Entwicklung einer speziell für asiatische Berufstätige konzipierten Sprachinteraktion, ElevTalk hat seine Pre-Seed-Finanzierungsrunde abgeschlossen.
ElevTalk, das sich auf mehrsprachige KI-Sprachinteraktion konzentriert, hat kürzlich die Pre-Seed-Finanzierungsrunde abgeschlossen, deren Höhe nicht bekannt gegeben wurde. Die Investoren dieser Runde umfassen den Patriot Fund (gemeinsam betrieben von Bass Ventures und EO Studio), den Xiaoxiao Fund sowie ein Mitglied des Gründungsteams von Baidu. Die Mittel aus dieser Finanzierung werden hauptsächlich für die Iteration der Kerntechnologie der mehrsprachigen KI-Sprache, die Produktverbesserung sowie die Expansion der Märkte in Nordamerika und Asien verwendet.
ElevTalk richtet sich hauptsächlich an Fachkräfte, die in mehreren Sprachen arbeiten, und konzentriert sich zunächst auf asiatische Berufstätige. Das Produkt nutzt die Spracheingabe als Einstiegspunkt und integriert die Transkription der Ausgangssprache, die gemischte Eingabe mehrerer Sprachen, die Ausdrucksoptimierung und die sprachübergreifende Übersetzung in denselben Arbeitsablauf. Derzeit wurden weitere Verbesserungen für Sprachen wie Englisch, Chinesisch, Japanisch, Koreanisch und Vietnamesisch vorgenommen.
Im Gegensatz zu herkömmlichen Spracheingabeprodukten will ElevTalk nicht nur das Problem lösen, „Sprache in Text umzuwandeln“, sondern es nicht englischsprachigen Muttersprachlern ermöglichen, die Kommunikation direkt in ihrer natürlichsten Sprache und Ausdrucksweise abzuschließen.
Die KI-Sprache tritt in eine neue Wachstumsphase ein, aber es gibt noch Lücken im mehrsprachigen Arbeitsumfeld
Mit der Entwicklung der Spracherkennung, großer Sprachmodelle und Echtzeit-Sprachtechnologien entwickelt sich die Sprache von einem herkömmlichen Diktierwerkzeug zu einem wichtigeren Einstiegspunkt für die Mensch-Computer-Interaktion im KI-Zeitalter. Der Kapitalmarkt beginnt auch, den Wert der Spracheingabe als unabhängige Produktform zu bestätigen. Öffentlichen Berichten zufolge wird das US-amerikanische KI-Spracheingabeprodukt Wispr Flow mit einem Wert von fast 2 Milliarden US-Dollar bewertet.
Das Team von ElevTalk hat jedoch festgestellt, dass die weltweit verbreiteten Sprachprodukte in der aktuellen Phase noch stärker auf englische Nutzungsszenarien ausgerichtet sind, während eine große Anzahl von Fachkräften in der realen Welt keine englischen Muttersprachler sind. Insbesondere für asiatische Nutzer ist der Sprachzustand bei der täglichen Arbeit oft nicht einheitlich.
Beispielsweise kann ein chinesischer Gründer bei der Antwort auf einen US-Investor den Hauptinhalt auf Chinesisch formulieren, während er gleichzeitig englische Firmennamen, Produktnamen und Branchenbegriffe einmischt; selbst wenn er die gesamte Zeit auf Englisch spricht, sind asiatische Akzente, Personennamen und Fachbegriffe häufige Fehlerquellen bei der Spracherkennung. Ähnliche Szenarien gibt es auch weit verbreitet in Südkorea, Japan und anderen nicht englischsprachigen Märkten.
Die beiden Mitbegründer von ElevTalk, Dai Zheng und Fu Boming, sowie viele Gründer und Investoren in ihrem Umfeld sind selbst starke Nutzer der Spracheingabe. Diese Nutzungserfahrung war der Ausgangspunkt, an dem das Team das Problem erstmals erkannte.
Vor der Gründung von ElevTalk war Dai Zheng an der Produktstrategie eines führenden KI-Sprachunternehmens beteiligt und hatte Kontakt zu Sprachmodellen, Produkten und Lieferantenökosystemen in verschiedenen Regionen Asiens und der ganzen Welt. Das Team hat festgestellt, dass die Fähigkeiten globaler universeller Sprachmodelle sich schnell verbessern, aber die technologische Versorgung für verschiedene asiatische Sprachen noch relativ verteilt ist. Wenn Nutzer in Szenarien mit gemischtem mehrsprachigem Ausdruck, akzentuiertem Englisch und sprachübergreifender Arbeit eintreten, müssen Produkte oft mehrere Schritte gleichzeitig verarbeiten: Erkennung, Übersetzung, Ausdrucksoptimierung und Kontextverständnis.
