Smallest.ai capta US$ 13 milhões para modelo de voz IA em tempo real

A Smallest.ai, startup fundada no fim de 2024, anunciou uma rodada Série A de US$ 13 milhões para desenvolver o que chama de agentes de voz "indistinguíveis" de humanos. Segundo a TechCrunch, a captação foi liderada pela Seligman Ventures, com participação de Sierra Ventures e 3one4 Capital, elevando o total levantado pela empresa para mais de US$ 21 milhões.

A aposta técnica: modelos pequenos, não LLMs maiores

A tese central da empresa é que o próximo salto em agentes de voz não virá de tornar grandes modelos de linguagem (LLMs) mais rápidos, mas de usar modelos menores e especializados em conversação humana. A Smallest.ai desenvolve um modelo de voz projetado para imitar a forma como pessoas processam informação: ouvindo, pensando e falando ao mesmo tempo.

"Enquanto eu falo com você, você já está pensando, e pode me interromper se eu falar por muito tempo", disse Sudarshan Kamath, fundador e CEO, à TechCrunch. Ele contrasta esse comportamento com o funcionamento de um LLM: "Você dá a ele um prompt inteiro, e só então ele começa a pensar." Em um chat de texto, essa latência é aceitável; em uma conversa por voz, mesmo uma pausa curta soa artificial.

Arquitetura em duas camadas

O modelo da Smallest.ai funciona como uma camada de inteligência em tempo real para conversas sobre temas específicos, com lag de resposta praticamente nulo. Quando encontra um assunto fora de sua base de conhecimento limitada, ele repassa a consulta a um modelo fundacional maior, colocando o cliente brevemente em espera para "pesquisar" a questão, como faria um atendente humano.

Kamath acredita que todos os agentes de IA passarão a depender de dois modelos: um modelo de voz pequeno para interação em tempo real e um LLM "offline" acionado sob demanda para resolver problemas complexos. A empresa se concentra estritamente em nuances de voz, como lidar com sotaques diversos, suportar dezenas de idiomas e operar em ambientes ruidosos.

O que isso muda para quem constrói software no Brasil

A arquitetura descrita interessa diretamente a quem desenvolve produtos B2B, URAs e chatbots por aqui, onde o atendimento por voz automatizado é comum em bancos, telecom e cobrança. O suporte a múltiplos sotaques e a idiomas locais é um ponto sensível: modelos genéricos costumam tropeçar em variações regionais do português. Vale observar que a fonte cita a indiana Sarvam como "player regional" focado em idiomas locais, um sinal de que a fatia de mercado por trás de idiomas e sotaques específicos é tratada como diferencial competitivo, e não como commodity.

Entre os clientes atuais da Smallest.ai estão empresas do setor de voz como RingCentral e Truecaller. Kamath afirma que qualquer empresa de atendimento ao cliente, incluindo novatas como Sierra e Decagon, é um cliente em potencial. Questionado sobre por que uma empresa de suporte bem financiada não construiria seu próprio modelo de voz, ele respondeu que "ficar extremamente bom em voz é uma distração do negócio principal" dessas companhias. É o argumento clássico de infraestrutura como serviço: quem monta produto de atendimento no Brasil tende a integrar um provedor de voz em vez de treinar modelo próprio.

Concorrência

A Smallest.ai compete com a líder ElevenLabs, além de Cartesia e players regionais como a citada Sarvam. Enquanto alguns concorrentes aplicam voz IA a dublagem de áudio e podcasts, a Smallest.ai foca estritamente em agentes conversacionais em tempo real para clientes corporativos.

"Queremos que nossos modelos quebrem o teste de Turing", disse Kamath. "Você deve falar com nosso modelo e não saber se é IA ou humano. Esse é o único foco da empresa."

Fonte: TechCrunch