Rime 融资 2400 万美元：用真实对话数据打造企业级语音 AI
背景：企业语音 AI 赛道持续升温
语音 AI 初创公司眼下最大的商业机会，是替企业在销售、营销和客服场景接听电话。ElevenLabs 和 Deepgram 提供底层语音模型，Vapi、Retill、LiveKit 等负责工程落地，Decagon 和 Sierra 则专注客服垂直领域——整条产业链已相当拥挤。
核心变化：自建录音棚、押注发音定制
Rime 成立于 2022 年，三位创始人分别是前斯坦福博士生 Lily Clifford、前亚马逊 Alexa 工程师 Brooke Larson 以及斯坦福工程师 Ares Geovanos。与多数竞品不同，Rime 在旧金山搭建了专属录音棚，通过录制真实对话来获取训练数据，而非从网络爬取音频。
技术层面，Rime 采用音素（phoneme）架构，能自动适配不同品牌和行业术语的发音方式，客户无需为自身行业场景重新训练模型。公司表示，目前已在餐饮、医疗、航空和金融科技领域落地，典型客户包括 Mayo Clinic、Dialpad、Upstart 和 Asurion。
Rime 声称，由于训练数据与模型定位的优势，使用其语音 AI 后客户在通话中停留时间更长，这是赢得企业大单的关键。
影响与建议：端到端语音模型是下一代方向
Rime 联合创始人 Lily Clifford 指出，当前企业仍偏好传统 IVR 系统，语音 AI 技术尚未达到自动化大多数企业电话的水平："LLM 让搭建可用的语音应用变得容易，但没有改变交互体验的本质。与语音 AI 通话并不比传统 IVR 更有吸引力——只是声音更好听了。" 为此，Rime 正在调整技术路线：从分离的 ASR（语音转文本）→ LLM → TTS（文本转语音）管线，转向端到端语音到语音（speech-to-speech）模型。此举可降低延迟、改善对话轮次管理，并提升嘈杂环境下的抗干扰能力，同时减少对编排层（orchestration）的依赖。
本轮为 A 轮融资，共 2400 万美元，由 M13 Ventures 领投，Twilio Ventures、Corazon Capital、Unusual Ventures 等跟投。Rime 此前已于去年 5 月完成 550 万美元种子轮融资。本轮后 M13 合伙人 Morgan Blumberg 加入 Rime 董事会。新资金将用于扩充现有 35 人团队，重点招募模型研发、工程和商务合作人才。公司近期还引入了 Meta Superintelligence Labs 音频理解团队前成员、NVIDIA 应用深度学习音频研究工程师 Rafael Valle 担任首席科学家。
Blumberg 评价道："ElevenLabs 等公司已开始向编排和应用层扩张，正面交锋 Sierra、Decagon 等对手。而 Rime 的路径——在受监督&管理环境下追求低延迟、高可靠性的最优模型——在技术上仍有大量可突破的空间。"
评论