כמעט כל מודל דיבור בעולם נבחן על הקלטות נקיות מהאולפן. סטארטאפ איסלנדי הימר שאפשר לדמות במחשב את ההד, את המקרר שמזמזם ואת המיקרופון שנמצא שלושה מטרים משם — והשוק פתאום מסכים איתו.
🔗 קישור למוצר: Treble SDK
יש בעיה מביכה בתעשיית ה-Voice AI, וכולם יודעים עליה: המודלים מצוינים בתנאי מעבדה וגרועים בסלון. אתם מכירים את זה מהעוזר הקולי בבית — הוא מבין אתכם מצוין כשאתם מדברים לתוך הטלפון, ופתאום אילם כשאתם צועקים אליו מהמטבח כשהברז פתוח. הפער הזה הוא לא באג נקודתי, הוא תוצאה של איך שהמודלים האלה מאומנים ונמדדים: על דאטה שהוקלט קרוב, נקי ושקט. וזו בדיוק הנקודה שבה סטארטאפ איסלנדי בשם טרבל (Treble) מצא לעצמו שוק. לפי דיווח של TechCrunch, החברה גייסה 18 מיליון דולר, כשהלקוחות שהיא מציינת הם מפתחי מודלי קול, חברות רובוטיקה ויצרניות מכשירי AI לבישים.
מה שמעניין כאן הוא לא הסכום אלא הדרך אליו. טרבל, שיושבת ברייקיאוויק ונוסדה לפני כחמש שנים על בסיס שנים של מחקר אקדמי באקוסטיקה, לא נבנתה מלכתחילה בשביל AI. היא נבנתה בשביל אדריכלים, יצרני רכב ומתכנני חללים — אנשים שרוצים לדעת איך יישמע אולם לפני שיוצקים בטון. הגיוסים הקודמים שלה מספרים את הסיפור הזה בדיוק: סבב זרע של 8 מיליון אירו בהובלת קרן Frumtak האיסלנדית, ואחריו סבב A של 11 מיליון אירו בספטמבר 2024 בהובלת KOMPAS VC, עם בנק ההשקעות האירופי, Omega Venture Partners, ושותפים אסטרטגיים מעולם הבנייה והסאונד — סן-גובן ו-L-Acoustics. זו רשימת משקיעים של חברת טכנולוגיות בנייה, לא של חברת AI.
הטכנולוגיה נשארה אותה טכנולוגיה, אבל מצאה קונה חדש. הליבה של טרבל היא מנוע סימולציה בענן שמשלב מודל אלמנטים סופיים בתחום הזמן עם אקוסטיקה גיאומטרית — שילוב שמאפשר לה, לפי מחקרים אקדמיים, לרוץ פי 100 עד פי 1,000 מהר יותר מפתרונות מבוססי-גלים מקבילים. במקום לשלוח צוות עם מיקרופונים ל-500 חדרים שונים, אפשר לייצר במחשב את החדרים, את הרעש, את ההד ואת מיקום הדובר — ולקבל דאטה אקוסטי מסונתז בהיקף שאי אפשר להקליט במציאות. זה בדיוק מה שדרוש לאימון מודלים למשימות כמו הפרדת דיבור מרעש, איתור מקור הקול בחלל, ביטול הד, או התאמת מודל לחדר חדש.
כדי להמחיש עד כמה הבעיה אמיתית, טרבל השיקה ביוני האחרון יחד עם Hugging Face לוח מדדים פתוח בשם FFASR — הבנצ'מרק הקהילתי הראשון שבודק מודלי זיהוי דיבור אוטומטי דווקא בתנאי שדה רחוק: הדהוד, רעש רקע, דיבור מתחרה ומיקרופון שנמצא מטר עד כמה מטרים מהדובר. הלוח בנוי על מאגר Treble10 של תגובות הלם אקוסטיות של חדרים, שזמין למחקר. מהלך כזה הוא גם תרומה לקהילה וגם, בואו נהיה דוגרי, כלי שיווק מבריק: אתה מפרסם מבחן שמראה שהמודלים של כולם נופלים בתנאים ריאליסטיים — ובמקרה גם מוכר את התרופה.
ניתוח קצר: ישראל חזקה באופן חריג בתחום ה-AI של דיבור וקול — מחברות תמלול ועד חברות שמתמחות בזיהוי דיבור בסביבות תעשייתיות רועשות, שזה בדיוק הכאב שטרבל ממפה. הלקח כאן הוא לא "עוד חברת AI גייסה", אלא שמי שמחזיק בדאטה של תרחישי קצה מחזיק בנכס. כשהאינטרנט מוצה כמקור אימון, סימולציה הופכת למקור החומר הבא — בדיוק כפי שקרה ברובוטיקה וברכב האוטונומי, שבהם אימון בסביבה מדומה כבר מזמן שגרה. חשוב גם להבין את הגבול: טרבל מדמה חדרים, לא שפות. היא לא תפתור לאף אחד את המחסור הכרוני בקורפוס דיבור עברי איכותי, וזו עדיין בעיה ישראלית שנשארת ישראלית. מה שהיא כן יכולה לעשות הוא להכפיל את הערך של הדאטה העברי שכבר קיים, על ידי כך שתפזר אותו על פני אלפי חללים אקוסטיים מדומים — מחדר ישיבות ועד מרפאה ועד קבינה של משאית.
מעבר לזה, זו עוד נקודת נתונים על כך שהכסף בגל ה-AI הנוכחי זולג מהמודלים עצמם לשכבות שמסביבם — דאטה, הערכה, תשתית בדיקה. ולסטארטאפ ישראלי בתחום האודיו, הסיפור של טרבל הוא תזכורת שימושית: לפעמים לא צריך לבנות מוצר AI חדש, אלא למצוא מי בתוך שרשרת ה-AI צריך בדיוק את מה שכבר בניתם. השאלה שנשארה פתוחה היא כמה זמן זה יחזיק — ברגע שיצרניות המודלים הגדולות יחליטו שסימולציה אקוסטית היא יכולת ליבה, הן נוטות לבנות אותה בבית. בינתיים, החברה מאיסלנד מוכרת להן את החדרים.
