OpenAI 的 ChatGPT 語音負責人離職，創辦募資 4,000 萬美元的「情感」音訊 AI 新創 WaveForms

一家音訊 AI 新創，打造能在口語互動中理解並表達情感的音訊大型語言模型。

音訊是通用人工智慧（AGI）的社會情感層：能讀懂語氣、語調與口音，並以真實情感回應的音訊大型語言模型，可以做到純文字助理做不到的事。

Alexis Conneau 三年前在寄電子郵件給他的 AI 偶像後，以 Facebook 研究員的身分加入 OpenAI；他領導了 ChatGPT 語音功能背後的研究團隊，而該功能曾因其中一個聲音神似 Scarlett Johansson 而引來不光彩的媒體標題。

Conneau 於 2024 年 9 月離開 OpenAI，發文寫道「在 @OpenAI 打造 #Her 的精彩旅程之後，我決定創辦一家新公司」，並與由工程師轉型為商業策略師的 Coralie Lemaitre 共同創立 WaveForms。

WaveForms 於 2024 年 12 月 9 日結束隱身模式，獲得 a16z 提供的 4,000 萬美元種子輪資金，承諾打造能捕捉情感細微差異、理解對話脈絡並以相應情感回應的音訊大型語言模型。

語音情感與大型實驗室正在進行的文字與推理競賽彼此正交。

團隊在 ChatGPT 語音方面的工作，是生產級音訊 AI 中直接且難以複製的經驗。

a16z 的 4,000 萬美元種子輪，顯示其確信情感音訊是一個品類，而非一項功能。

消費者對 AI 語音的熟悉度——無論公平與否——讓情感音訊產品立刻具備脈絡。

在通用競賽中的專精路線，可以自成一家公司：若巨頭們正廣泛地為 AGI 最佳化，語音的情感層便無人認領。

截至 2024 年 12 月 9 日發表時，WaveForms 正在打造用於情感理解的音訊大型語言模型，尚未公開發表任何產品。