Rime запускает Prism — модель преобразования речи в речь для голосовых ИИ-агентов

Rime запустила Prism — модель преобразования речи в речь для голосовых ИИ-агентов. Приведённые ниже показатели — заявления самой Rime, а не результаты независимых измерений.

• Скорость: время ответа менее 300 мс; по словам Rime, это в 4 раза быстрее, чем у GPT-Live от OpenAI.
• Интеллект: Rime утверждает, что Prism превосходит все остальные модели преобразования речи в речь по уровню интеллекта, не используя рассуждения, и называет её первой такой моделью, настраиваемой с помощью обучения с подкреплением.
• Доступность: разработчики могут пользоваться моделью через API Rime. Первым 100 зарегистрировавшимся Rime предлагает месяц бесплатного доступа.

В обзоре запуска от TestingCatalog также отмечается, что Prism сначала формулирует каждый ответ в виде текста и только затем произносит его, поэтому компании могут редактировать расшифровку и блокировать то, что агенту не следует говорить. Пока выполняется поиск, модель произносит короткую фразу, например: «Сейчас проверю». Поддерживается только английский язык, доступны четыре голоса; модель работает с LiveKit и Pipecat.

По словам Rime, в команде 35 человек, а объём привлечённого финансирования составляет $35M.