GORONTALO — Rime, startup yang fokus pada pengembangan model kecerdasan buatan (AI) untuk menangani panggilan telepon korporat, mengumumkan perolehan pendanaan Seri A senilai 24 juta dolar AS (sekitar Rp 387 miliar) pada Rabu (19/2). Putaran ini dipimpin oleh M13 Ventures, dengan dukungan dari Twilio Ventures, Corazon Capital, Unusual Ventures, dan investor eksisting lainnya.
Perusahaan rintisan yang didirikan pada 2022 oleh mantan mahasiswa PhD Stanford Lily Clifford, mantan insinyur Amazon Alexa Brooke Larson, dan insinyur Stanford Ares Geovanos ini mengklaim telah menangani lebih dari 100 juta panggilan setiap bulan dari berbagai klien.
Mengapa Rime Membangun Studio Rekaman Sendiri
Alih-alih mengandalkan data suara dari web, Rime membangun studio rekaman di San Francisco untuk mengumpulkan data percakapan mereka sendiri. Pendekatan ini memungkinkan model suara Rime dilatih secara spesifik untuk mengucapkan nama merek dan istilah teknis di berbagai industri dengan tepat.
Rime menggunakan arsitektur berbasis fonem yang bisa beradaptasi dengan berbagai pengucapan. Alhasil, klien tidak perlu melatih ulang model untuk kebutuhan spesifik industri mereka. Startup ini melayani sektor layanan makanan, kesehatan, penerbangan, dan fintech.
Tantangan AI Voice vs IVR Tradisional
Meski teknologi voice AI terus berkembang, Clifford mengakui bahwa sistem IVR (interactive voice response) tradisional masih lebih efektif untuk sebagian besar panggilan enterprise. "Teknologi suara masih belum bisa mengotomatiskan mayoritas panggilan telepon perusahaan. LLM memang memudahkan pembuatan aplikasi suara yang berfungsi, tapi belum mengubah bagaimana rasanya berinteraksi," ujar Clifford.
"Berbicara dengan agen voice AI belum menjadi pengalaman yang menarik bagi pengguna akhir. Rasanya seperti IVR baru, tapi dengan suara yang lebih baik," tambahnya.
Pergeseran ke Model Speech-to-Speech
Awalnya, Rime menggunakan pipeline model terpisah untuk speech-to-text, text-to-speech, dan large language model (LLM). Kini startup itu beralih mengembangkan model speech-to-speech yang lebih terintegrasi untuk mengurangi latensi, memperbaiki giliran bicara (turn-taking), dan mengatasi masalah kebisingan latar. Pendekatan baru ini juga mengurangi ketergantungan pada orkestrasi antar-model.
Dengan pendekatan ini, Rime mengklaim pelanggan bertahan lebih lama dalam panggilan, yang membantu mereka memenangkan kontrak enterprise dari klien seperti Mayo Clinic, Dialpad, Upstart, dan Asurion.
Rencana Ekspansi dan Perekrutan
Dengan dana segar ini, Rime berencana memperluas tim yang saat ini berjumlah 35 orang. Perusahaan akan merekrut tenaga ahli untuk pengembangan model, teknik, dan kemitraan. Rime baru saja merekrut Rafael Valle, yang sebelumnya bekerja di Meta Superintelligence Labs dan tim riset audio deep learning Nvidia, sebagai kepala ilmuwan (chief scientist).
Sebelumnya, Rime mengumpulkan dana seed senilai 5,5 juta dolar AS pada Mei 2024. Morgan Blumberg dari M13 Ventures, yang memimpin putaran Seri A ini, bergabung dengan dewan direksi Rime. "Perusahaan seperti ElevenLabs telah bergerak menjadi lapisan orkestrasi dan aplikasi, bersaing langsung dengan Sierra dan Decagon. Saya pikir masih banyak yang bisa dilakukan secara teknis, dan pendekatan Rime mendorong model terbaik dengan latensi rendah dan keandalan tinggi di lingkungan yang teregulasi," kata Blumberg.
