Boson AI 押注開源 Higgs 語音模型能勝過雲端巨頭；募資 7,000 萬美元、GitHub 專案累積 7.5K 星

Boson AI 打造基礎音訊模型——Higgs TTS、語音對語音（speech-to-speech）與虛擬人（avatar）API——供對話式語音代理使用，鎖定金融、電信、醫療與保險業的企業客戶，並為較早期的模型提供開放權重。

押注語音是下一個人類與 AI 的介面，而一條開放權重的全端模型產品線能在成本上勝過 OpenAI 與 Meta——開源可播下採用率的種子，付費 API 則將其變現。

於各輪種子募資中合計募得 7,000 萬美元；投資方包括中國企業家蘇華與淡馬錫（Temasek）的創投部門（Fortune，2026-07-27）。

Alex Smola 曾任 AWS 傑出科學家，他於 2023 年與李沐（Mu Li）共同創立 Boson AI。李沐是他昔日的學生，也是深度學習框架 MXNet 的共同創造者之一；兩人在認定產業正從純文字介面走向多模態音訊與視覺後創立公司。該公司開始推出 Higgs 系列模型，並於 2025 年 5 月開源 Higgs TTS 2。

Higgs TTS 2 的開源發布帶動了社群關注——boson-ai/higgs-audio 儲存庫在 2025 年 10 月 21 日前達到 7.5K GitHub 星（2025 年第四季成長 7.5 倍，ROSS Index）——公司也持續推出新產品：2026 年 6 月 4 日的 Higgs TTS 3（支援 100 多種語言、零樣本語音複製、行內情緒控制）、2026 年 6 月的 Higgs Avatar API，以及 2026 年 3 月的 Higgs Audio 黑客松。Fortune 報導該公司募得 7,000 萬美元，投資方包括蘇華與淡馬錫，企業目標市場為金融、電信、醫療與保險。

持續營運並擴張中：截至 2026 年 9 月，Boson AI 正準備推出其首個語音對語音模型 Higgs RealTime，並聲稱成本約為 OpenAI 等競爭對手的十分之一；Higgs Audio v3 版本現已發布於 Hugging Face，並在 boson.ai 提供託管 API。

開源較早期的 Higgs 模型，在沒有廣告預算的情況下建立了開發者好感與 GitHub 能見度，為付費 API 日後服務的生態系播下種子。

成本僅為十分之一的說法，鎖定語音 AI 中量體最大的痛點——推論成本——使價格成為對抗資金雄厚既有業者的楔子。

全端押注（TTS、ASR、虛擬人、語音對語音）讓企業能向單一供應商取得整個語音迴路，並契合資料落地（data residency）需求。

先鎖定金融、電信、醫療與保險，讓這家種子階段公司在達到消費級規模前，先取得狹窄的企業灘頭堡。

對模型新創而言，開放權重發布是低成本的通路：免費釋出較早期模型可建立 GitHub 能見度與開發者好感，而付費 API 與企業授權則在日後捕捉價值。

截至 2026 年 9 月 2 日，Boson AI 持續營運並擴張中。Higgs TTS 3 已發布（2026 年 6 月 4 日），於 Hugging Face 提供開放權重，並在 boson.ai 提供免費託管預覽；Higgs Avatar API 已於 2026 年 6 月推出；而公司首個語音對語音模型 Higgs RealTime 原定於 2026 年 8 月左右推出（Crypto Briefing、Fortune）。該公司表示已募得約 7,000 萬美元，投資方包括蘇華與淡馬錫，並正在金融、電信、醫療與保險領域銷售具備地端部署與資料落地選項的企業部署方案。