Rime wprowadza Prism, model speech-to-speech dla agentów głosowych

Rime wprowadziło Prism, model speech-to-speech dla głosowych agentów AI. Poniższe dane to deklaracje Rime, a nie wyniki niezależnych pomiarów.

• Szybkość: czas odpowiedzi poniżej 300 ms, co według Rime jest 4 razy szybciej niż w przypadku GPT-Live od OpenAI.
• Inteligencja: Rime twierdzi, że Prism przewyższa każdy inny model speech-to-speech pod względem inteligencji, bez rozumowania, i nazywa go pierwszym modelem speech-to-speech, który można dostosowywać za pomocą uczenia przez wzmacnianie.
• Dostępność: deweloperzy mogą korzystać z modelu za pośrednictwem API Rime. Rime oferuje miesiąc za darmo pierwszym 100 osobom, które się zarejestrują.

W relacji z premiery TestingCatalog dodaje, że Prism najpierw zapisuje każdą odpowiedź w formie tekstu, a dopiero potem ją wypowiada, dzięki czemu firmy mogą edytować transkrypcję i blokować treści, których agent nie powinien mówić. Podczas wyszukiwania informacji wypowiada krótką kwestię, na przykład „Już sprawdzam”. Obsługuje wyłącznie język angielski, ma cztery głosy i współpracuje z LiveKit oraz Pipecat.

Rime twierdzi, że jego zespół liczy 35 osób, a firma pozyskała 35 mln USD finansowania.