هوش مصنوعی صوتی به یکی از داغ‌ترین بخش‌های حوزه هوش مصنوعی تبدیل شده است و سرمایه‌گذاران میلیاردها دلار برای پاسخگویی به موارد استفاده مختلف، از خودکارسازی پشتیبانی مشتری و تماس‌های فروش گرفته تا ایجاد یادداشت‌بردارهای جلسات و توسعه عینک‌های هوشمند مبتنی بر هوش مصنوعی که در آن‌ها صدا سطح اصلی تعامل است، سرمایه‌گذاری می‌کنند.

در همین حال، آزمایشگاه‌های هوش مصنوعی به سرعت در حال عرضه مدل‌های جدید هستند و تولیدکنندگان سخت‌افزار نیز در تلاش‌اند بهترین تجربه را برای تعامل مصرف‌کنندگان با دستگاه‌ها ایجاد کنند.

همه این فناوری‌های جدید به آزمایش و حلقه بازخورد برای بهبود نیاز دارند. یک استارتاپ مستقر در ایسلند به نام Treble خود را در مرکز صنعت هوش مصنوعی صوتی قرار می‌دهد و پلتفرم شبیه‌سازی ایجاد کرده است که می‌تواند نیازهای سازندگان مدل، شرکت‌های رباتیک و تولیدکنندگان سخت‌افزار مصرفی را پوشش دهد.

این شرکت که در سال ۲۰۲۰ توسط مهندسان آکوستیک Finnur Pind و Jesper Pedersen تأسیس شد، در ادامه دور سرمایه‌گذاری سری A خود به رهبری Paladin Capital Group با مشارکت سرمایه‌گذاران قبلی KOMPAS VC، Frumtak Ventures، EIC و Omega ehf مبلغ ۱۸ میلیون دلار جذب کرده است. این شرکت در سال ۲۰۲۴ سرمایه‌ای به مبلغ ۱۲ میلیون دلار دریافت کرد و مجموع سرمایه‌گذاری‌های آن تا به امروز به بیش از ۴۰ میلیون دلار رسیده است. این استارتاپ Amazon و Logitech را در میان مشتریان خود دارد.

Treble چندین حوزه عمودی مرتبط با شبیه‌سازی و داده دارد. برای شرکت‌های هوش مصنوعی صوتی، این شرکت پلتفرم تولید داده مصنوعی دارد که می‌تواند برای بهبود گفتار، حذف نویز و آموزش مدل استفاده شود. این شرکت همچنین مدل‌های هوش مصنوعی صوتی را در شرایط مختلف ارزیابی می‌کند تا بازخوردی برای آزمایشگاه‌ها فراهم کند. اوایل امسال، این شرکت با Hugging Face برای راه‌اندازی یک معیار سنجش برای مدل‌های تشخیص گفتار در شرایط واقعی مختلف همکاری کرد.

«هوش مصنوعی صوتی در واقع یک چالش داده‌ای است و اینجاست که بیشترین فرصت‌ها برای توانمندسازی مدل‌ها و سخت‌افزارهای نسل بعدی وجود دارد. تا به امروز، تقریباً تمام هوش مصنوعی مرتبط با صدا از ضبط‌ها و داده‌های جمع‌آوری‌شده از اینترنت ساخته شده است. ما معتقدیم شبیه‌سازی فیزیکی دقیق می‌تواند راهی جایگزین برای ایجاد داده برای صدا باشد»، Pind به TechCrunch گفت.

این استارتاپ همچنین بر طراحی و آزمایش سخت‌افزار از منظر صوتی تمرکز دارد. به عنوان مثال، این شرکت با شرکت‌های تولیدکننده هدفون و بلندگو برای نمونه‌سازی مجازی همکاری می‌کند تا به آن‌ها کمک کند بفهمند محصولشان چگونه ممکن است صدا دهد. همچنین می‌تواند آزمایش کند که یک بلندگوی هوشمند بر اساس موقعیت قرارگیری بلندگو چگونه می‌تواند دستورات را درک کند. اخیراً Treble وارد حوزه ارائه آزمایش شبیه‌سازی برای عینک‌های هوشمند و دستگاه‌های هوش مصنوعی شده است.

Pind گفت که این شرکت از کار روی دستگاه‌های پوشیدنی که می‌توانند شنوایی کاربران را تقویت کنند، هیجان‌زده است.

«من واقعاً درباره نسل بعدی این دستگاه‌ها مانند هدفون‌ها و عینک‌های هوشمند که می‌توانند [قابلیتی مانند] شنوایی فوق‌انسانی را فعال کنند، هیجان‌زده هستم. این حوزه‌ای است که در آن واقعاً می‌توانید در محیط‌های آکوستیک چالش‌برانگیز بهتر بشنوید. شاید در رستوران هستید و فقط می‌خواهید صدای افرادی را بشنوید که در فاصله دو متری شما هستند، یا در یک سمینار هستید و می‌خواهید صدای اطرافیان را قطع کنید»، او گفت.

Treble قصد دارد تمرکز خود را در حوزه هوش مصنوعی فیزیکی، از جمله شرکت‌های رباتیک، خودروسازی و پهپاد افزایش دهد تا از طریق آزمایش و شبیه‌سازی، عملکردهای مبتنی بر صدا را برای آن‌ها فراهم کند.

Francois Ruether، معاون Paladin Capital Group، به TechCrunch گفت که پلتفرم Treble که مدل‌ها و دستگاه‌های مختلف را شبیه‌سازی می‌کند، برجسته است؛ اهمیت این پلتفرم با ورود به حوزه‌های بیشتر افزایش خواهد یافت.

«تز سرمایه‌گذاری ما این است که با وابستگی بیشتر محصولات به درک صدا، این زیرساخت به طور فزاینده‌ای در سراسر هوش مصنوعی صوتی، دستگاه‌های پوشیدنی، رباتیک و هوش مصنوعی فیزیکی ارزشمند می‌شود. مشتریان مالکیت مدل‌ها، محصولات و گردش‌های کاری توسعه خود را حفظ می‌کنند، در حالی که از پایه مشترکی از لایه زیرساخت آکوستیک بومی شبیه‌سازی بهره‌مند می‌شوند»، Ruether گفت.