Голосовой ИИ, судя по всему, сейчас настолько горячая тема, что инвесторы швыряют миллиарды долларов во всё, что умеет слушать, отвечать или записывать протоколы встреч. В этот золотой поток врывается Treble — исландский стартап, основанный в 2020 году акустическими инженерами Финнуром Пиндом и Йеспером Педерсеном, который только что привлек $18 млн в рамках расширения раунда Series A. Раунд возглавил Paladin Capital Group, а существующие инвесторы KOMPAS VC, Frumtak Ventures, EIC и Omega ehf. также внесли свою лепту. Это следует за привлечением $12 млн в 2024 году, в результате чего общая сумма инвестиций в Treble превысила $40 млн. Среди клиентов компании — Amazon и Logitech, предположительно потому, что даже гигантским корпорациям нужен кто-то, кто скажет им, как звучат их гаджеты.

Суть предложения Treble такова: все эти новые голосовые ИИ-модели и устройства нуждаются в тестировании, а тестирование требует данных. Много данных. Вместо того чтобы выскребать записи из интернета, как все остальные, Treble генерирует синтетические аудиоданные для улучшения речи, подавления шума и обучения моделей. Компания также оценивает голосовые ИИ-модели в различных условиях и передает результаты обратно в лаборатории. В начале этого года она объединилась с Hugging Face, чтобы запустить бенчмарк для моделей распознавания речи в реалистичных условиях — потому что кто-то же должен ставить оценки машинам.

«Аудио ИИ — это на самом деле задача о данных, и именно здесь кроется большинство возможностей для создания моделей и аппаратного обеспечения следующего поколения, — сказал Пинд TechCrunch. — На сегодняшний день практически весь ИИ, связанный со звуком, был создан на основе записей и данных, собранных из интернета. Мы верим, что точное физическое моделирование может стать альтернативным способом создания данных для звука». Иными словами, зачем полагаться на беспорядочный реальный мир, если его можно смоделировать?

Помимо программного обеспечения, Treble занимается проектированием и тестированием аппаратного обеспечения с точки зрения голоса. Компания помогает производителям наушников и колонок виртуально прототипировать, как могут звучать их продукты, проверяет, может ли умная колонка понимать команды в зависимости от места установки, и в последнее время перешла к симуляционному тестированию умных очков и ИИ-устройств. Пинд особенно воодушевлен носимыми устройствами, которые могли бы дать пользователям «сверхчеловеческий слух». «Может быть, вы в ресторане и хотите слышать только людей в радиусе двух метров, или вы на семинаре и хотите заглушить окружающих», — сказал он. Потому что ничто так не говорит о прогрессе, как избирательное игнорирование окружающих.

Компания также нацелилась на физический ИИ — робототехнику, автомобильную отрасль и дронов — чтобы обеспечить звуковые функции через тестирование и симуляцию. Франсуа Ройтер, вице-президент Paladin Capital Group, сказал, что платформа Treble выделяется тем, что моделирует различные модели и устройства, и ее важность будет только расти. «Наш тезис заключается в том, что по мере того, как все больше продуктов зависят от понимания звука, эта инфраструктура становится все более ценной в голосовом ИИ, носимых устройствах, робототехнике и физическом ИИ, — сказал Ройтер. — Клиенты сохраняют право собственности на свои модели, продукты и рабочие процессы разработки, одновременно пользуясь общей основой — слоем акустической инфраструктуры, изначально основанной на симуляции». Что является замысловатым способом сказать: каждый сохраняет свое добро, но всем нужен симулированный звук Treble, чтобы оно работало.