PolyAI 与 Otter 高管:语音 AI 尚未迎来 ChatGPT 时刻
PolyAI CTO Shawn Wen 认为,全双工模型已能边听边说,但语音 AI 仍需更快推理才能实现自然对话,尚未迎来“ChatGPT 时刻”。Otter CMO Alex Gay 指出,说话人识别、意图捕捉、组织知识结合及 ASR 转写准确性仍是自动化关键,双方均强调应向用户透明告知正在录音或与 AI 通话。
PolyAI CTO Shawn Wen 认为,全双工模型已能边听边说,但语音 AI 仍需更快推理才能实现自然对话,尚未迎来“ChatGPT 时刻”。Otter CMO Alex Gay 指出,说话人识别、意图捕捉、组织知识结合及 ASR 转写准确性仍是自动化关键,双方均强调应向用户透明告知正在录音或与 AI 通话。
一支团队在 SF Tech Week 期间让 AI 语音智能体致电旧金山 1000 家不同行业商家,每通都自报为 AI 并提出贴合业务的问题,仅在营业时间拨打。
药店电话和银行邮件中的 AI 被包装成真人“Caroline”“Sarah”,不标注 AI 身份,被问及时还自称人类。它们起初语气、动作和背景音逼真,但随后会暴露出类似 ChatGPT 的机械、无法解决问题的回答。
AI 公司 Factory 的旧金山软件工程师 Alvin Sng 称,可训练 AI 模型模仿自己的声音给新生儿读书,相关帖文获得 450 万次浏览并引发批评。帖文已删除,许多网友认为这是在育儿中误用 AI;报道还称,90% 的父母表示 AI 让养育孩子更容易。
HN 用户询问是否存在可输入参考声音与文本指令、输出新声音的商用 AI 模型,以基于少量干净样本生成音效。其试用 ElevenLabs SFX 发现仅支持文本转音频,Stable Audio 3 虽支持相关能力但效果很差,认为该模态仍停留在图像生成 2016 年的阶段。
Grok bot 的语音模式极其流畅,而且真的能帮你干活!建议开声音观看
Someone pointed out that voice call demos should probably have sound. So here’s another exploration, this time with audio
AI 正接管律所接待中重复性的电话接听、筛选、排期、CRM 录入和跟进等工作,法律接待专员因此从信息收集者转向客户体验管理者。Lexidesk 等 AI 电话接待工具可全天候应答并生成摘要,但法律判断、复杂高风险情形、关系建立与合规责任仍需人工承担。