شرکت دیپ گرام با جذب 130 میلیون دلار سرمایه جدید و رسیدن به ارزش 1.3 میلیارد دلاری، جایگاه خود را در بازار هوش مصنوعی صوتی میلیاردی تثبیت کرد تا با بهبود مدل های زبانی و تصاحب استارتاپ های نوآور، تجربه تعامل صوتی انسان و ماشین را به سطحی جدید برساند.
استفاده از هوش مصنوعی صوتی توی فروش، بازاریابی، پشتیبانی مشتری و اپلیکیشن های مصرف کننده، توی چند سال اخیر حسابی بالا رفته. این رشد چشمگیر، توجهات را به سمت پتانسیل های یک هوش مصنوعی صوتی میلیاردی جلب کرده است. در نتیجه، تامین کننده های مدل، شاهد بیزنس بیشتر و علاقه سرمایه گذارها بودن. با توجه به این تقاضا، امروز دیپ گرام (Deepgram) اعلام کرد که 130 میلیون دلار توی دور جذب سرمایه سری C به رهبری AVP و با ارزش گذاری 1.3 میلیارد دلاری جمع آوری کرده.
توی این دور، سرمایه گذارهای فعلی مثل Alkeon، In-Q-Tel، Madrona، Tiger، Wing و Y Combinator هم مبالغ بیشتری رو سرمایه گذاری کردن. علاوه بر این، سرمایه گذارهای جدیدی مثل Alumni Ventures، دانشگاه کلمبیا، Princeville Capital، Twilio و SAP هم به این دور پیوستن. این شرکت تا امروز بیش از 215 میلیون دلار سرمایه جذب کرده.
توسعه هوش مصنوعی صوتی میلیاردی؛ جذب سرمایه های کلان
جذب سرمایه این استارتاپ، روند دورهای جذب سرمایه بزرگ در حوزه هوش مصنوعی صوتی میلیاردی توی سال گذشته رو ادامه می ده؛ از جمله 250 میلیون دلار سری B برای Seasame، 180 میلیون دلار سری C برای ElevenLabs و دور پیش دانه 70 میلیون دلاری گرادیوم.
الیزابت دو سنت آنیان، یکی از شرکای AVP، به تک کرانچ گفت وقتی این صندوق داشت با شرکت ها درباره نحوه استفاده شون از هوش مصنوعی صحبت می کرد، موضوع صوت بارها مطرح شد و اون ها هم شروع کردن به بررسی شرکت های فعال توی این زمینه.
سنت آنیان گفت: «توی سال 1403، وقتی داشتیم با شرکت ها درباره نحوه استفاده از هوش مصنوعی توی کسب وکارشون صحبت می کردیم، شنیدیم که دارن از هوش مصنوعی صوتی توی فرآیندهایی مثل مراکز تماس و توسعه فروش استفاده می کنن. وقتی بیشتر باهاشون گپ زدیم، متوجه شدیم که بخش زیادی از تکنولوژی هوش مصنوعی صوتی توسط دیپ گرام پشتیبانی می شه و همین موضوع ما رو به سمت اون ها کشوند.»
اون اشاره کرد که هوش مصنوعی صوتی می تونه تعامل مشتری ها با شرکت ها رو لذت بخش تر کنه و در عین حال هزینه ها رو برای شرکت ها کاهش بده، و دیپ گرام می تونه نقش محوری توی این زمینه ایفا کنه.
دیپ گرام کلی مدل در رابطه با تبدیل متن به گفتار و گفتار به متن، همراه با پلتفرم ها و APIهایی برای تشخیص گفتار محاوره ای و مدیریت وقفه با تاخیر کم داره. این شرکت اشاره کرد که بیش از 1300 سازمان از محصولات و مدل های هوش مصنوعی صوتی میلیاردی اون استفاده می کنن، از جمله سرویس یادداشت برداری جلسات Granola، استارتاپ ایجنت صوتی Vapi و Twilio.
مدیرعامل شرکت، اسکات استیونسن، گفت که شرکت نیازی به جذب سرمایه نداشت و سال گذشته جریان نقدی شون مثبت بوده.
