企业级语音AI开发商Rime正式推出Prism，号称业界首款可微调的前沿语音转语音（S2S）模型。该模型基于数百万小时人类对话数据训练，旨在赋予品牌对语音模型的完全控制权。官方数据显示，Prism在关键任务场景中的表现比主流S2S模型高出50%。
Prism支持在品牌自有基础设施中运行，使企业能够全面掌控数据隐私、对话延迟、词汇表、发音规则及AI安全护栏。这一设计直击当前企业级语音AI的痛点：现有模型多为不透明的“黑盒”，缺乏对人类情感线索（如沮丧、犹豫）的捕捉能力，在医疗、金融等高敏感行业中易引发客户流失及合规风险。
架构创新：文本先行与完全部署所有权
作为首款可微调的企业级S2S模型，Prism通过以下核心功能平衡对话质量与业务控制：
- 架构级护栏：采用“先生成文本，后转换语音”的流程，允许内部规则在语音输出前审查内容，确保合规。
- 无瑕疵的可审计性：文本中间层提供了清晰完整的审计轨迹，同时提升了字词和意图识别的准确度。
- 完全部署所有权：支持本地或私有云部署，符合SOC 2和HIPAA合规标准。
- 人类级情感理解：基于专有强化学习后训练，模型能识别客户情绪并动态调整策略，减少静默时间，提高问题解决率。
Rime联合创始人兼CEO Lily Clifford表示：“通用模型只是贴牌服务，而Prism是从企业自身对话中学习的专属模型。它运行在你的基础设施上，由你设定延迟和护栏，是竞争对手无法复制的资产。”
性能实测：关键指标显著优于OpenAI模型
在与OpenAI GPT进行的真实企业级对比测试中，微调后的Prism在多项关键业务指标上取得领先。在Revmo的测试场景中，Prism将订单确认率和取货方式选择率从OpenAI模型的68%提升至100%。此外，Prism将通话中无静默时间的比例从66%提升至88%，显著改善了交互流畅度。
Dialpad AI产品副总裁Shezan Kazi证实，Dialpad作为Prism的设计合作伙伴，计划在其代理产品中推广该技术。
源自斯坦福与亚马逊的学术创始团队
Rime成立于2022年，创始团队来自斯坦福大学及亚马逊Alexa。不同于依赖网络抓取数据的竞品，Rime通过自建录音棚捕获了数千小时通道分离的真实人类对话，保留了中断、犹豫等自然特征。目前，Asurion、梅奥诊所、Upstart和Dialpad等行业领导者正使用Rime模型自动化处理数百万通复杂通话。