Whalesbook
भारतीय AI स्टार्टअप Maya Research ने व्हॉईस-आधारित संवादात्मक (conversational) इंटरफेस तयार करण्यासाठी $1.9 दशलक्ष (सुमारे ₹15 कोटी) सीड फंडिंग मिळवले आहे. हे स्टार्टअप अशा वापरकर्त्यांवर लक्ष केंद्रित करते ज्यांना टाइप करण्याऐवजी बोलून संवाद साधणे सोपे वाटते.
काय घडले?
भारतीय AI स्टार्टअप Maya Research ने सीड फंडिंग फेरीमध्ये $1.9 दशलक्ष (सुमारे ₹15 कोटी) उभे केले आहेत. या फेरीत साउथ पार्क कॉमन्स (South Park Commons) या व्हेंचर इन्व्हेस्टरने नेतृत्व केले, जे सुरुवातीच्या टप्प्यातील तांत्रिक संस्थापकांना पाठिंबा देण्यासाठी ओळखले जातात. कंपनी या निधीचा उपयोग आपल्या व्हॉईस-फर्स्ट आर्टिफिशियल इंटेलिजन्स (AI) प्लॅटफॉर्मला पुढे नेण्यासाठी करणार आहे. हा प्लॅटफॉर्म वापरकर्त्यांना टाइप करण्याऐवजी किंवा स्क्रीन नेव्हिगेट करण्याऐवजी बोलून तंत्रज्ञानाशी संवाद साधण्यास मदत करेल.
BS धीमंत रेड्डी आणि भरत कुमार ककुமணி यांनी 2025 मध्ये स्थापन केलेल्या या स्टार्टअपने 'माया 1' (Maya 1) नावाचे ओपन-सोर्स व्हॉईस मॉडेल सादर करून लक्ष वेधून घेतले आहे. या मॉडेलने स्पीच अरेना (Speech Arena) वर 1,051 चा क्वालिटी एलो स्कोर (Quality Elo score) मिळवला आहे, ज्यामुळे ते जागतिक स्तरावर आघाडीच्या ओपन-वेट व्हॉईस मॉडेल्सपैकी एक बनले आहे. कंपनीने Hugging Face वर 4,40,000 हून अधिक मॉडेल डाउनलोड्स आणि भारत, दक्षिण-पूर्व आशिया आणि मध्य पूर्वेमध्ये 3 दशलक्ष ग्राहक ऍप्लिकेशन्स डाउनलोड्सची नोंद केली आहे.
'व्हॉईस-फर्स्ट' स्ट्रॅटेजी
Maya Research चे मुख्य ध्येय 'पुढील पाच अब्ज' (next five billion) वापरकर्त्यांना सेवा देणे आहे, जे टेक्स्ट-आधारित इंटरफेसचे मुख्य वापरकर्ते नाहीत. संस्थापकांचा युक्तिवाद आहे की टेक्स्टवर जास्त अवलंबून असलेली पारंपरिक AI प्रणाली लोकसंख्येचा मोठा भाग वगळते. स्थानिक भाषिक बोलणाऱ्यांचे अनुकरण करणारे संवादात्मक मॉडेल तयार करून, स्टार्टअप अधिक सोपा अनुभव तयार करण्याचे उद्दिष्ट ठेवत आहे. परदेशी प्रशिक्षित AI मॉडेल्समुळे निर्माण झालेली पोकळी भरून काढण्यासाठी हे तंत्रज्ञान स्थानिक भाषा, विशिष्ट सांस्कृतिक संदर्भ आणि संभाषणातील बारकावे जुळवून घेण्यास मदत करेल.
