Wispr Flow raccoglie 280 milioni di dollari e presenta Canto, il suo modello vocale

C’è un round di finanziamento che, più di tanti altri annunciati in questi giorni, racconta bene dove sta andando il modo in cui parliamo con i computer. Wispr Flow, la startup di San Francisco che trasforma la voce in testo già formattato, ha chiuso una serie B da 280 milioni di dollari guidata da Menlo Ventures. La valutazione dell’azienda sale così a 2 miliardi, quasi il triplo rispetto a nove mesi prima.

Non è soltanto una questione di capitali. Insieme al round, Wispr ha presentato Canto, il suo primo modello vocale proprietario, e ha lasciato intendere che la dettatura è appena il punto di partenza di un progetto molto più ambizioso.

Un round da 280 milioni che quasi triplica la valutazione

A guidare l’operazione è Menlo Ventures, già investitore dell’azienda, affiancato dai fondi che avevano creduto in Wispr fin dalle prime fasi, come Notable Capital, NEA e Neo Ventures. Al tavolo si sono aggiunti anche nuovi nomi, tra cui Acrew, Forerunner, Goodwater e Peak XV. Con questa iniezione di risorse il totale raccolto dalla società arriva a 361 milioni di dollari, come spiega l’azienda stessa nell’annuncio ufficiale del round.

Il dato che colpisce non è tanto la cifra assoluta, quanto la velocità con cui è cresciuta la valutazione. In appena nove mesi Wispr è passata da poco più di 700 milioni a 2 miliardi di dollari, un balzo che misura bene l’appetito degli investitori per gli strumenti vocali capaci di far lavorare e scrivere le persone senza usare le mani.

È lo stesso clima che sta gonfiando molte altre operazioni nel settore.

Basta guardare cosa è successo intorno all’infrastruttura dell’AI nelle ultime settimane, con round e acquisizioni miliardarie che si susseguono a ritmo continuo. La corsa a costruire il livello software e hardware su cui girano i modelli è ormai un campo di battaglia in cui i capitali si muovono in fretta, e la voce è diventata uno dei fronti più caldi.

Canto, il modello vocale pensato per battere il rumore

La vera notizia tecnica, però, si chiama Canto. È il primo modello vocale sviluppato internamente da Wispr, e nasce per risolvere il problema che rende la dettatura frustrante nella vita reale: il rumore di fondo.

Secondo i dati diffusi dall’azienda, in condizioni rumorose e poco controllate Canto riduce il tasso di errore sulle parole da oltre il 30% a una forbice compresa tra il 5% e il 10%. Tradotto in pratica, significa passare da una trascrizione piena di correzioni da sistemare a mano a un testo che, nella maggior parte dei casi, puoi usare subito.

Chi ha provato a dettare un messaggio per strada, su un treno o in un ufficio affollato sa bene quanto conti questa differenza. Un errore ogni tre parole rende lo strumento inutile, un errore ogni dieci o venti lo trasforma in qualcosa su cui puoi davvero contare.

Dietro a questi numeri c’è un lavoro che parte da lontano.

Perché il tasso di errore fa la differenza

Nel riconoscimento vocale la metrica di riferimento è il tasso di errore sulle parole, cioè la percentuale di parole sbagliate, aggiunte o mancanti rispetto a quanto hai effettivamente detto. Se vuoi capire come funziona la tecnologia che sta alla base di strumenti come questo, abbiamo dedicato una guida al riconoscimento vocale e al modo in cui i modelli imparano a interpretare il parlato.

Abbattere il tasso di errore negli ambienti difficili è la sfida più dura, perché il modello deve distinguere la tua voce dai rumori, dagli altri parlanti e dai riverberi della stanza. È proprio qui che Wispr dice di aver fatto il salto più grande con Canto, e non è un dettaglio da poco: è la differenza tra un giocattolo e uno strumento professionale.

