8月17日,Speko在Hacker News上以“Launch HN”形式发布。Speko由Bek创立,是Y Combinator S26批次项目,自称“语音AI的OpenRouter”。它根据企业用户给出的准确率、延迟、成本或综合平衡等约束条件,以及语言和地区,自动从公开测评过的模型中筛选并组合语音转文字(STT)、大语言模型和文字转语音(TTS)模型,返回结果时同时说明模型供应商、名称和评分。

据Speko创始人在Launch HN帖子中介绍,典型的语音客服智能体由STT、LLM、TTS三层模型组成,每一层都有十多家可信供应商,且每个月都有新模型出现。绝大多数团队在最初评估后选定一套模型,之后很少重新检查,因为更换供应商意味着再次开发和重新测算。其结果是不少语音智能体使用的是上一个季度的模型,而市面上已有更便宜、更好的选择。

Bek此前作为联合创始人和CTO,花了四年时间为亚洲企业打造多语种语音智能体。他表示,每次新语音模型发布,团队都要雇佣母语评测人员、对照现有模型测试、再将改进后的模型部署到生产环境。Speko把这一过程变成一个API。

使用方式上,用户提交优化条件后,路由服务会筛选出在对应条件下有测量数据的模型,进行基准测试后选择最优项,并把供应商、模型名称和得分放在响应头中返回。网关会预取签名会话计划,新会话可直接从内存连接供应商,无需在等待通话时做控制面往返。故障转移仅在连接建立阶段发生,若供应商拒绝连接,系统会转向排名第二的候选模型。

Speko称,其测评过程公开,会在同一地区、不同日期的运行中对所有模型输入相同内容,并公布榜单,包括其推荐结果表现不如替代方案的记录。面向演示场景的测试可能只关注30秒音频哪个更好听,而面向生产环境则要判断哪个模型能在第8分钟之后继续稳定,因此Speko还测试自由对话、金额和日期表达以及10分钟长音频。该公司训练了一个自动评分器来评估TTS自然度,基于人工盲测听感投票;在人从未参与投票的供应商上,该评分器与人工评审意见一致的概率接近评审之间的一致水平。

Speko表示自身不训练也不出售模型,以保持评测公正。该公司同时开源了网关(GitHub上的SpekoAI/gateway,MIT许可证)。这是一个Go语言二进制文件,可作为sidecar部署在智能体容器中,通过Unix套接字与本地协议通信,固定供应商主机并附加用户密钥;在BYOK模式下,网关完全不与Speko云端通信。源码默认启用匿名、无内容遥测,可通过一个环境变量关闭。

定价方面,网关和BYOK将永久免费,Speko对托管路由器和托管密钥及统一计费收费。创始人称,自6月底进入孵化批次以来,外部使用量平均每周增长约25%,涨幅集中在发布前几周。他还向社区征求反馈,询问用户目前如何选择语音模型,以及什么因素会让他们信任第三方基准测试。