Uplift（YC S25）致力于开发针对服务不足语言的语音模型，旨在通过技术手段为这些语言提供更好的语音识别和生成支持，填补现有技术在这些语言领域的空白。

Uplift AI：为小众语言开发语音模型

Uplift AI（YC S25）是一家专注于为小众语言开发语音模型的公司，由Zaid、Muhammad和Hammad共同创立。他们的目标是解决全球范围内，尤其是巴基斯坦等国家中，大量文盲人口无法通过文字获取信息的问题。据统计，全球有10亿人无法阅读，而在巴基斯坦，42%的成年人是文盲。这不仅影响了个人的生活，也阻碍了经济的发展，例如患者无法阅读医疗报告，父母无法辅导孩子作业，银行无法完全数字化，农民无法研究最佳农业实践等。

Uplift AI最初是一个为翻译和语音模型制作数据集的副项目。通过初步数据，他们开发了一个乌尔都语语音机器人，并在WhatsApp上发布，结果在两天内就有800人使用。这让他们意识到，文本界面并不适合许多人，因此他们决定全职投入解决这个问题。

开发小众语言的语音模型面临诸多挑战。例如，创建语音合成模型时，通常需要从YouTube等平台抓取大量数据，并使用转录模型自动标记。然而，这些方法在英语中很容易实现，但在小众语言中却行不通，因为转录模型不够准确。此外，雇佣人工转录员时，他们往往没有拼写校正工具，导致数据中存在大量噪音，难以用少量数据训练出高质量的模型。

为了解决这些问题，Uplift AI开发了内部工具来帮助数据标记，并且他们自己收集数据，而不是购买现成的数据集。这种做法虽然反直觉，但能够确保数据的分布合理，从而用更少的数据训练出更好的模型。通过内部完成数据收集、标记、训练和部署，他们能够更快地取得进展。

目前，Uplift AI已经公开提供了乌尔都语、信德语和俾路支语的文本转语音API。Khan Academy正在使用他们的技术将视频配音为乌尔都语。他们的模型在信息类应用（如AI机器人）中表现出色，但在情感类应用（如诗歌）上还需要进一步改进。

Uplift AI希望通过公开模型，快速了解哪些领域表现不佳，并迅速修复。他们欢迎用户提供反馈，尤其是关于小众语言的使用经验。

未来展望
Uplift AI计划继续扩展语言覆盖范围，并探索离线模型和电话热线等应用场景，以进一步扩大用户群体。他们相信，语音模型市场将像电子商务一样，出现多个区域性赢家，而他们希望成为其中之一。

评论主要围绕以下几个方面展开：

1. 对模型的多语言支持期待：

   • 多位评论者希望模型能扩展到其他未被充分服务的语言，如马拉雅拉姆语、非洲的低资源语言以及中国的地方方言。
   • 引用："Would love to see Malayalam here one day!"（sanman8119）
   • 引用："Would be cool to see some of the less common regional Chinese dialects..."（nojs）

2. 对模型实际应用的关注：

   • 评论者期待看到更多代码示例和离线使用的可能性，特别是针对网络连接不稳定的地区。
   • 引用："Would be nice to have some code examples for using your TTS API with Pipecat."（pavlov）
   • 引用："do you plan to make these models usable for offline purposes?"（jnmandal）

3. 对模型潜在社会影响的讨论：

   • 有评论者担心模型可能被用于传播虚假信息，并询问是否有应对措施。
   • 引用："I really hope it doesn't get used to launch misinformation campaigns..."（Bilal_io）
   • 评论者还提到模型对文盲人群和地区方言使用者的潜在帮助。
   • 引用："There are many countries across the developing world where the AI tools and translation apps only produce output in the official government dialect."（primitivesuave）

4. 对数据集和模型开放性的建议：

   • 部分评论者呼吁公开数据集，以促进更广泛的开发和应用，特别是在辅助技术领域。
   • 引用："For more under represented languages we DONT need closed voice models..."（willwade）
   • 引用："Are they public?"（willwade）

5. 对商业策略和竞争的思考：

   • 评论者询问在面对大公司（如Google、ElevenLabs）竞争时的策略，并探讨了模型的商业目标。
   • 引用："What's your plan for when one of the larger players like ElevenLabs or Google adds support for these languages?"（Lienetic）
   • 引用："what would be your goal from a business perspective?"（ks2048）

6. 对语音转文字功能的期待：

   • 有评论者询问是否有计划开发语音转文字功能，特别是用于自动生成字幕。
   • 引用："Any plans for speech to text? I want to automatically generate subtitles for videos which have Urdu audio."（aneeqdhk）

总结：评论者对模型的多语言支持、实际应用、社会影响、数据集开放性、商业策略以及语音转文字功能表现出广泛关注和期待，同时也提出了对潜在风险的担忧。