ప్రపంచవ్యాప్తంగా వాయిస్ ఏఐ మార్కెట్ వేగంగా విస్తరిస్తోందని పరిశ్రమ అంచనాలు చెబుతున్నాయి. 2024లో సుమారు 2.4 బిలియన్ డాలర్ల విలువ ఉన్న ఈ మార్కెట్, 2034 నాటికి 47.5 బిలియన్ డాలర్లకు చేరే అవకాశముందని విశ్లేషణలు సూచిస్తున్నాయి. అయితే ప్రస్తుతం ప్రపంచవ్యాప్తంగా జరుగుతున్న వాయిస్ సంభాషణల్లో 1 శాతం కన్నా తక్కువ మాత్రమే ఏఐ ఆధారంగా జరుగుతున్నాయి. ఇంకా అనేక సంస్థలు అధిక ఆలస్యం (Latency), సహజంగా అనిపించని సంభాషణలు, విశ్వసనీయత, నియంత్రణ, కంప్లయెన్స్ వంటి సమస్యలను ఎదుర్కొంటున్నాయి.
ఈ నేపథ్యంలో Smallest.ai తన వాయిస్ ఏఐ ప్లాట్ఫారమ్ను ఆర్థిక సేవలు, ఆరోగ్యరంగం, కాంటాక్ట్ సెంటర్లు, బిజినెస్ ప్రాసెస్ అవుట్సోర్సింగ్ (BPO) వంటి రంగాలకు విస్తరిస్తోంది. పెద్ద స్థాయిలో ఏఐ ఆధారిత వాయిస్ ఏజెంట్లను అమలు చేయాలనుకునే సంస్థలకు ఈ సాంకేతికత ఉపయోగపడుతుందని కంపెనీ పేర్కొంది.
కంపెనీ వ్యవస్థాపకుడు, సీఈఓ సుదర్శన్ కామత్ మాట్లాడుతూ, ఇప్పటి వరకు వాయిస్ ఏఐ మూడు దశల్లో అభివృద్ధి చెందినప్పటికీ ప్రతి దశ ఒకే సమస్య వద్ద ఆగిపోయిందన్నారు. పెద్ద మోడళ్లను రూపొందించడంపైనే దృష్టి పెట్టడం కాకుండా, మొత్తం ఆర్కిటెక్చర్ను తిరిగి ఆలోచించాల్సిన అవసరం ఉందని చెప్పారు. మనుషులు మాట్లాడేటప్పుడు ఒకరి మాట పూర్తయ్యాక స్పందించరని, వింటూనే ఆలోచించి వెంటనే స్పందిస్తారని, అదే విధంగా వాయిస్ ఏఐ కూడా పనిచేయాలని లక్ష్యంగా పెట్టుకుని తమ ప్లాట్ఫారమ్ను రూపొందించామని వివరించారు. దీంతో సంభాషణలు మరింత సహజంగా, వేగంగా సాగుతాయని తెలిపారు.
కంపెనీ వివరాల ప్రకారం వాయిస్ టెక్నాలజీ అభివృద్ధి నాలుగు దశల్లో సాగుతోంది. Voice 1.0లో ఇంటరాక్టివ్ వాయిస్ రెస్పాన్స్ (IVR) ఆధారిత ఫోన్ మెనూలు ఉండేవి. Voice 2.0లో మెషిన్ లెర్నింగ్ ఆధారిత వాయిస్ బాట్లు వచ్చినప్పటికీ క్లిష్ట సంభాషణలను సమర్థంగా నిర్వహించలేకపోయాయి. Voice 3.0లో జనరేటివ్ ఏఐ, లార్జ్ లాంగ్వేజ్ మోడళ్లతో సహజమైన సంభాషణలు సాధ్యమైనా, స్పీచ్ రికగ్నిషన్, లాంగ్వేజ్ మోడల్, టెక్స్ట్-టు-స్పీచ్ వంటి అనేక వ్యవస్థలు వరుసగా పనిచేయడం వల్ల ఆలస్యం కొనసాగింది.
