Scaled Cognition 推出客服语音模型 Voice

2026年10月20日 09:00 EDT 更新

Scaled Cognition 以低成本语音模型瞄准客户服务

作者：Paul Gillin

企业客户服务供应商 Scaled Cognition Inc. 今日推出一款文本转语音模型，称其能以低于竞品的成本，更准确地朗读账号、地址及其他细节。

该产品名为 Voice，可通过应用程序编程接口使用，也可自托管部署。它支持 25 种以上语言和声音克隆，并能与现有的人工智能代理、联络中心平台及较旧的电话系统配合使用。声音克隆可创建给定人物声音的数字副本。

此次发布瞄准的是自然听感的语音与能可靠传达客户完成交易所需信息的 AI 之间的差距。

“现代生成式 TTS 模型听起来可能非常出色，但它们往往会在客户服务中最关键的细节上出错，比如朗读字母数字确认码、金额或街道地址，”Scaled Cognition 产品管理副总裁 Akshay Kannan 在电子邮件评论中表示。

Kannan 表示，这些问题在英语以外的语言中会更加明显。Scaled Cognition 称，Voice 使企业无需支付高昂价格即可获得自然听感的语音和准确的朗读。

Voice 通过托管 API 使用的价格为每百万字符 9 美元，自托管为每百万字符 1 美元。后者不包括运行所需的基础设施。

Kannan 解释了成本如何低于竞争提供商。一块图形处理器使用 Voice 可处理约 32 路并发对话。他表示，在标准云硬件上使用两块 GPU 的冗余配置每月成本约为 6,000 美元，可支持约 5 亿字符。

Kannan 估计，在 5 亿字符的使用量下，包含基础设施的成本约为每百万字符 13 美元，而在 15 亿字符时低于 7 美元。他将其与其他托管语音服务每百万字符 35 至 100 美元的收费相比较，但拒绝透露这些服务的名称。

“自托管变得经济的速度比人们预期的更快，”他说。

云选项

在使用量较低时，自托管成本可能超过 Scaled Cognition 的托管 API 价格。“我们合作的大多数企业已经运行自己的基础设施，因此 Voice 可以直接接入，”Kannan 说。“对于不想自行管理的团队，我们为他们托管。”

该公司还声称语音生成延迟为 70 毫秒，即从接收文本到开始发声的时间，而非 AI 系统理解来电者并组织回答所需的总时间。

“即使 16 路实时对话共享单个 GPU 切片，典型响应时间也保持在 80 毫秒左右，”他说。“客户能控制的最大因素是距离。”将 Voice 运行在与其余通话栈相同的云区域，只会增加一两毫秒的延迟。“这是我们让企业在自己的代理和电话系统旁边自托管它的一个重要原因，”Kannan 说。

该公司表示，Voice 的显著特点之一是能够在生成音频之前理解含义。例如，其 Smart Pronunciation 能力可判断缩写是指称谓、街道名称还是其他信息，以及数字应如何朗读。例如，它将“Pay 1/2 by 1/2”读作“pay half by January second”。

“Voice 不只是从左到右朗读文本，”Kannan 说。“在说出一个词之前，Smart Pronunciation 会弄清句子的实际含义，这由我们 APT 模型背后同样经过客户体验调优的智能驱动。”

APT 是该公司用于企业系统中客户服务对话和操作的模型。当两款产品配合使用时，APT 提供对话上下文，可帮助 Voice 解决超出单句范围的歧义。

Voice 运行不需要 APT 或其他大语言模型。“它通过标准 API 流式传输音频，并针对电话音频进行了调优，因此任何能发送文本并播放语音的系统都可以使用它，从现代 AI 代理和联络中心平台到传统的[交互式语音应答系统]，”Kannan 说。

这种兼容性可能为企业提供一种无需更换底层应用即可更新交互式语音应答系统的方法。

Scaled Cognition 还提供了一项盲听测试，将 Voice 与不同价位的其他模型进行比较。Kannan 表示早期反馈偏向 Voice，不过所提供的材料未提供样本量或详细结果。

该公司在由 Khosla Ventures LLC 领投的 A 轮融资中筹集了 1 亿美元，正将语音定位为其企业 AI 平台的又一个组成部分。

图片：SiliconANGLE/Microsoft Designer

来自 SiliconANGLE 联合创始人 John Furrier 的致辞：

通过参与 theCUBE 社区，支持我们保持内容开放与免费的使命。加入 theCUBE 的 Alumni Trust Network，技术领袖们在这里建立联系、分享情报并创造机会。

超过 1500 万 theCUBE 视频观众，推动着 AI、云、网络安全等领域的对话

超过 1.14 万名 theCUBE 校友——通过独特的可信网络，与 11,400 多名塑造未来的技术和商业领袖建立联系

您是 AWS 客户吗？通过我们的 Marketplace 门户页面和链接购买 AWS 服务，从财务上支持 SiliconANGLE：https://siliconangle.com/aws-marketplace/

关于 SiliconANGLE Media

SiliconANGLE Media 是数字媒体创新领域公认的领导者，将突破性技术、战略洞察与实时受众互动融为一体。作为 SiliconANGLE、theCUBE Network、theCUBE Research、CUBE365、theCUBE AI 和 theCUBE SuperStudios 的母公司——在硅谷和纽约证券交易所设有旗舰据点——SiliconANGLE Media 在媒体、技术与 AI 的交汇处运营。

SiliconANGLE Media 由技术远见者 John Furrier 和 Dave Vellante 创立，已构建起一个充满活力的行业领先数字媒体品牌生态系统，触达超过 1500 万精英技术专业人士。我们全新的专有 theCUBE AI Video Cloud 正在受众互动领域取得突破，利用 theCUBEai.com 神经网络帮助技术公司做出数据驱动的决策，并始终站在行业对话的前沿。

Scaled Cognition 推出客服语音模型 Voice

推荐理由

主题

标签

正文 · AI 翻译