Разработчики голосового ИИ видят прорыв впереди
Теория против реальности
Идея голоса как следующего большого интерфейса набрала сильный импульс: инвесторы вложили миллиарды в голосовые ИИ-стартапы — от разработчиков моделей до корпоративной поддержки клиентов, сервисов заметок и диктовки. Каждую неделю выходит новая модель или инструмент, обещающий звучать и общаться по-человечески. Однако в реальности это может быть не так. КТО Шон Вэнь из корпоративной голосовой платформы PolyAI считает, что, несмотря на появление полно-дуплексных моделей, способных говорить, слушая вас, голосовой ИИ пока не пережил свой «момент ChatGPT».
Скорость, доверие и эмоции
«Мы достигли рубежа в создании полно-дуплексных моделей. Следующая задача — сделать рассуждения очень быстрыми, чтобы модели быстро находили ответы и разговор ощущался естественным», — сказал Вен на сцене конференции HumanX. По его мнению, ИИ-агенты в поддержке клиентов не должны звучать роботизированно и должны вселять в звонящих уверенность, что их проблему решат. Алекс Гэй, директор по маркетингу сервиса заметок Otter, в свою очередь считает, что идентификация говорящего, улавливание намерения и их сверка с корпоративными знаниями — ключевые шаги для автоматизации. Компания также работает над «цифровыми двойниками», которые могут представлять людей на встречах, и здесь критично, чтобы голос передавал те же эмоции, что и живой человек.
Проблемы понимания и прозрачности
Хотя голосовые модели улучшились, ассистенты часто не понимают пользователей, а сервисы заметок показывают неверную расшифровку или резюме. Вен полагает, что модели автоматического распознавания речи (ASR) упускают важные ключевые слова, из-за чего теряется контекст. Гей согласен: если исходная транскрипция неточна, все последующие действия окажутся ошибочными, а доверие к платформе рухнет. Отдельный вопрос — прозрачность: инструменты должны предупреждать, что идёт запись или что человек говорит с ИИ. Otter стремится укрепить доверие участников встреч, уведомляя всех в чате о записи, а PolyAI подчёркивает важность того, чтобы в корпоративных звонках люди понимали, что общаются с ИИ.
Источник: TechCrunch
Об авторе
