语音AI赛道近来呈现出明显趋势：众多初创公司纷纷涌入企业来电处理领域，覆盖销售、营销及客户支持等各类场景。目前，大型企业正将电话业务外包给一批技术型玩家，其中包括ElevenLabs、Deepgram等语音模型开发商，Vapi、Retell、LiveKit等基础设施提供商，以及Decagon、Sierra这类专注客户支持的服务商。整个竞争格局十分热闹。

总部位于旧金山的Rime，正试图在这片红海中打出自己的差异化牌。其核心策略是：不做“拿来主义”——不依赖网络抓取的音频数据，而是自行搭建录音棚，采集真实的对话数据来训练模型，从而有效降低客户的定制化成本。

Rime由前斯坦福博士生Lily Clifford、前亚马逊Alexa工程师Brooke Larson以及斯坦福工程师Ares Geovanos于2022年联合创立。公司在旧金山建立了专属录音棚，所有训练数据均来自自主采集的对话，而非从互联网上随意抓取音频。这个选择看似朴实，实则是其竞争力的根基所在。

公司的核心优势在于精细调优——针对不同品牌实体和行业专有术语的发音进行专项优化。Rime采用基于音素的架构来适配各类发音习惯，客户无需针对特定行业重新训练模型，定制成本因此大幅降低。

本周三，Rime宣布完成2400万美元A轮融资，由M13 Ventures领投，Twilio Ventures、Corazon Capital、Unusual Ventures及其他现有投资方跟投。

联合创始人Clifford透露了一个值得深思的现实：尽管语音AI技术不断进步，但企业依然倾向于沿用传统的交互式语音应答（IVR）系统。为什么？因为当前的AI语音技术在实际效果上，还难以真正超越IVR。

“语音技术尚未成熟到足以自动化处理绝大多数企业电话。大语言模型确实让构建可用的语音应用变得更加容易，但并未改变交互的体验感。与语音AI智能体对话对终端用户来说并不是最令人信服的体验，某种程度上就像是换了个更好声音的IVR。”她如是说。

起初，Rime采用语音转文本、文本转语音和大语言模型分离的管道架构。但公司正将重心转向开发更优秀的语音到语音模型，目标是降低延迟、改善对话轮次切换，并解决背景噪音等实际问题。这一新方案还能减少对编排层的依赖，让公司无需同时管理多个模型。

目前，Rime的客户覆盖餐饮、医疗、航空及金融科技等行业。公司表示，得益于训练数据质量和模型定位，用户通话时长显著提升，这帮助其赢得了Mayo Clinic、Dialpad、Upstart和Asurion等企业客户的合同。

获得新一轮融资后，Rime计划扩充现有35人的团队，重点招募模型开发、工程及合作伙伴方向的人才。近期还聘请了Rafael Valle担任首席科学家——他曾在Meta超级智能实验室和英伟达应用深度学习音频研究团队从事音频理解研究，这一人事布局意味深长。

M13的Morgan Blumberg在接受TechCrunch采访时指出：“ElevenLabs等公司已转型为编排层和应用层，直接与Sierra、Decagon等公司展开竞争。我认为技术层面还有大量工作有待完成，而Rime专注于在受监管环境中打造低延迟、高可靠性的最优模型，这一方向十分突出。”

Rime曾于去年五月完成550万美元种子轮融资。作为本轮融资的一部分，Blumberg将加入该公司董事会。

Q&A

Q1：Rime的语音AI模型与其他竞争对手相比有何不同？

A：最大的差异化在于训练数据的来源。公司在旧金山建有专属录音棚，自主采集对话数据，而非从网络抓取音频。此外，Rime采用基于音素的架构，能够适配不同品牌和行业的专有术语发音，客户无需针对特定行业重新训练模型，从而大幅降低定制化成本。

Q2：Rime目前服务哪些行业，有哪些知名客户？

A：客户涵盖餐饮、医疗、航空和金融科技等多个行业。已签约的知名企业客户包括Mayo Clinic（梅奥诊所）、Dialpad、Upstart和Asurion。公司表示，由于其模型能让用户在通话中停留更长时间，因此在企业合同竞争中具有明显优势。

Q3：Rime这轮2400万美元融资将用在哪些方面？

A：计划用于团队扩张，重点招募模型开发、工程和合作伙伴方向的人才。技术层面，公司将加速推进语音到语音模型的研发，目标是降低延迟、改善对话轮次切换，并解决背景噪音等问题，同时减少对多模型编排架构的依赖。