व्यवसाय संदर्भ आणि डेटाचा फायदा
गुंतवणूकदारांसाठी, स्टार्टअपची स्ट्रॅटेजी डेटा फ्लाईव्हील (data flywheel) तयार करण्यावर केंद्रित आहे. लाखो डाउनलोड्स पाहणाऱ्या ग्राहक ऍप्लिकेशनद्वारे, कंपनी उच्च-गुणवत्तेचा व्हॉईस डेटा गोळा करते. AI च्या जगात हा डेटा महत्त्वपूर्ण आहे. गर्दीच्या रस्त्यांवरील आवाज, स्वस्त स्मार्टफोनचे मायक्रोफोन आणि 'हिंग्लिश' सारख्या मिक्स भाषेतील बोलणे - अशा गोंधळलेल्या, वास्तविक-जगातील ऑडिओला समजून घेण्यासाठी मॉडेल प्रशिक्षित करणे हे एक मोठे तांत्रिक आव्हान आहे. हा वास्तविक-जगातील वापर डेटा स्टार्टअपला त्यांचे मॉडेल फाइन-ट्यून (fine-tune) करण्यासाठी एक संभाव्य फायदा देतो, जो मूळ मॉडेलपेक्षा अधिक मौल्यवान असू शकतो.
गुंतवणूकदारांसाठी हे महत्त्वाचे का आहे?
साउथ पार्क कॉमन्सकडून मिळालेली गुंतवणूक, केवळ सामान्य-उद्देशीय साधने तयार न करता विशिष्ट तांत्रिक अडचणी सोडवणाऱ्या संस्थापकांना पाठिंबा देण्याचा ट्रेंड दर्शवते. साउथ पार्क कॉमन्स 'प्री-सीड' दृष्टिकोन (pre-seed approach) आणि तांत्रिक विश्वासावर लक्ष केंद्रित करण्यासाठी ओळखले जाते. हा पाठिंबा दर्शवितो की टीम AI ची 'शेवटची मैल' (last mile) समस्या सोडवू शकते - म्हणजेच तंत्रज्ञान खऱ्या अर्थाने गैर-इंग्रजी, टेक्स्ट-अक्षम वापरकर्त्यांसाठी सुलभ बनवणे.
काय चूक होऊ शकते?
भारतासारख्या प्रदेशात व्हॉईस-फर्स्ट AI तयार करण्यामध्ये महत्त्वपूर्ण अडथळे आहेत. पाश्चात्य बाजारपेठांच्या विपरीत, भारतीय वापरकर्त्यांमध्ये विशेष आव्हाने आहेत: पार्श्वभूमीतील मोठा आवाज, एकाच भाषेत विविध उच्चार आणि वाक्यातच भाषा बदलण्याची सवय. याव्यतिरिक्त, स्टार्टअप एका स्पर्धात्मक क्षेत्रात काम करत आहे जिथे प्रमुख जागतिक टेक कंपन्या देखील त्यांच्या व्हॉईस आणि भाषेच्या क्षमतांमध्ये वेगाने सुधारणा करत आहेत. कोणत्याही सुरुवातीच्या AI कंपनीसाठी 'प्लॅटफॉर्म रिस्क' (platform risk) हा एक धोका आहे - जिथे बेस मॉडेल तंत्रज्ञान इतक्या वेगाने सुधारते की मालकीचे फाइन-ट्यूनिंग कमी मौल्यवान ठरते. हा व्यवसाय वाढवण्यासाठी कमी-एंड हार्डवेअरवर उच्च कार्यक्षमता टिकवून ठेवणे आणि अत्याधुनिक मॉडेल्सना प्रशिक्षित करण्याचा तसेच चालवण्याचा उच्च खर्च व्यवस्थापित करणे आवश्यक असेल.
गुंतवणूकदारांनी काय ट्रॅक करावे?
भविष्यात, कंपनीच्या प्रगतीसाठी मुख्य निर्देशक हे बजेट डिव्हाइसवर कार्यक्षमता टिकवून ठेवण्याची क्षमता आणि मोठ्या डाउनलोड बेसचे शाश्वत व्यवसायात रूपांतर करण्याचे यश असेल. गुंतवणूकदार हे पाहू शकतात की स्टार्टअप ओपन-सोर्स योगदान धोरण आणि कमाईच्या योजनांमध्ये कसा समतोल साधते. इतर विकासकांद्वारे त्यांच्या मॉडेल्सचा अवलंब दर आणि विद्यमान वर्कफ्लोमध्ये त्यांचे तंत्रज्ञान समाकलित करण्यासाठी कोणतीही भागीदारी, विकसित होत असलेल्या AI लँडस्केपमध्ये कंपनीची स्पर्धात्मक स्थितीची अंतर्दृष्टी देईल.