ఇప్పుడు Smallest.ai Voice 4.0ను పరిచయం చేసింది. ఇందులో వినడం, అర్థం చేసుకోవడం, నిర్ణయం తీసుకోవడం, స్పందించడం వంటి ప్రక్రియలు ఒకేసారి సమాంతరంగా (Parallel) జరిగేలా రూపొందించారు. దీంతో మాట్లాడుతున్న సమయంలోనే ఏఐ స్పందించగల సామర్థ్యం ఏర్పడుతుందని కంపెనీ చెబుతోంది.
Voice 4.0లో ప్రధానంగా Hydra అనే స్పీచ్-టు-స్పీచ్ మోడల్ పనిచేస్తుంది. ఇది ఒక పని పూర్తయ్యే వరకు వేచి ఉండకుండా అనేక ప్రక్రియలను ఒకేసారి నిర్వహిస్తుంది. మధ్యలో సంభాషణను కొనసాగిస్తూ అవసరమైన టూల్స్ వినియోగించడం, సహజ అంతరాయాలను గుర్తించడం, తక్కువ లేటెన్సీతో స్పందించడం దీని ప్రత్యేకత.
దీనికి తోడు Pulse STT Pro ట్రాన్స్క్రిప్షన్ను మిల్లీ సెకన్లలో పూర్తి చేసే సామర్థ్యాన్ని కలిగి ఉంది. అలాగే Lightning V3.1 మోడల్ కూడా వేగం, నాణ్యత, తక్కువ ఖర్చుతో పనిచేసే వాయిస్ ఏఐ మోడళ్లలో ప్రముఖ స్థానంలో ఉందని కంపెనీ తెలిపింది. Pulse STT Pro మొత్తం 38 భాషలకు మద్దతు ఇస్తుంది. స్పీకర్ గుర్తింపు, భావోద్వేగ విశ్లేషణ, కోడ్ స్విచింగ్, శబ్దం తగ్గింపు, వ్యక్తిగత సమాచారం (PII), చెల్లింపు వివరాల (PCI) రక్షణ వంటి ఫీచర్లు కూడా ఇందులో ఉన్నాయి.
Smallest.ai ప్రకారం, తమ సాంకేతికతను వినియోగిస్తున్న సంస్థలు కస్టమర్ సపోర్ట్ ఖర్చులను 80 శాతం వరకు తగ్గించడంతో పాటు, ఉద్యోగుల ఉత్పాదకతను 10 రెట్లు వరకు పెంచుకునే అవకాశం పొందుతున్నాయి.
Seligman Ventures మేనేజింగ్ పార్ట్నర్ ఆశిష్ కాక్రాన్ మాట్లాడుతూ, వాయిస్ ఏఐ భవిష్యత్తులో జీవన విధానాన్ని, కార్యాలయాల పనితీరును మార్చే శక్తి కలిగి ఉందన్నారు. Smallest.ai సంప్రదాయ విధానాలకు భిన్నంగా మొత్తం ఆర్కిటెక్చర్ను పునర్నిర్మించడం ద్వారా తదుపరి తరం ఎంటర్ప్రైజ్ వాయిస్ సొల్యూషన్లకు మార్గం సుగమం చేస్తోందని పేర్కొన్నారు.
ప్రస్తుతం Smallest.ai సేవలను RingCentral, Truecaller, Readymode, Piramal, Kogta, Pocket వంటి సంస్థలు వినియోగిస్తున్నాయి. కంపెనీలో దాదాపు 60 మంది ఉద్యోగులు పనిచేస్తుండగా, వాయిస్ ఏఐకు పెరుగుతున్న డిమాండ్ను దృష్టిలో ఉంచుకుని వచ్చే ఏడాదిలో ఉద్యోగుల సంఖ్యను, కార్యకలాపాలను మరింత విస్తరించాలని సంస్థ ప్రణాళికలు సిద్ధం చేసింది.
