The Pulse
Phonic lancia Phonic-1 e raccoglie 27,5 milioni di dollari per l’IA vocale
Phonic ha presentato il suo modello speech-to-speech, Phonic-1, insieme a un round di serie A da 27,5 milioni di dollari guidato da First Round. Secondo l’azienda, il modello può richiamare strumenti mentre una persona è ancora al telefono
AI.info Team · Scritto con l’IA · verificato ·
«Il modello speech-to-speech era pronto per la produzione e le sue voci sono tra le più naturali che abbiamo sentito».
Abhik Pramanik, cofondatore e vicepresidente dell’ingegneria, Ashby
Phonic ha presentato Phonic-1 il 29 ottobre, descrivendolo come un modello speech-to-speech in grado di avviare chiamate agli strumenti prima che la persona al telefono abbia finito di parlare. In occasione del lancio è stato annunciato anche un round di serie A da 27,5 milioni di dollari guidato da First Round. Secondo l’azienda, il finanziamento porta il totale dei fondi raccolti a 31,5 milioni di dollari.
Il prodotto è destinato agli agenti vocali che gestiscono attività come l’assistenza clienti, la selezione del personale e le chiamate in ambito sanitario. Invece di trascrivere il parlato, generare una risposta testuale e riconvertirla in audio, secondo Phonic il suo modello gestisce la conversazione direttamente come parlato. L’azienda sostiene che questo consenta al sistema di conservare elementi come il tono e le pause mentre ragiona e risponde.
Phonic-1 si mette al lavoro a metà frase
La principale caratteristica del prodotto su cui Phonic punta è la capacità del modello di avviare una chiamata a uno strumento mentre la persona al telefono sta ancora parlando, senza aspettare la fine del suo turno. La didascalia della dimostrazione audio nella pagina di lancio afferma che Phonic-1 richiama tutti e cinque gli strumenti mentre la persona sta ancora parlando e risponde 1,1 secondi dopo che ha smesso; GPT-Live richiama gli strumenti dopo che la persona ha smesso di parlare e risponde dopo 15,7 secondi.
L’azienda ha inoltre presentato una chiamata di 44 minuti per prenotare un hotel in Brasile. Nella dimostrazione, una testimone di nozze chiede a un hotel aiuto per organizzare un addio al nubilato e Phonic-1 effettua 123 chiamate agli strumenti. La dimostrazione è una vetrina, non una misura delle prestazioni tipiche durante una chiamata. Illustra il tipo di interazione in più passaggi a cui punta Phonic: un agente vocale capace di raccogliere informazioni e compiere azioni senza costringere la persona al telefono a lunghe pause.
Il primo posto nell’indice di Artificial Analysis
Phonic afferma che Phonic-1 ha conquistato il primo posto nello Speech to Speech Index di Artificial Analysis. Artificial Analysis descrive l’indice come una media ponderata di ragionamento sul parlato, prestazioni agentiche, preferenze espresse nell’arena e tasso di successo nei compiti. L’indice è un benchmark composito, non una misura univoca delle prestazioni di un modello in ogni conversazione dal vivo.
Nel post di lancio, Phonic riporta anche un punteggio di 83,2 nel benchmark multilingue full-duplex di Sierra, davanti a GPT-Live-1 con 79,9 e a Gemini 3.8 Live con 68,5. Secondo l’azienda, Phonic-1 è addestrato su oltre 50 lingue e può passare da una lingua all’altra nel corso della conversazione mantenendo la stessa identità vocale.
La naturalezza resta un punto debole dichiarato
Phonic afferma che, in test di ascolto alla cieca condotti da terze parti, i partecipanti hanno preferito Phonic-1 nella maggior parte dei casi nel confronto tra le risposte dei modelli. L’azienda ha anche confrontato il modello con voci umane e afferma che queste ultime hanno prevalso in circa il 60% dei casi. Indica la naturalezza come un ambito da migliorare ulteriormente.
Questa precisazione è rilevante per le aziende che valutano se la capacità di portare a termine i compiti e la velocità siano sufficienti a compensare una voce che gli ascoltatori potrebbero ancora trovare meno convincente di quella di una persona. L’annuncio di Phonic presenta la capacità del modello di agire durante il turno della persona al telefono come un vantaggio centrale, pur riconoscendo che la sua naturalezza resta un lavoro in corso.
27,5 milioni di dollari per espandere la produzione
First Round ha guidato il round di serie A, a cui hanno partecipato anche Lux Capital, Felicis, Definition ed Essence VC. Phonic afferma che i suoi sistemi gestiscono ora chiamate in sei continenti per clienti tra cui Ashby, Maven AGI, Rho e un’azienda di infrastrutture informatiche della Fortune 50. Pramanik di Ashby ha dichiarato che il sistema alimenta i colloqui di lavoro con IA dell’azienda in 25 Paesi.
Phonic-1 è già disponibile e l’azienda offre 250 dollari in crediti gratuiti a chi si iscrive entro il 30 novembre. Secondo il post di lancio, Phonic offre anche tre mesi gratuiti ai clienti che passano da sistemi vocali già in uso. Il confronto dell’azienda con le voci umane evidenzia il divario ancora esistente in termini di naturalezza, mentre Phonic promuove la capacità del modello di agire in tempo reale.