印度AI公司推出低延迟多语言语音API

产品核心功能

总部位于古尔冈（Gurugram）的人工智能初创公司Soket AI Labs推出实时语音API（Realtime Speech API），致力于提升AI语音交互体验。该产品具备500毫秒超低延迟，确保实时交互的即时响应能力。

技术特点

Soket AI Labs的实时语音API支持多语言功能，可有效克服语言障碍。同时集成了工具调用、检索增强生成（RAG）支持、自定义语音创建和克隆等高级功能，并能处理动态语音中断，实现自然对话体验。

开发者支持

开发者可通过Python和JavaScript的SDK在1-4周内完成API集成。服务定价为每分钟0.012美元，较OpenAI等竞品更具价格优势。平台支持模型微调和语音定制，可满足不同行业需求，特别适用于银行、金融服务、保险、医疗保健和电信等领域。

公司发展历程

Soket AI Labs创始人兼首席执行官阿比谢克·阿珀瓦尔（Abhishek Upperwal）在领英（LinkedIn）强调："语音是当今人工智能最重要的接口之一，而语言模型是智能的核心。"公司成立于2019年，初期专注于智慧城市数据交换平台建设。在OpenAI首席执行官萨姆·奥特曼（Sam Altman）访印后，团队转向开发本土AI模型。

行业竞争态势

5月，Soket AI Labs推出印度首个开源多语言基础模型Pragna-1B，历时六个月完成1500亿标记的训练。目前，Sarvam AI和CoRover.ai等印度初创公司也在积极开发语音模型。在Cypher 2024会议上，Sarvam AI首席执行官维韦克·拉加万（Vivek Raghavan）展示的AI语音模型引发与会者关注。