موتور صوتی OpenAI میلیاردی شد؛ LiveKit به باشگاه یونیکورن‌ها پیوست XNET | اخبار و تحلیل هوش مصنوعی

استارتاپ LiveKit، که موتور محرک قابلیت‌های صوتی پیشرفته OpenAI است، با جذب سرمایه‌ی جدید رسماً به جمع “یونیکورن‌ها” پیوست و ارزش آن از مرز ۱ میلیارد دلار عبور کرد. این اتفاق نشان‌دهنده‌ی جهش عظیم صنعت به سمت رابط‌های کاربری صوتی و تعاملی است.

انفجار در دره سیلیکون؛ صدا، فرمانروای جدید

طبق گزارش‌های رسیده به تحریریهشرکت LiveKit موفق شده است در دور تامین سرمایه سری B، مبلغ قابل توجهی را جذب کند که ارزش این کمپانی را به حدود ۱.۱ میلیارد دلار رسانده است. این دور سرمایه‌گذاری به رهبری Altimeter Capital انجام شد؛ همان سرمایه‌گذاری که روی غول‌هایی مثل Snowflake و Meta شرط‌بندی کرده بود.

اما چراLiveKitاینقدر مهم است؟ اگر تا به حال از قابلیت “Advanced Voice Mode” درChatGPTاستفاده کرده‌اید و از سرعت و لحن طبیعی آن شگفت‌زده شده‌اید، باید بدانید که جادوی اصلی در زیرساخت‌های LiveKit اتفاق می‌افتد.

تحلیل آرمان فاضلی: چرا LiveKit یک “تغییردهنده بازی” است؟

به عنوان خبرنگار فناوری درXNETکه سال‌هاست روی زیرساخت‌های ابری تمرکز دارم، معتقدم LiveKit کاری را با “صدا” می‌کند که Twilio با “پیامک” انجام داد.

نظر شخصی من این است کهبزرگترین مشکل هوش مصنوعی صوتی تا قبل از این، “تاخیر” (Latency) بود. شما حرف می‌زدید، ۳ ثانیه صبر می‌کردید تا جواب بیاید. این حسِ مکالمه را می‌کشت. LiveKit با بهینه‌سازی پروتکل‌های WebRTC، این تاخیر را به میلی‌ثانیه رسانده است. حالا ماشین‌ها وسط حرف شما می‌پرند، مکث می‌کنند و مثل انسان می‌شنوند.

جدول: تفاوت LiveKit با سرویس‌های سنتی

اتحاد استراتژیک با OpenAI

نکته‌ای که ارزش LiveKit را دوچندان می‌کند، شراکت عمیق آن‌ها با OpenAI است. سم آلتمن و تیمش برای اینکه بتوانند مدل GPT-4o را با قابلیت صوتی بلادرنگ عرضه کنند، به زیرساختی نیاز داشتند که زیر بار ترافیک میلیونی کاربران کمر خم نکند. آن‌ها LiveKit را انتخاب کردند.

یک آمار جذابطبق داده‌های منتشر شده، پلتفرم LiveKit در حال حاضر روزانه میلیون‌ها دقیقه مکالمه صوتی و تصویری را برای توسعه‌دهندگان سراسر جهان پردازش می‌کند.

راوس دی‌سا، مدیرعامل LiveKit می‌گوید: «ما می‌خواهیم به هر توسعه‌دهنده‌ای اجازه دهیم که تجربه‌ای شبیه به فیلم “Her” را برای کاربرانش بسازد، نه فقط غول‌های تکنولوژی.»

آینده‌ای که می‌شنود و می‌بیند

دراخبار جدید هوش مصنوعیما شاهد یک شیفت پارادایم هستیم. تا دیروز همه به دنبال “چت متنی” بودند، اما امروز “چت صوتی و تصویری” ترند اصلی است. سرمایه‌گذاران با تزریق پول به LiveKit، در واقع روی آینده‌ای شرط بسته‌اند که در آن کیبوردها کمرنگ می‌شوند و ما با کامپیوترها حرف می‌زنیم.

این شرکت اعلام کرده که سرمایه جدید را صرف گسترش شبکه جهانی سرورهای خود و توسعه قابلیت‌های “هوش مصنوعی چندوجهی” (Multimodal AI) خواهد کرد.

فرصتی برای توسعه‌دهندگان ایرانی؟

اگر برنامه‌نویس یا مدیر محصول هستید، ظهور LiveKit خبر مهمی برای شماست. ابزارهای این شرکت اپن‌سورس (در هسته اصلی) هستند و به شما اجازه می‌دهند اپلیکیشن‌های خود را به قابلیت‌های صوتی پیشرفته مجهز کنید.

سوالات متداول

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.