com baixa latência e alta confiabilidade em um ambiente regulamentado, se destaca”, disse Morgan Blumberg, da M13, ao TechCrunch.

A empresa havia captado anteriormente US$ 5,5 milhões em uma rodada semente em maio passado. Blumberg está integrando o conselho da startup como parte da captação de recursos.