Rime ने Prism लॉन्च किया, वॉइस एजेंट्स के लिए स्पीच-टू-स्पीच मॉडल

Rime ने AI वॉइस एजेंट्स के लिए स्पीच-टू-स्पीच मॉडल Prism लॉन्च किया। नीचे दिए गए आंकड़े Rime के अपने दावे हैं, स्वतंत्र रूप से मापे गए नतीजे नहीं।

• गति: 300 ms से कम प्रतिक्रिया समय, जो Rime के अनुसार OpenAI के GPT-Live से 4x तेज़ है।
• बुद्धिमत्ता: Rime का कहना है कि बिना रीजनिंग के भी यह बुद्धिमत्ता के मामले में हर दूसरे स्पीच-टू-स्पीच मॉडल से बेहतर है। कंपनी इसे पहला ऐसा स्पीच-टू-स्पीच मॉडल भी बताती है जिसे reinforcement learning के ज़रिए कस्टमाइज़ किया जा सकता है।
• उपलब्धता: डेवलपर इसे Rime के API के ज़रिए इस्तेमाल कर सकते हैं। साइन अप करने वाले पहले 100 लोगों को Rime एक महीने का मुफ़्त ऐक्सेस दे रहा है।

लॉन्च पर TestingCatalog की रिपोर्ट में बताया गया है कि Prism बोलने से पहले हर जवाब को टेक्स्ट के रूप में लिखता है, ताकि कंपनियाँ ट्रांसक्रिप्ट में बदलाव कर सकें और एजेंट को कुछ बातें कहने से रोक सकें। लुकअप के दौरान यह "मैं इसे देखता हूँ।" जैसी एक छोटी लाइन बोलता है। यह सिर्फ़ अंग्रेज़ी और चार आवाज़ों को सपोर्ट करता है, और LiveKit तथा Pipecat के साथ काम करता है।

Rime का कहना है कि उसकी टीम में 35 लोग हैं और उसे $35M की फंडिंग मिली है।