Aus diesem Grund hat das Team die Schlussfolgerung gezogen: Der Wettbewerb der nächsten Generation von Sprachprodukten besteht nicht nur darin, „wer das englische Diktat genauer durchführen kann“, sondern auch darin, wer nicht englischsprachige Nutzer auf der ganzen Welt natürlicher verstehen kann. ElevTalk hat sich dafür entschieden, bei der Gruppe asiatischer Berufstätiger einzusteigen, deren Anforderungen konzentriert sind und die das Produkt häufig nutzen.
Einstieg über den Arbeitsablauf: Hunderte von Testern innerhalb von 3 Tagen in der Demo-Phase
Ausgerichtet auf die oben genannten Szenarien bietet ElevTalk derzeit Funktionen wie Spracheingabe, Ausdrucksoptimierung und sprachübergreifende Übersetzung und unterstützt die gemischte Eingabe mehrerer Sprachen.
Nutzer können entweder direkt auf Englisch Spracheingabe durchführen, ihre Muttersprache wie Chinesisch oder Koreanisch verwenden oder mehrere Sprachen in einem Satz mischen. Nach Abschluss der Erkennung kann ElevTalk die Ausdrücke je nach Bedarf der Nutzer optimieren oder zwischen Sprachen umwandeln, sodass das Ergebnis für E-Mails, Sofortnachrichten, soziale Medien und andere Arbeitsszenarien geeignet ist. Als Alternative zur nativen Tastatureingabe können Nutzer in jeder App die gewünschten Eingabeinhalte erhalten, ohne die Oberfläche wechseln zu müssen.
Beispielsweise können chinesische Nutzer direkt einen Inhalt auf Chinesisch mit englischen Firmennamen und Fachbegriffen aussprechen, und ElevTalk generiert dann Ausdrücke, die für englische Arbeitsszenarien geeignet sind, ohne dass sie selbst zuerst übersetzen und dann das KI-Tool zur zweiten Verfeinerung verwenden müssen.
Für asiatische Nutzer, die direkt Englisch verwenden, optimiert ElevTalk vor allem Szenarien, in denen herkömmliche Spracheingabewerkzeuge leicht Fehler machen, wie asiatische Akzente, Personennamen, Firmennamen und Fachbegriffe.
Auf technischer Ebene konzentriert sich ElevTalk derzeit auf die Investitionen in die Spracherkennung asiatischer Sprachen, die gemischte mehrsprachige Eingabe, das sprachübergreifende Verständnis von Absichten und die Interaktion mit niedriger Latenz.
Laut einheitlichen internen Tests des Unternehmens beträgt die Zeichenfehlerrate (CER) von ElevTalk bei koreanischen und chinesischen Spracherkennungsaufgaben 1,55 % bzw. 2,25 %; unter denselben Testsätzen und Testbedingungen liegen seine Erkennungsindikatoren für Koreanisch und Chinesisch unter denen global führender Spracheingabeprodukte wie Wispr Flow.
Die erste Anforderungsvalidierung von ElevTalk fand sogar statt, bevor das offizielle Produkt fertiggestellt war. Nachdem die erste Version der Demo fertiggestellt war, veröffentlichte das Team Informationen über das Produkt in sozialen Medien. Zu diesem Zeitpunkt hatte das Produkt noch nicht den Zustand eines vollständigen kommerziellen Produkts erreicht, aber innerhalb von 3 Tagen nach der Veröffentlichung kontaktierten Hunderte von Nutzern aktiv das Team, um an der Produktprüfung teilzunehmen.
Diese frühen Nutzer weisen gemeinsame Merkmale auf: Viele Nutzer sind chinesisch- und koreanischstämmige Gründer, Investoren und Technikfachkräfte, die in den USA arbeiten und häufig zwischen Englisch und ihrer Muttersprache wechseln müssen. Dieses Feedback veranlasste ElevTalk, sich weiter auf mehrsprachige Fachkräfte zu konzentrieren, statt ein universelles Diktierprodukt für alle Nutzer zu entwickeln.
Derzeit hat ElevTalk mehr als 1000 frühe Nutzer angesammelt, ohne dass kostenpflichtige Marktförderungen durchgeführt wurden. Nach den vom Unternehmen bereitgestellten Daten nutzen Kernnutzer das Produkt durchschnittlich 5 bis 7 Tage pro Woche aktiv, und die aktivsten Nutzer geben an einem einzigen Tag mehr als 6000 Wörter per Sprache ein; die Beibehaltungsrate der wöchentlich aktiven Nutzer in der folgenden Woche beträgt etwa 50 %.
Für das Team ist in der aktuellen Phase ein Indikator wichtiger als die Anzahl der registrierten Nutzer: Ob die Nutzer ElevTalk kontinuierlich in echten Arbeitsabläufen wie E-Mails, Sofortnachrichten, Inhaltserstellung und Interaktion mit KI verwenden und die Sprache allmählich zur Standardeingabemethode machen.
