OpenAIのChatGPT音声責任者、4000万ドルの「感情的」音声AIスタートアップWaveFormsを立ち上げるために退社

音声インタラクションにおいて感情を理解し表現する音声LLMを構築する音声AIスタートアップ。

音声はAGIの社会感情的レイヤーである。話し方のトーン、抑揚、アクセントを読み取り、本物の感情で応答する音声LLMは、テキストのみのアシスタントにはできないことを成し遂げられる。

Alexis Conneauは3年前、自身のAIのヒーローにメールを送ったことをきっかけに、Facebookの研究者からOpenAIに加わった。彼はChatGPTの音声機能を支える研究チームを率いたが、ある声がScarlett Johanssonの声に似ていたことで、芳しくない見出しを集めることになった。

Conneauは2024年9月にOpenAIを退社し、「@OpenAIで#Herを構築する素晴らしい旅を経て、新しい会社を始めることにしました」と投稿し、エンジニアからビジネスストラテジストに転じたCoralie LemaitreとともにWaveFormsを創業した。

WaveFormsは2024年12月9日にステルス状態から姿を現し、a16zから4000万ドルのシード資金提供を受けた。感情の微妙なニュアンスを捉え、会話の文脈を理解し、それに応じて応答する音声LLMを約束している。

音声の感情は、大手ラボが繰り広げているテキストと推論の競争とは直交する。

チームのChatGPT音声に関する仕事は、実運用の音声AIにおける直接的で模倣困難な経験である。

a16zの4000万ドルのシードは、感情音声が機能ではなくカテゴリーであるという確信を示している。

AI音声に対する消費者の親しみは、公正であるかどうかにかかわらず、感情音声製品に即座の文脈を与える。

一般的な競争の中の専門レーンは、それ自体が独自の会社になり得る。巨人たちが広くAGIに向けて最適化しているのであれば、音声の感情レイヤーは未主張のまま残されている。

2024年12月9日のローンチ時点で、WaveFormsは感情理解のための音声LLMを構築しており、まだ公開された製品は出荷されていない。