OpenAI的ChatGPT语音负责人离职，创办4000万美元的“情感”音频AI初创公司WaveForms

一家音频AI初创公司，正在构建能够在语音交互中理解并表达情感的音频大语言模型。

音频是AGI的社会情感层：能够读懂语调、语气变化和口音，并以真实情感作出回应的音频大语言模型，可以做到纯文本助手做不到的事。

Alexis Conneau三年前以Facebook研究员的身份加入OpenAI，此前他曾给自己心目中的AI英雄发邮件；他领导了ChatGPT语音功能背后的研究团队，而该功能曾因其中一个声音酷似斯嘉丽·约翰逊而登上不光彩的头条。

Conneau于2024年9月离开OpenAI，并发文称“在@OpenAI打造#Her的精彩旅程之后，我决定创办一家新公司”，随后与由工程师转型为商业战略师的Coralie Lemaitre共同创立了WaveForms。

WaveForms于2024年12月9日走出隐身模式，获得a16z提供的4000万美元种子轮融资，承诺打造能够捕捉情感细微差别、理解对话语境并作出相应回应的音频大语言模型。

语音情感与大型实验室正在进行的文本与推理竞赛是正交的。

该团队的ChatGPT语音工作是生产级音频AI中直接且难以复制的经验。

a16z的4000万美元种子轮融资表明其坚信情感音频是一个品类，而非一项功能。

消费者对AI语音的熟悉程度——无论公平与否——为情感音频产品提供了现成的语境。

在一场通用竞赛中，专业细分赛道本身就可以成为一家公司：如果巨头们正在广泛地为AGI进行优化，那么语音的情感层就仍无人认领。

截至2024年12月9日发布时，WaveForms正在构建用于情感理解的音频大语言模型，尚未公开发布任何产品。