💡 **AI语音交互的革新**: Cartesia推出的Sonic-3模型，基于状态空间模型（SSM）而非Transformer架构，显著提升了对话的自然度和效率。其低延迟（端到端190ms）和对42种语言的支持，使其在实时对话场景中表现出色，能够像人类一样“记住”对话的主题和氛围，避免了Transformer模型需要反复回顾上下文的弊端，为下一代人机交互界面奠定了基础。

📈 **AI在商业场景中的广泛应用**: Sonic模型已被Servicenow、Cresta和Decagon等数千家企业应用于每月数百万次对话，尤其是在AI客服和AI笔记领域，市场需求强劲。Cluely等工具的转型和创新，如提供实时会议智能，而非仅在会后生成总结，进一步展示了AI在提升会议效率和处理复杂对话方面的巨大潜力。

💰 **AI驱动信息获取的新模式**: 通过与AI聊天来获取信息已成为一种新的趋势，尤其在客户研究领域。相关AI产品通过模拟大规模深度用户访谈，能够在数小时内完成数百甚至上千次访谈，极大地提高了信息收集的效率，并实现了传统需要大量人工处理工作的自动化，为企业决策提供了有力支持。

🌐 **语音AI的长期愿景与投资热潮**: a16z和Sequoia等顶级投资机构对语音AI硬件和交互界面的长期愿景进行了巨额押注。Genspark等华人语音AI公司也取得了显著成就，ARR（年经常性收入）超过5000万美元，估值达到10亿美元，这表明市场对语音AI技术的未来发展充满信心，并愿意为之投入巨资。

原创 StartupBoy 2025-11-03 13:38 广东

在一个 AI 越来越多地做出决策的世界里，理解真实人类的需求、欲望和痛点变得比以往任何时候都更加重要

AI 语音的发展，不仅正在改变很多行业，很可能会成为未来非常重要的一种新的交互界面。模型层面，Cartesia 前几天宣布从 KP、Index、Lightspeed 和英伟达等完成了 1 亿美金的融资，并推出了最先进的实时对话模型 Sonic-3。

Sonic-3 具有很好的自然感，模型延迟在 90ms，端到端 190ms，支持 42 种语言。而且它是基于状态空间模型 (SSM) 而不是 Transformer 进行构建的。

Cartesia 说，都在用的 Transformers 就像在说每个新单词之前，都要从头开始重温整个对话，每一个单词都需要回顾所有内容。

而 SSM（Sonic-3 所使用的）就像人类一样，能够记住对话的主题和氛围。有足够的上下文信息，无需重放所有内容就能自然地进行交流。目前像 ServiceNow、Cresta 和 Decagon 等数千家企业每月使用 Sonic 进行数百万次对话。

应用层面，大量 AI 客服以及各种 AI 笔记应用的快速渗透《红杉中国领投 Genspark 估值 10 亿美金，又一华人语音 AI ARR 超 5000 万美金》，已经能感受到市场的需求。

就连之前引发了巨大争议的 Cluely，前几天也宣布转型为了一个 AI 笔记应用，其创始人 Roy 因开发 AI 作弊工具被退学，后拿到 a16z 1500 万美金融资和激进的营销方式而走红。

Cluely 声称与其他类似产品在会议结束后才发挥作用的常规 AI 会议记录工具不同，Cluely在通话过程中提供实时会议智能。其他 AI 会议助手在会后生成会议总结，而 Cluely 则帮助你回答技术问题、处理异议，并在高风险对话中表现得更好。

a16z 和 Sequoia 重金押注的这个语音 AI《Benchmark 加入一位新 GP，a16z 和红杉巨额投了一个语音 AI 硬件》，其长期愿景也是通过语音 AI 和硬件载体来打造新的交互界面。

而我之前介绍过的通过与 AI 聊天来进行招聘的这种新方式《AI 招聘新方式：跟 AI 聊天。种子轮就拿了 2000 万美金》，也开始延伸到其他行业。

其中将这个方式应用到客户研究的 AI 产品，已经连续完成了 3 轮近 1 亿美金，其核心也是直接通过与 AI 的聊天对话来获取信息。

它能让企业在几小时内完成数百甚至上千次深度用户访谈。除此之外，它还将传统需要大量人工处理的工作自动化了，比方说……

全文共 2386 字

后续内容为付费会员专属，会员扫码登录直接阅读

扫码或点击「阅读原文」继续阅读