まず、ここだけ

  • 2,750万ドル調達のPhonicが音声対音声モデル『Phonic-1』を発表、ツール実行に特化（開発企業・資金調達：Phonic（First Round主導で2,750万ドルのシリーズA調達）／アーキテクチャ：Phonic-1 エンドツーエンド音声対音声（Speech-to-Speech）モデル）。
  • 従来の「STT＋LLM＋TTS」3段構成を脱却し約0.61秒の低遅延を実現した仕組み（応答レイテンシ：約610ミリ秒（自然な相槌・割り込み制御に対応））。
  • データベース照会中の待ち時間を自然な相槌で埋めるAPIスキーマ設計のコツ（最大の強み：会話を止めずにバックグラウンドで外部API・ツールを呼び出す機能）。

2,750万ドル調達のPhonicが音声対音声モデル『Phonic-1』を発表、ツール実行に特化

First Round Capital主導で2,750万ドルのシリーズA調達を発表したPhonic社は、エージェントタスク向けの最新Speech-to-Speech（音声対音声）モデル『Phonic-1』を公開しました。

参照先[1]

従来の「STT＋LLM＋TTS」3段構成を脱却し約0.61秒の低遅延を実現した仕組み

従来の「音声認識＋LLM＋音声合成」の3段構成ではなく、音声を直接処理することで約0.61秒の低遅延と自然な相槌・割り込み応答、会話中の外部ツール実行を両立しています。

参照先[1]

データベース照会中の待ち時間を自然な相槌で埋めるAPIスキーマ設計のコツ

ツール呼び出しを組み込む際は、APIスキーマを最小限に絞るとともに相槌ストリームを有効にすると、データベース照会中の待ち時間を自然に埋められます。

参照先[1]

話題の元投稿

作者の投稿や紹介を、X で確認できます。

よくある質問

Phonic-1のアーキテクチャや性能・価格面の強みは何ですか？

開発企業・資金調達は「Phonic（First Round主導で2,750万ドルのシリーズA調達）」、アーキテクチャは「Phonic-1 エンドツーエンド音声対音声（Speech-to-Speech）モデル」、応答レイテンシは「約610ミリ秒（自然な相槌・割り込み制御に対応）」です。従来の「音声認識＋LLM＋音声合成」の3段構成ではなく、音声を直接処理することで約0.61秒の低遅延と自然な相槌・割り込み応答、会話中の外部ツール実行を両立しています。

参照先[1]

開発者やクリエイターはどこからPhonic-1を試せますか？

最大の強みは「会話を止めずにバックグラウンドで外部API・ツールを呼び出す機能」となっています。ツール呼び出しを組み込む際は、APIスキーマを最小限に絞るとともに相槌ストリームを有効にすると、データベース照会中の待ち時間を自然に埋められます。

参照先[1]

参考リンク

  1. X (@moinnadeem)x.com