这些高管认为语音AI尚未迎来自己的ChatGPT时刻

语音将成为下一个重大交互界面的理论势头强劲，投资者正向语音AI初创公司投入数十亿美元，涵盖从模型制造商到企业客服提供商、从会议记录工具到AI驱动听写等多个领域。每周都有新模型或工具发布，声称能像真人一样说话和对话。然而，现实情况可能并非如此。企业语音AI平台PolyAI的CTO Shawn Wen认为，尽管全双工模型——可以在听你说话的同时开口——已经发布，语音AI仍未迎来自己的“ChatGPT时刻”。“我们已经达到了开发全双工模型的里程碑。下一个挑战是让推理变得非常快，这样模型能迅速获取答案，对话才会感觉自然，”他在上个月HumanX大会的舞台上对我说。他还表示，客服中的AI智能体不应听起来像机器人，而应给来电者足够的信心，让他们相信问题能被解决。“我认为下一阶段会略有不同，因为一旦语音足够好，客户愿意在前两三轮与之互动，他们就开始建立信心，随着时间推移，他们会觉得如果智能体能解决我的问题，我可能就不需要和真人通话了，”他说。会议记录工具Otter的CMO Alex Gay认为，说话人识别、意图捕捉，并结合组织知识将其整理成文，是实现自动化的关键步骤。该公司还在研发可能在会议中代表个人的数字孪生。对于这项技术，他表示最关键的是输出语音要能传达出与真人开会交谈时相同的情感表达。“如果你想想你现在参加的会议，最好的对话是那些你能进行辩论、战略讨论，并且感觉有一种关系在支撑的时刻。如果你没有——