اون گفت: «توی سال گذشته، هوش مصنوعی صوتی میلیاردی وارد جریان اصلی شده و پتانسیل جذب بیشتری وجود داره. ما می بینیم که می تونیم سرمایه گذاری های بزرگتری رو زودتر انجام بدیم تا به رشد سرعت ببخشیم. و به همین خاطره که حس کردیم الان زمان خوبی برای جذب سرمایه ست.»
«البته ما دنبال جذب سرمایه نبودیم. چندین نفر سراغمون اومدن. ما سرمایه گذارهای استراتژیکی می خواستیم که پتانسیل هوش مصنوعی صوتی میلیاردی و پیچیدگی های فنی اون رو درک کنن و با شرکت هایی که با این تکنولوژی محصول می سازن، در ارتباط باشن.»
شرکت می خواد از این جذب سرمایه جدید برای گسترش فعالیت های جهانی خودش و پشتیبانی بهتر از چندین زبان استفاده کنه. همچنین تمرکز ویژه ای روی خدمات رسانی به رستوران ها از طریق هوش مصنوعی صوتی میلیاردی داره. برای همین منظور، شرکت Ofone رو که توسط Y-Combinator حمایت می شد، خریداری کرده؛ شرکتی که راهکارهای مبتنی بر هوش مصنوعی صوتی برای رستوران های با خدمات سریع ساخته. این استارتاپ ادعا می کنه که توی دریافت سفارش ها بیش از 93 درصد دقت داره. هوش مصنوعی صوتی توی فضای رستوران چالش های خودش رو داشته. سال گذشته، تاکو بل (Taco Bell) آزمایش هوش مصنوعی صوتی خودش رو بعد از اینکه یه نفر 18 هزار لیوان آب سفارش داد، متوقف کرد.
استیونسن گفت: «من بابت این موضوع [سفارش غذا با هوش مصنوعی صوتی] هیجان زده ام چون سفارش غذا ممکنه اولین تعامل مثبت بیش از 300 میلیون آمریکایی با هوش مصنوعی صوتی باشه. توی 20 سال گذشته کلی تعامل ناخوشایند با هوش مصنوعی صوتی وجود داشته، جایی که دستیارهای زیادی عرضه شدن و مردم احساس می کردن که اون ها تجربه جادویی ای رو ارائه نمی دن. اما وقتی بتونید غذاتون رو با یه مکالمه طبیعی سفارش بدید، مردم فکر می کنن که دیگه این تکنولوژی آماده ست.»
به نظر می رسه علاقه سرمایه گذارها به این بخش زیاده، چون خبر خرید Ofone بعد از این اومد که Presto (که به برندهایی مثل Carl’s Jr. خدمات می ده) 10 میلیون دلار سرمایه جدید جذب کرد.
آینده بازار هوش مصنوعی صوتی میلیاردی
گزارش های تحلیلگران نشون می ده که بازار صوت سالانه بیش از 30 درصد رشد می کنه و تا سال 1409 به یه بازار 14 تا 20 میلیارد دلاری تبدیل می شه. با این نرخ رشد، ارائه دهنده های مدل و API تلاش می کنن تا با تبدیل شدن به یه جزء اصلی برای شرکت ها و استارتاپ هایی که راهکارهای صوتی توسعه می دن، به شرکت های چند میلیارد دلاری تبدیل بشن تا سهمی از این بازار هوش مصنوعی صوتی میلیاردی به دست آورند.
توسعه زیرساخت های صوتی و ورود سرمایه های کلان به این حوزه نشان دهنده تغییر پارادایم در نحوه ارتباط ما با دنیای دیجیتال است. با پیشرفت دقت مدل ها و کاهش تاخیر در پاسخگویی، هوش مصنوعی صوتی به زودی به عضوی جدایی ناپذیر از زنجیره خدمات مشتریان و عملیات تجاری تبدیل خواهد شد که نه تنها هزینه ها را کاهش می دهد، بلکه تجربه ای انسانی تر و کارآمدتر برای کاربران فراهم می سازد.
Deepgram raises $130M at $1.3B valuation and buys a YC AI startup
