印度消费者对电话沟通的偏好依然强烈。Truecaller 最近一项研究显示，超过 76% 的印度消费者更愿意通过电话与企业打交道。这给语音AI自动化客服和外呼留下了巨大空间。总部位于印度的语音AI创业公司 Ringg 正在押注这一趋势，它目前每月处理 2000万 次呼叫尝试，并刚刚获得 Peak XV Partners 的 1000万美元 追加投资，作为其 A 轮融资的延伸。此前 Ringg 在今年早些时候已完成 550万美元 的 A 轮融资，该轮总额由此达到 1550万美元。

Ringg 最初是一家名为 DesiVocal 的文本转语音创业公司，但训练自有语音模型成本过高，创始人决定向上迁移，转而为企业构建语音AI代理。印度金融科技公司 Cred 成为其第一个客户，此后 Flipkart、Practo、Groww、PolicyBazaar 等印度初创公司也陆续签约。联合创始人 Siddharth Tripathi 告诉 TechCrunch，早期他们做的是高容量、低复杂度的用例，比如外呼、线索资格筛选、贷款催收，但很快意识到这些用例粘性不足，最终会变成价格战。Ringg 仍保留部分简单用例，但重心已转向更复杂的工作流：为医疗诊所预约、为电商网站恢复弃购、为金融科技应用做入职/KYC 检查。

Tripathi 表示，Ringg 的语音代理目前运行在医疗应用 Practo 的 1200家 诊所，帮助患者预约就诊或跟进后续步骤。语音电话仍占 Ringg 业务的 70% 以上，但公司已开始拓展聊天和 WhatsApp 等渠道。对于 Shell 等客户，Ringg 还自动化了基于浏览器的支持请求。Tripathi 说，他们希望把自己定位成一个“让代理达成结果”的平台，而不只是企业语音代理。

技术层面，Ringg 构建自己的语音识别和生成模型，最终希望拥有完整的语音栈，包括基础设施和部署。但眼下这仍然太贵，因此产品以编排层的方式工作，根据用例把任务路由到不同模型。Peak XV 的负责人 Rishen Kapoor 认为，Ringg 从研究实验室起步、自建模型，这种技术深度体现在它现在处理的复杂用例上。“因为技术能力，他们可以端到端完成这些艰难的企业工作流，比如商户入职、L1 和 L2 支持，并且保持质量和一致性。”

印度语音AI赛道已经十分拥挤。模型层有 Deepgram、ElevenLabs、Cartesia，以及本地玩家 Sarvam 和 Smallest.ai；编排层有 Bolna 和 Blue Machines；行业垂直玩家如 Gnani 和 Arrowhead 则聚焦金融。这种分层结构——模型制造商、编排器、应用层玩家都在争夺企业工作流——本身就是故事的核心。资金和防御性越来越取决于谁拥有客户关系和最终结果。Ringg 的大多数客户在印度，少数在中东和美国。它不打算直接向美国公司销售，而是希望与跨国公司在印度设立的全球能力中心合作，将自动化能力与人工支持捆绑销售。

Ringg 目前有 40名 员工，过去三个月新增超过 15人。它正在招聘“前向部署工程师”这类结合技术能力和产品管理技能的岗位，同时也在招研究人员，目标是降低模型运行成本。