35人团队做出的AI语音，已经听不出是机器了

接到客服电话，对面声音温柔耐心，语速刚好，甚至能听出你语气里的烦躁并放缓语调——挂电话前你可能都没意识到，那是个AI。

Rime推出的Prism就是这样的语音转语音（S2S）模型，号称是全球首个在对话中无法与人类区分的语音模型。这家35人的团队刚拿到2400万美元A轮融资，总融资额达3500万美元。

Prism的核心参数：端到端响应时间低于300毫秒，比OpenAI的GPT-Live快4倍，成本低4倍；比ElevenLabs快2倍。在关键任务上，它的表现比现有领先S2S模型高出50%。

300毫秒是什么概念？这是人类对话中"感觉自然即时"的延迟阈值。低于这个数字，听者不会察觉任何卡顿。Prism基于数百万小时的人类对话训练，能通过语调识别人类情绪并给出共情回应。

@lilyjclifford 认为：Prism是首个可通过强化学习定制的S2S模型，团队规模虽小，但在语音模型落地速度上超过OpenAI、Google和x。

@unusual_whales 指出：Rime的2400万美元A轮融资，核心目标就是打造与真人无法区分的AI语音模型，且能通过语调处理人类情绪并给出共情回应。

@DocumentingAGI 补充：Prism比ElevenLabs快2倍，比OpenAI GPT-Live便宜4倍。

@thedailyblock 总结：AI现在能理解人类情绪并在300毫秒内给出共情回应。

Prism还提供了一个此前没有的能力：品牌可以通过强化学习对模型进行微调，让它用品牌自己的声音说话。这意味着企业可以定制专属的语音助手，而不是用通用的"AI嗓音"。

首批100名注册用户可获得一个月免费使用。这条推文获得了726个赞、46万次浏览，评论区里有人在问：这跟OpenAI那个叫Prism的科研工作空间是同一个东西吗？

不是。OpenAI的Prism是免费AI科研工作平台，Rime的Prism是语音模型，同名但完全不同。

当AI语音的延迟低于人类感知阈值，情绪识别也能跟上，接下来的问题是：接到电话时，还需要主动问"你是真人吗"吗？