Asiatische Nutzer sind nur der Ausgangspunkt, der globale Markt der nicht englischsprachigen Muttersprachler ist das Ziel
In Bezug auf das Geschäftsmodell konzentriert sich ElevTalk derzeit auf das persönliche Abonnementmodell als Hauptrichtung der Kommerzialisierung und dient zunächst Fachkräften, die Spracheingabe häufig verwenden und gleichzeitig Anforderungen an die sprachübergreifende Kommunikation haben.
Die langfristige Einschätzung des Teams zum Sprachmarkt geht nicht nur dahin, „die Tippeffizienz zu verbessern“. Die Tastatur als Methode der Mensch-Computer-Eingabe wird seit mehr als hundert Jahren verwendet, aber nach den menschlichen Kommunikationsgewohnheiten ist das Sprechen immer eine natürlichere Art der Informationsvermittlung. In der Vergangenheit war die Sprache aufgrund von Einschränkungen bei der Erkennungsgenauigkeit, der Latenz und dem Kontextverständnis immer eher ein Hilfseingabewerkzeug.
Mit der Entwicklung großer Sprachmodelle und neuer Generationen von Sprachmodellen können nach der Spracherkennung weitere Schritte wie Absichtsverständnis, Übersetzung, Ausdrucksoptimierung und sogar Aufgabenausführung abgeschlossen werden. Dadurch hat die Sprache die Chance, sich von einem reinen Eingabewerkzeug zu einer vollständigeren Mensch-Computer-Interaktionsschnittstelle zu entwickeln.
ElevTalk hat asiatische Fachkräfte als erste Nutzergruppe ausgewählt, einerseits weil die mehrsprachigen Anforderungen dieser Gruppe konzentrierter sind, andererseits hängt dies auch mit der eigenen Fähigkeitskombination des Teams zusammen.
ElevTalk wird von Dai Zheng als CEO geleitet, Fu Boming ist CTO. Beide haben ihren Bachelor-Abschluss an der Fakultät für Mathematik der Peking University absolviert.
Dai Zheng ist Schwarzman Scholar an der Tsinghua-Universität, hat einen Master-Abschluss in Managementwissenschaften, war bei McKinsey tätig und verfügt über Erfahrung in der Strategie von KI-Sprachprodukten. Zuvor gründete Dai Zheng ein EdTech-Unternehmen mit einem kumulierten Umsatz von mehr als siebenstelligen RMB-Beträgen. Derzeit ist er bei ElevTalk hauptsächlich für die Produktstrategie, den Markteintritt und die globale Nutzerexpansion verantwortlich.
Fu Boming verfügt über 7 Jahre Erfahrung im Training von Sprach- und Multimodalmodellen, war Partner bei einem von erstklassigen VC geförderten KI-Startup und hat Erfahrung in großen Technologieunternehmen. Er war an der Entwicklung von Produkten mit einer Million Nutzern beteiligt. Derzeit ist er hauptsächlich für das Modell, die Technik und den Aufbau des gesamten technischen Systems von ElevTalk verantwortlich.
Produkteinsichten, Branchen- und Markteinschätzungen sowie Go-to-Market-Erfahrung, kombiniert mit langjähriger Akkumulation von Multimodaltechnologien, bilden die aktuelle Fähigkeitskombination des Gründungsteams von ElevTalk.
Dai Zheng erklärte, dass asiatische Nutzer der Ausgangspunkt von ElevTalk sind, nicht das Ende. Das Team will langfristig das Problem lösen, wie nicht englischsprachige Nutzer auf der ganzen Welt auf natürlichere Weise per Sprache mit Computern interagieren können, und allmählich von der Spracheingabe in einen vollständigeren KI-Arbeitsablauf einsteigen.
Hyungjun Yang, Direktor von Bass Ventures beim diesjährigen Investor Patriot Fund, und Taeyong Kim, CEO von EO Studio, sagten: „Sprache wird zu einem neuen Interaktionseinstiegspunkt im KI-Zeitalter, aber die vorhandenen Mainstream-Produkte werden noch hauptsächlich für englische Muttersprachler entwickelt. Eine große Anzahl von Berufstätigen auf der ganzen Welt wechselt täglich zwischen Englisch und ihrer Muttersprache. Es gibt noch offensichtliche Produktlücken bei der gemischten mehrsprachigen Eingabe, der Akzenterkennung und dem sprachübergreifenden Ausdruck. Das Team von ElevTalk hat nicht nur ein persönliches Verständnis für dieses Problem, sondern auch eine schnelle Produktentwicklungs- und Iterationsgeschwindigkeit gezeigt. Asiatische Nutzer sind nur ein Ausgangspunkt, das Team wendet sich tatsächlich an die riesige Gruppe nicht englischsprachiger Menschen auf der ganzen Welt. Wir erwarten, dass ElevTalk von der Spracheingabe ausgeht und allmählich zu einem Business OS im Voice-Zeitalter heranwächst.“
Nach Abschluss dieser Finanzierungsrunde wird ElevTalk weiterhin in die Iteration von Produkten und Kerntechnologien investieren und die Märkte in den USA und Asien weiter ausbauen.