L'IA vocale est apparemment tellement en vogue en ce moment que les investisseurs balancent des milliards de dollars à tout ce qui peut écouter, répondre ou prendre des notes de réunion. Dans cette ruée vers l'or s'avance Treble, une startup islandaise fondée en 2020 par les ingénieurs acousticien Finnur Pind et Jesper Pedersen, qui vient de lever 18 millions de dollars en extension de sa Série A. Le tour a été mené par Paladin Capital Group, avec la participation des investisseurs existants KOMPAS VC, Frumtak Ventures, EIC et Omega ehf. Cela fait suite à une levée de 12 millions de dollars en 2024, portant le total de Treble à plus de 40 millions. L'entreprise compte Amazon et Logitech parmi ses clients, sans doute parce que même les géants ont besoin qu'on leur dise comment sonnent leurs gadgets.

Le pitch de Treble est essentiellement : tous ces nouveaux modèles et appareils d'IA vocale ont besoin d'être testés, et les tests ont besoin de données. Beaucoup de données. Plutôt que de récupérer des enregistrements sur Internet comme tout le monde, Treble génère des données audio synthétiques pour l'amélioration de la parole, la suppression du bruit et l'entraînement de modèles. Elle évalue aussi les modèles d'IA vocale dans différentes conditions et renvoie ces informations aux laboratoires. Plus tôt cette année, elle s'est associée à Hugging Face pour lancer un benchmark pour les modèles de reconnaissance vocale dans des conditions réalistes - parce que quelqu'un doit bien noter les machines.

« L'IA audio est vraiment un défi de données, et c'est là que se trouvent le plus d'opportunités pour permettre les modèles et le matériel de nouvelle génération », a déclaré Pind à TechCrunch. « À ce jour, pratiquement toute l'IA liée au son a été créée à partir d'enregistrements et de données récupérées sur Internet. Nous pensons qu'une simulation physique précise peut être une alternative pour créer des données sonores. » En d'autres termes, pourquoi s'appuyer sur le monde réel désordonné quand on peut le simuler ?

Au-delà du logiciel, Treble fait de la conception et des tests matériels du point de vue vocal. Elle aide les entreprises de casques et d'enceintes à prototyper virtuellement le son de leurs produits, teste si une enceinte intelligente peut comprendre des commandes en fonction de son emplacement, et s'est récemment tournée vers les tests de simulation pour les lunettes intelligentes et les appareils d'IA. Pind est particulièrement enthousiaste à propos des wearables qui pourraient donner aux utilisateurs une « ouïe surhumaine ». « Peut-être que vous êtes dans un restaurant et que vous ne voulez entendre que les personnes à moins de deux mètres, ou que vous êtes dans un séminaire et que vous voulez couper le son des gens autour de vous », a-t-il dit. Parce que rien ne dit progrès comme ignorer sélectivement les gens autour de soi.

L'entreprise vise également l'IA physique - robotique, automobile et drones - pour permettre des fonctions basées sur le son via des tests et des simulations. Francois Ruether, vice-président de Paladin Capital Group, a déclaré que la plateforme de Treble se démarque parce qu'elle simule différents modèles et appareils, et que son importance ne fera que croître. « Notre thèse est que, à mesure que de plus en plus de produits dépendent de la compréhension du son, cette infrastructure devient de plus en plus précieuse à travers l'IA vocale, les wearables, la robotique et l'IA physique », a déclaré Ruether. « Les clients conservent la propriété de leurs modèles, produits et flux de travail de développement, tout en bénéficiant d'une base commune : une couche d'infrastructure acoustique native de la simulation. » Ce qui est une façon élégante de dire : tout le monde garde ses affaires, mais tout le monde a besoin du son simulé de Treble pour que ça fonctionne.