AI客服初创Rime获2400万美元A轮融资

背景

企业级呼叫处理长期以来是语音AI最热门的应用领域之一。大型企业正在将销售、营销和客户支持等场景的电话转交给语音模型开发商（如 ElevenLabs、Deepgram）、基础设施公司（如 Vapi、Retell、LiveKit）以及专门的客服方案商（如 Decagon、Sierra）。在这一拥挤市场中，旧金山初创公司 Rime 试图通过自建对话数据集训练的语音 AI 模型获取竞争优势，从而降低客户在定制化上的负担。

核心内容

Rime 由前斯坦福博士生 Lily Clifford、前亚马逊 Alexa 工程师 Brooke Larson 以及斯坦福工程师 Ares Geovanos 于 2022 年联合创立。与多数同行依赖网络爬取音频不同，Rime 在旧金山自建录音室，收集真实的对话数据来训练模型。其技术核心在于：通过音素（phoneme）架构适应不同品牌名称和行业术语的发音，使客户无需为特定行业重新训练模型，就能准确念出各类专有名词。

本周三（2025 年 5 月 7 日），Rime 宣布完成 2400 万美元 A 轮融资，领投方为 M13 Ventures，Twilio Ventures、Corazon Capital、Unusual Ventures 及其他现有投资者参与跟投。此前 Rime 曾在 2024 年 5 月完成 550 万美元种子轮融资。作为此轮交易的一部分，M13 的 Morgan Blumberg 将加入 Rime 董事会。

CEO Lily Clifford 表示，尽管语音 AI 技术已有进步，但企业仍倾向使用传统的 IVR（交互式语音应答）系统，因为 AI 语音在体验上仍无法匹敌 IVR 的有效性。“语音技术还远未达到自动化绝大多数企业电话的水平。LLM 让构建可用的语音应用变得更容易，但并没有改变交互感受。与语音 AI 代理对话对终端用户来说，体验并不算最吸引人，它有点像一个新的 IVR，只是声音更好听。”

初期 Rime 采用由语音转文本、文本转语音和大语言模型组成的独立模型管线，但现在正转向开发更先进的语音到语音（speech-to-speech）模型，以降低延迟、改善话轮切换并处理背景噪音等难题。新方法也将减少对多个模型编排的依赖，使公司不再需要同时管理一堆不同模型。

Rime 声称已在餐饮服务、医疗健康、航空和金融科技领域获得客户，包括 Mayo Clinic、Dialpad、Upstart 和 Asurion。公司认为，由于训练数据和模型定位的优势，客户在通话中停留的时间更长，这帮助其赢得了企业合同。

本轮资金将用于扩张目前 35 人的团队，重点招聘模型开发、工程和合作方面的人才。Rime 最近还聘请了 Rafael Valle 担任首席科学家——他曾在 Meta Superintelligence Labs 和 NVIDIA 应用深度学习音频研究团队从事音频理解工作。

M13 的 Morgan Blumberg 评论道：“像 ElevenLabs 这样的公司已经转向编排和应用层，与 Sierra、Decagon 正面竞争。我认为技术上还有更多工作要做，Rime 在受监管环境中以低延迟和高可靠性推进最佳模型的方法非常突出。”

关键要点

• 融资情况：A 轮 2400 万美元，领投方 M13 Ventures，跟投方包括 Twilio Ventures、Corazon Capital、Unusual Ventures 等。种子轮 550 万美元（2024 年 5 月）。
• 创始人背景：CEO Lily Clifford（前斯坦福博士生）、CTO Brooke Larson（前亚马逊 Alexa 工程师）、工程师 Ares Geovanos。
• 技术特色：自建录音室收集对话数据；基于音素架构适应不同发音，减少客户定制化工作；从管线式模型转向语音到语音模型以降低延迟和改善交互体验。
• 市场观点：CEO 认为当前 AI 语音体验仍不如传统 IVR，LLM 未改变“与人交互”的本质。
• 客户案例：Mayo Clinic、Dialpad、Upstart、Asurion 等，覆盖餐饮、医疗、航空、金融科技。
• 团队与招聘：现有 35 人，计划扩张模型开发、工程和合作岗位；新聘首席科学家 Rafael Valle（前 Meta 和 NVIDIA 音频研究员）。
• 投资方评价：M13 认为 Rime 在监管环境下专注于低延迟高可靠的模型，与其他向应用层迁移的竞品形成差异化。

意义与影响

Rime 的融资反映了语音 AI 在企业呼叫市场中的持续争夺，但同时也揭示出一个关键矛盾：尽管大模型让语音应用构建门槛降低，但终端用户的体验仍远未达到替代传统 IVR 的程度。Clifford 的直言不讳凸显了行业瓶颈——语音交互的“人性化”远非 LLM 能一蹴而就。

Rime 选择自建数据集而非依赖公开音频，其音素架构和语音到语音的转型方向，可能在医疗、金融等需要精准术语发音和低延迟的受监管行业中建立壁垒。与 ElevenLabs 等转向编排层的竞争对手不同，Rime 坚持在模型层深耕，这一差异化策略能否被市场验证还有待观察。

此外，Twilio Ventures 的参与暗示了云通信平台对专业语音 AI 能力的兴趣，未来可能通过集成 Rime 的模型来增强自身企业通信方案。随着更多资金涌入，语音 AI 赛道将从“谁都能做”进入“谁做得更好”的阶段，Rime 的“自建数据 + 音素精度”路线或将成为一个值得关注的范式。