Dalla dettatura a un livello vocale sotto ogni app

La parte più interessante della strategia di Wispr non è quello che l’app fa oggi, ma quello che l’azienda vuole diventare. Flow, il prodotto principale, nasce come strumento di dettatura: parli e il testo compare già formattato dentro qualsiasi applicazione, dal client di posta al documento, dalla chat al campo di ricerca.

Oggi lo strumento è usato da oltre 125.000 aziende e da buona parte delle società che compongono la classifica Fortune 500. È una base di utenti che regala a Wispr un vantaggio raro, cioè una enorme quantità di dati reali su come le persone parlano quando vogliono scrivere.

Da qui parte l’ambizione dichiarata.

L’azienda, fondata nel 2021 da Tanay Kothari e Sahaj Garg, non vuole più essere soltanto un’app di dettatura. L’obiettivo è costruire un livello vocale che stia sotto ogni applicazione, una sorta di tastiera invisibile fatta di parole pronunciate, capace di funzionare ovunque tu scriva o dia un comando. La voce, in questa visione, non è un accessorio ma il modo predefinito con cui interagisci con il software.

È una scommessa che va oltre la semplice trascrizione e che punta dritto al cuore di come useremo i dispositivi nei prossimi anni.

Perché questo round conta nella corsa all’AI

Per capire il senso di questi 280 milioni serve alzare lo sguardo. Negli ultimi anni l’attenzione si è concentrata sui grandi modelli linguistici e sugli assistenti testuali, con prodotti come ChatGPT che hanno abituato milioni di persone a scrivere per ottenere risposte. La voce, però, sta rapidamente diventando la nuova interfaccia, e i numeri di adozione degli assistenti generativi, con l’app Gemini che ha superato il miliardo di utenti mensili, lo confermano.

Parlare è più veloce che digitare, e in molte situazioni è anche più naturale. Le aziende che sviluppano modelli vocali di qualità si trovano quindi in una posizione strategica, perché presidiano il punto di contatto tra le persone e le macchine.

Non è un caso che gli investitori stiano premiando chi lavora su questo strato.

Lo stesso entusiasmo che ha spinto la valutazione di Wispr sta alimentando l’intero comparto dell’inferenza, cioè la capacità di far girare i modelli in modo rapido ed economico. Chi segue il settore lo ha visto con il round monstre di Fireworks AI, che ha raccolto 1,5 miliardi di dollari proprio puntando sulla velocità con cui i modelli rispondono. E lo si è visto con la raffica di acquisizioni, come quella con cui Stripe ha rilevato OpenRouter per oltre 7 miliardi, segno che l’infrastruttura su cui poggia l’AI viene ormai trattata come un asset strategico.

In questo quadro, la voce è il tassello che mancava.

La sfida per Wispr sarà difendere il proprio spazio da concorrenti molto più grandi. I laboratori che costruiscono i modelli di frontiera stanno integrando funzioni vocali sempre più avanzate, e chi controlla il sistema operativo o il browser può spingere le proprie soluzioni verso un pubblico enorme. Avere un modello proprietario come Canto, però, offre a Wispr un’arma per non dipendere dalla tecnologia di qualcun altro e per continuare a migliorare dove conta davvero, cioè sulla qualità della trascrizione.

Cosa aspettarsi ora

Il messaggio che arriva da questo round è chiaro: la dettatura intelligente non è più una funzione di nicchia, ma un mercato su cui si muovono capitali enormi. Con 361 milioni di dollari raccolti e un modello vocale tutto suo, Wispr Flow ha le risorse per provare a trasformare la voce nel modo predefinito con cui scriviamo, non solo un’alternativa comoda ogni tanto.

Resta da vedere se la scommessa di diventare un livello vocale universale reggerà alla concorrenza dei grandi laboratori. Nel frattempo, se lavori con i testi o gestisci flussi di contenuti, vale la pena tenere d’occhio come si evolvono questi strumenti, perché potrebbero cambiare il modo in cui produci ogni giorno. Continua a seguirci per restare aggiornato sulle prossime mosse dei protagonisti dell’intelligenza artificiale.