生成AIの次の波を形作る革新的なState Space Models(SSMs)を開発する"Cartesia"がSeedで$22Mを調達

Cartesiaは、Index Venturesがリードし、A* Capital、Conviction、General Catalyst、Lightspeed、SV Angelなどや90人の著名なエンジェル投資家が参加したSeedで$22Mを調達し、これまでの資金調達総額は$27Mに達しました。

生成AIの次の波を形作る革新的なState Space Models(SSMs)を開発するCartesiaは、革新的なState Space Models(SSMs)とプラットフォームを使用して、開発者がリアルタイムでマルチモーダルなAIシステムを構築できるよう支援します。世界最速の生成音声API「Sonic」を皮切りに、AIイノベーションの最前線に立ち、医療、ロボティクス、ゲームなどの業界を対象に高効率でスケーラブルなソリューションを提供しています。

CartesiaのSSMアーキテクチャは、スタンフォード大学のAI博士課程ラボの世界的な研究者たちによって開発され、シーケンス長に応じて線形スケールするため、トランスフォーマーに比べて明確な利点を提供します。トランスフォーマーはAIを革命的に進化させ、今日使用されている多くのアプリケーションを支えていますが、文脈長が二次関数的にスケールするため、推論速度が遅くなるという制約があります。一方、Cartesiaのモデルは非常に効率的で、長期記憶が優れており、レイテンシが低く、あらゆるデバイス上でローカルに動作できます。トランスフォーマーが過去のすべてのトークンに注目するのに対し、SSMはモデルの状態を更新し、ストリーミング中に以前のトークンを破棄するため、リアルタイム推論に最適なアーキテクチャです。Cartesiaの創業チームによる広く引用されているMambaアーキテクチャは、SSMがトランスフォーマーのパフォーマンスにすでに匹敵し、リソースをより少なく使用する効率的でコスト効果の高い代替案であることを示しています。

「Cartesiaでは、AIの次世代には、モデルアーキテクチャと機械学習の考え方を根本的に変える必要があると信じています。それには、デバイス上で効率的にリアルタイムで動作し、データセンターに依存しないSSMが含まれます。今日の基盤モデルが人間の知能が設定した基準に遠く及ばないことはよく知られています。これらのモデルは人間が持つ深い理解に欠けるだけでなく、開発と利用が最も大規模な企業に限定されるほど遅く、計算コストが高いのです。Cartesiaでは、次世代のAIがデバイス上でリアルタイムに効率的に動作し、データセンターに依存しないインテリジェンスを提供することが重要だと考えています」。とCartesiaの共同創業者兼CEOは述べています。

2024年5月、Cartesiaは低レイテンシの音声モデル「Sonic」をリリースしました。Sonicは、リアルタイムAIのユースケースでSSMアーキテクチャの力を示すもので、90ms未満のレイテンシで最初の音声を生成する市場最速のテキスト音声変換モデルです。第三者の評価機関Labelboxによるブラインドテストで、音声品質、安定性、精度で市場最高の既存モデルを上回りました。SSMアーキテクチャのおかげで、Sonicはインターネット接続なしでローカルで動作可能なオンデバイス製品や、感情、速度、プロンプトを調整できる高度なコントロール機能など、これまで市場になかった機能を提供できるようになりました。数か月で構築されたSonic APIは、カスタマーサービス、債権回収、面接スクリーニング、ナレーション、インタラクティブキャラクターボイスなど、さまざまなリアルタイムユースケースをすでにサポートしており、スタートアップから上場企業まで数百の顧客に利用されています。

Sonicは特に、リアルタイム音声エージェントを構築するスタートアップの新しい波に適しています。インタラクティブ音声応答(IVR)市場だけでも$6Bの価値があり、Sonicのような新しいAIモデルによってパイオニアされた改善により、近い将来4倍に成長すると予想されています。これは、Sonicの現在の顧客基盤の一部に過ぎません。

Cartesiaは、Sonicの成功を基盤に、テキスト、音声、映像、画像、時系列データなど、さまざまな入力を取り込み処理できるマルチモーダルAIモデルの開発を含む長期計画を進めています。広範な文脈を推論できるリアルタイムインテリジェンスを創出し、ヘルスケアからロボティクス、ゲームに至るまでの業界を変革し、誰でも、どのデバイスでも利用できるユビキタスでインタラクティブなリアルタイムAIを実現することを目指しています。