Smallest.ai capta 13 milhões de dólares para construir IA de voz ultrarrápida que soa genuinamente humana

Embora os agentes de IA sejam cada vez mais capazes de resolver problemas de suporte ao cliente, a maioria das pessoas ainda consegue perceber imediatamente quando está falando com uma máquina em vez de um humano.

Smallest.ai, uma startup fundada no final de 2024, está apostando que o próximo salto nos agentes de voz não virá de tornar os modelos de linguagem grandes mais rápidos, mas sim do uso de modelos menores e especializados, construídos para a conversação humana. Em suma, a empresa quer tornar falar com um agente de IA indistinguível de conversar com um humano.

Para fazer isso, ela está desenvolvendo um pequeno modelo de voz projetado para imitar a forma como os humanos processam informações, ouvindo, pensando e falando simultaneamente.

“Enquanto estou falando com você, você já está pensando e pode me interromper se eu falar por muito tempo”, disse ao TechCrunch Sudarshan Kamath (foto à esquerda), fundador e CEO da Smallest.ai, acrescentando que é exatamente assim que o modelo da startup foi projetado para funcionar.

Para impulsionar essa missão, a Smallest.ai captei US$ 13 milhões em uma rodada da Série A, liderada pela Seligman Ventures com a participação da Sierra Ventures e da 3one4 Capital. O novo capital eleva o financiamento total da startup para mais de US$ 21 milhões.

“A forma como um LLM funciona é que você dá a ele um prompt inteiro e, então, ele começa a pensar”, disse Kamath. Embora essa latência seja aceitável em um chat de texto, em uma conversa por voz, até mesmo uma pausa curta parece antinatural. “Se você pensar em como estamos conversando, eu não estou te dando um grande trecho do meu áudio para depois você começar a pensar.”

O modelo da startup serve como uma camada de inteligência em tempo real que permite conversas naturais com clientes sobre tópicos específicos, com latência de resposta praticamente zero. Mas se o modelo encontrar um assunto fora de sua base de conhecimento limitada, a Smallest.ai repassa a consulta para um grande modelo fundamental, colocando o cliente em espera brevemente para “pesquisar” o problema — exatamente como um humano real faria.

Kamath acredita que todos os agentes de IA em breve dependerão de dois modelos: um pequeno modelo de voz para interação em tempo real e um LLM “offline” que é acionado conforme necessário para resolver problemas complexos.

Ao contrário dos grandes modelos fundamentais, a Smallest.ai foca estritamente em nuances específicas de voz, como lidar com diversos sotaques, dar suporte a dezenas de idiomas e operar em ambientes ruidosos.

Os clientes atuais da startup incluem empresas no setor de voz, como RingCentral e Truecaller. Kamath afirmou que qualquer empresa de suporte ao cliente, incluindo as mais novas como Sierra e Decagon, é um cliente potencial para a startup.  

Quando perguntado por que uma empresa de suporte ao cliente de IA bem financiada não construiria seu próprio modelo de voz, Kamath disse que, para as startups de suporte ao cliente, tornar-se “extremamente bom em fazer voz é uma distração de seu negócio principal”.

A Smallest.ai concorre com a líder em IA de voz ElevenLabs, bem como com a Cartesia e players regionais como a Sarvam, que focam em idiomas locais.

Enquanto alguns concorrentes aplicam IA de voz a casos de uso como dublagem de áudio e podcasts, a Smallest.ai foca estritamente em agentes de voz conversacionais em tempo real para seus clientes corporativos.

“Queremos que nossos modelos passem no teste de Turing”, disse Kamath. “Você deve falar com o nosso modelo e não saber se é IA ou humano. Esse é o único foco da empresa.”