在矽谷及全球類似的科技樞紐中，我們許多人都清楚意識到，語音 AI 正快速成為人們工作、溝通，以及與 Agent 和彼此互動的全新核心模式。隨著 Agent 系統持續超越純程式開發，進入知識工作的新領域——例如 Perplexity Computer、Claude Cowork，以及 Wispr Flow、Sierra、Granola 等消費端應用，並進一步嵌入到各類汽車、機器人與穿戴式裝置中，這個轉變變得格外明顯。然而，在我們這些區域的圈子之外，世界上許多重要語言卻被視為次要考量，這些語言及其使用者之間的連結也幾乎沒有進展。
根據目前統計，亞洲擁有近 50 億人口。光是東亞就佔了 16 億，相當於全球人口的 20%。全球大約有一半的知識工作者使用亞洲語言。一套專為亞洲語言訓練的全新語音 AI 模型，將使我們能夠真正實現多模態智慧，觸及這個全球多數群體。
東亞擁有數百種不同的語言，每種語言都有其獨特的語言特徵和數據特性。要為東亞市場打造產品，遠非僅僅在英語優先的模型上進行調整即可：要建立一個全球優先的知識工作未來，就必須從根本出發，進行模型訓練並累積市場專業知識。
回顧一下，我們都看到亞洲前沿研究工作的重心集中在中國，特別是在開源權重大語言模型與生成式媒體領域。在過去的一年裡，日本和韓國也湧現了一批新的研究實驗室。這些研究團隊不僅專注於開發本土大型語言模型（如 Upstage 和 Sakana）的各種變體，同時也投入於開發結合語音模型與影片理解的多模態技術，以及結合機器人智慧與世界模型的實體 AI。
今天，我們很興奮地宣布，[@KindredVentures](https://x.com/@KindredVentures) 領投了 Kotoba ([@kotoba_tech](https://x.com/@kotoba_tech)) 的 1000 萬美元種子輪融資，Salesforce ([@SalesforceVC](https://x.com/@SalesforceVC)) 與 Sony Ventures** (@Sony_Innov_Fund) 也參與其中。在我們與創辦人關於訓練數據與模型架構的初次對話中，他們最高品質的 ASR 與 TTS 模型（非常適合各種 Agent 流程）、在小型邊緣設備推論模型上的研究進展，以及其前沿的語音對語音即時翻譯模型（表現優於 Google、Microsoft 和 OpenAI）都令我們印象極為深刻。
由 @noriyuki_kojima （康乃爾大學博士）與 @jungokasai （華盛頓大學博士）共同創立的 @kotoba_tech，正致力於打造適用於東亞語言的語音 AI。在他們先前的經歷中，曾共同創立一個名為 LLM-Fugaku 的早期日本政府與大學聯合研究計畫——這是一項建立在 Fugaku（僅使用 CPU 的超級電腦）上的日本大規模語言模型計畫。他們成功地僅使用 CPU，在無 GPU 的情況下，以 Transformer 架構訓練出一個日語 LLM。如今在 Kotoba，其專有的 Koto 模型系列在日語、韓語和中文方面展現出業界領先的性能，為 AI 語音 Agent、裝置、穿戴式設備、機器人技術，以及即時語音翻譯與推理提供動力，完全符合這些市場對準確性與延遲的要求。
這個團隊最與眾不同的地方，在於他們罕見地結合了世界級的研究實力、對東亞文化的深刻理解，以及一個已展現顯著動能的產品。Kotoba 的模型並非英語優先系統的改編版——它們是根據其服務市場的語言現實，採用獨特的訓練方法從頭打造而成。在其首個模型發布後的短短 6 個月內，他們的模型在韻律表現上，持續展現出比西方公司模型更低的延遲與更高的品質。 在對客戶私下發布模型的前六個月，Kotoba 已將多家財富 100 強企業、全球硬體公司，以及高成長的 AI 原生新創公司納為其初始客戶。
我們非常高興能與 @noriyuki_kojima、@jungokasai 以及整個 @kotoba_tech 團隊合作，一同為日本打造一個新的前沿研究實驗室，也為更廣泛的亞洲及世界其他地區建立一個語音 AI 平台。
您可以透過以下連結閱讀更多關於我們投資的資訊：
https://kindredventures.com/announcement/kotoba-developing-voice-ai-for-a-multilingual-world/
