Murf AI ha reso disponibile Falcon 2, un nuovo modello text-to-speech progettato specificamente per applicazioni di intelligenza artificiale conversazionale in tempo reale. Il sistema punta a combinare naturalezza della voce, tempi di risposta ridotti e capacità di funzionare su infrastrutture enterprise ad alto volume, posizionandosi direttamente nel mercato occupato dalle soluzioni vocali di OpenAI ed ElevenLabs.
Falcon 2 è stato sviluppato per generare la prima porzione di audio in meno di 100 millisecondi, un parametro particolarmente importante negli agenti vocali, dove il ritardo tra la risposta prodotta dal sistema e l’inizio della riproduzione della voce può rendere artificiale la conversazione. Il modello supporta oltre 150 voci in più di 35 lingue e può gestire fino a 10.000 chiamate simultanee, mantenendo la generazione audio in streaming anche nelle implementazioni destinate a grandi volumi di traffico.
Sul fronte della qualità vocale, Murf AI indica per Falcon 2 una precisione di pronuncia del 99,37%. Il modello è stato progettato per riprodurre intonazione, ritmo e pause del parlato e per modificare dinamicamente pronuncia, velocità ed enfasi in funzione del contenuto della frase. Particolare attenzione è stata dedicata agli elementi che possono mettere in difficoltà i sistemi text-to-speech durante conversazioni reali, tra cui valute, date, indirizzi e numeri di targa.
Per l’addestramento sono stati utilizzati anche dati provenienti da contesti conversazionali reali, comprese registrazioni di chiamate di assistenza clienti e interazioni relative a prenotazioni, anziché basarsi esclusivamente su testi narrativi preparati in anticipo. L’obiettivo è consentire al modello di interpretare il significato della frase e adattare di conseguenza la prosodia, invece di limitarsi a trasformare sequenze di testo in una pronuncia formalmente corretta.
Falcon 2 dispone inoltre di capacità multinative che permettono alla stessa voce di passare da una lingua all’altra all’interno della medesima frase mantenendo una pronuncia coerente con ciascuna lingua. Una conversazione può quindi combinare, per esempio, inglese e spagnolo oppure hindi e inglese senza dover cambiare voce o utilizzare modelli separati. La funzione è destinata soprattutto agli agenti di assistenza e ai sistemi telefonici utilizzati in mercati multilingue.
Nei benchmark di Artificial Analysis, basati su confronti tra campioni vocali valutati dagli utenti, Falcon 2 ha ottenuto risultati che lo hanno collocato davanti ad alcune soluzioni concorrenti, comprese offerte di OpenAI e di ElevenLabs. Murf AI utilizza questi risultati per sostenere che la naturalezza della sintesi vocale può essere mantenuta anche adottando un modello ottimizzato per una latenza molto bassa e per l’esecuzione su larga scala.
Uno degli elementi centrali della proposta riguarda infatti il costo. Falcon 2 viene offerto a 0,01 dollari ogni 1.000 caratteri generati. Nelle stime basate sull’utilizzo su larga scala, il costo viene indicato nell’ordine di 10.000 dollari per un milione di minuti di parlato, contro circa 50.000 dollari attribuiti ai modelli Turbo e Flash di ElevenLabs nello stesso scenario di confronto. Murf punta quindi non soltanto sulla qualità della voce, ma sulla possibilità di utilizzare il text-to-speech in servizi che devono sostenere contemporaneamente migliaia di conversazioni.
L’infrastruttura è pensata anche per le esigenze di residenza e protezione dei dati aziendali. Murf mette a disposizione ambienti regionali isolati per le API TTS in streaming e WebSocket, consentendo alle imprese di scegliere la regione nella quale devono essere elaborati testo e audio. Sono disponibili endpoint regionali negli Stati Uniti, in India, Canada, Corea del Sud, Emirati Arabi Uniti, Giappone, Australia, Unione Europea, Regno Unito e Sud America, oltre a un router globale che indirizza automaticamente le richieste verso il server disponibile più vicino.
Murf AI dichiara inoltre di lavorare direttamente con doppiatori e attori vocali attraverso accordi basati sul consenso, contratti trasparenti e sistemi di royalty continuative, insieme a garanzie relative alla protezione dei dati vocali utilizzati per sviluppare i modelli.
La società è stata fondata nel 2020 da Sneha Roy, Ankur Edkie e Divyanshu Pandey, ex studenti dell’Indian Institute of Technology Kharagpur, ed è sostenuta da investitori tra cui Matrix Partners ed Elevation Capital. La piattaforma conta oltre 10 milioni di utenti e più di 300 aziende clienti, tra le quali Honeywell, Cisco, Pfizer, VMware, Nestlé e Air France-KLM.
Con Falcon 2, Murf concentra quindi il proprio sviluppo sui sistemi vocali destinati ad applicazioni operative, come agenti di customer support, servizi bancari e finanziari, gestione e recupero dei pagamenti, assistenti sanitari, qualificazione dei lead commerciali, chatbot, assistenti virtuali e sistemi IVR. In questi contesti il modello deve produrre una voce naturale, ma soprattutto iniziare a parlare quasi immediatamente, gestire informazioni strutturate senza errori di pronuncia e mantenere le stesse prestazioni quando il numero di conversazioni simultanee cresce fino a migliaia.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)