对于总部位于拉各斯的语音 AI 初创公司 Spitch 的创始人兼 CEO Temi Babs 来说，若 OpenAI 或 ElevenLabs 这样资金雄厚的全球玩家明天开始认真转向非洲语言，这并不会让他感到紧张。被问及如果这些公司决定大举进入非洲语言市场会发生什么时，他的回答很明确：他们必须先过他这一关。

对于一位自称“raised very little money”且尚未实现盈亏平衡的创始人来说，这一说法相当大胆。但 Babs 坚持认为，在为非洲语言构建语音基础设施这件事上，资本并不是许多人以为的那道护城河。非洲拥有 2,000 多种语言，而长期以来，主要全球语音和翻译平台对这些语言的支持都有限，或不够可靠，从客户服务到公民参与都因此出现沟通缺口。

“我非常清楚这一点，因为我们一路靠自筹资金走到了今天这么靠前的位置，”Babs 在接受 Technext 独家采访时说。“我不认为仅靠资本就能赢。你可以拥有全部资本，但如果你无法构建……”

他让这句话留了个尾音，随后说出真正的重点：任何试图服务非洲市场的资金雄厚的全球巨头，都需要 Spitch 过去两年积累下来的关系、数据，以及对普通 Nigerian、普通 West African 或 East African 心态的理解。“你不可能用数十亿美元击败这些。”

课堂讲师会在一句话中间切换 Yoruba、Igbo 和 English。有些人说 Pidgin。有些人则在同一口气里混用两种语言，而课堂噪音也并非任何干净训练集能够预先处理。“在非洲语境下，那种产品的那个使用场景根本不可能真正奏效，”Babs 说。

团队并没有放弃，而是把这次失败视为信号。如果课堂转录都坏到这种程度，那么更深层的问题——让机器可靠地听懂、理解并说出非洲语言——就远不止教育领域，而是基础设施问题。

这种转向发生得非常快，以至于 Spitch 在 2024 年 10 月正式发布产品前一周就签下了首位付费客户。Babs 至今仍对这一细节感到满意。“这让我们对正在构建的产品得到了验证。”

两年后，Babs 估计 Spitch 约有 1,800 名开发者、4 家企业客户，以及 15 家中型企业通过平台处理客户沟通。

已点名的企业客户包括 Safaricom Ethiopia 和尼日利亚新闻机构 Leadership，此外还有 Babs 所说的几家较小的 B2B 合作伙伴。他坦率承认，这些应用场景并不特别新奇：来电和去电客服支持，以及用客户自己的语言向他们分发内容。

“从我们看到的情况来说，其实没有什么特别令人意外的，”他说，“只要它和业务的核心基本需求结合起来就行。”

如果问 Babs 这件事真正难在哪里，答案并不是模型架构，而是数据。“算力在很大程度上受制于你有多少钱，”他解释说。“但数据是另一回事。围绕你如何处理和管理数据，有政策和监管框架。”他认为，这使得数据获取比算力问题更难“一到两个层级”。

Spitch 解决这一问题的路径经历了三个阶段：创始团队最初录制自己的声音来训练早期模型，随后又从合作伙伴那里获得覆盖 Hausa、Igbo、Yoruba 和 Amharic 等单个语言的标注数据集授权。当前模式则是 Spitch 直接与企业客户合作，利用他们现有的语音数据对模型进行微调，然后再部署回客户自己的环境中。

从更广泛的底层基础设施看，该平台技术上可支持 400 多种语言，但 Spitch 目前重点训练并持续维护的语言约有 15 到 20 种，覆盖 West Africa 和 East Africa。

随着 Nigeria 2027 年选举临近，以及近期一名总统发言人传播了一段后来被证明是 AI 生成的视频，语音克隆的伦理问题对 Spitch 来说并不是假设性命题。

Babs 表示，平台生成的每一段音频都经过加密签名，因此可以对任何相关文件核查来源。除此之外，他还强调公众教育的重要性：“把你在网上看到的任何东西都先当成可能是假的；除非它直接来自那个人，否则不要立刻相信。”

在监管问题上，Babs 的态度是审慎而非对抗。他认为，Nigeria 的 National AI Strategy 以及正在形成的数据保护框架，到目前为止对本地建设者“相当包容”。

他担心的是时机：政府往往“太早过度设计”，在技术或其危害尚未被充分理解之前，就把合规要求层层加到公司身上。

Babs 明显不喜欢被称为“the ElevenLabs of Africa”。他认为，用地理位置来定义一家语音 AI 公司，会低估它真正做的事情：“Africa 正在与世界其他地方交流。Africa 并不是孤立的。”在他的表述中，Spitch 不是追逐某个全球原型的区域复制品；它是为世界其他地方长期忽视的语言所构建的基础设施，仅此而已。

这种定位能否在一位资金更雄厚的竞争者进入市场后依然站得住脚，还有待验证。但 Babs 对自己五年后的目标并不含糊：参与 Africa 至少三分之一的语音通信。“Voice 不只是沟通方式，”他说，“它是我们的身份、我们的文化。它是我们的生活方式。”