PolyAI 与 Otter 高管：语音 AI 尚未迎来自己的 ChatGPT 时刻
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，尽管全双工模型已经问世，语音 AI 仍未迎来自己的“ChatGPT 时刻”，下一步挑战是让推理足够快、对话足够自然。Otter 的 CMO Alex Gay 则指出，说话人识别、意图捕捉并结合组织知识是关键，该公司还在研发可在会议中代表人的数字孪生。两人均强调 ASR 转写准确性和透明度的重要性。
TechCrunch：AI· Ivan Mehta·2026-10-11 22:00· 35 分钟前AI 评分40
这些高管认为语音 AI 尚未迎来它的 ChatGPT 时刻
AI 导读
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，尽管全双工模型已经问世，语音 AI 仍未迎来自己的“ChatGPT 时刻”，下一步挑战是让推理足够快、对话足够自然。
正文
语音将成为下一个重大交互界面的理论势头强劲，投资者已向语音 AI 初创公司投入数十亿美元，涵盖从模型制造商到企业客户服务提供商，从会议记录工具到 AI 驱动的听写等各个领域。
每周都有新的模型或工具发布，声称听起来像人、对话也像人。然而，现实可能并非如此。企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，尽管全双工模型——即可以一边听你说话一边说话——已经发布，语音 AI 仍未迎来它的“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非常快，这样模型就能快速获取答案，对话感觉自然，”上个月他在 HumanX 大会的台上对我说。
他还表示，客户服务中的 AI 代理不应听起来像机器人，而应给来电者足够的信心，让他们相信自己能解决问题。
“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他们互动，他们就开始建立信心，随着时间的推移，他们会觉得如果代理能解决我的问题，我可能就不必和真人交谈了，”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记录下来，是实现自动化的关键步骤。该公司还在开发可能代表人们参加会议的数字孪生。对于这项技术，他表示至关重要的是，输出的语音要能传达出与在会议上和真人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可以进行辩论、战略讨论，并且你感觉有一种关系在支撑的对话。如果你无法与一个虚拟形象做到这一点，那它就只是一个问答聊天机器人，”Gay 指出。
语音 AI 的理解与透明度
虽然语音 AI 模型有所改进，但 AI 助手常常不理解用户，或者你的会议记录工具显示错误的转录或摘要。
Wen 认为，ASR（自动语音识别）模型常常遗漏重要关键词，这在捕捉整个上下文时造成了问题。
Otter 的 Gay 同意这一点，并补充说公司一直在努力改进转录。他还表示，语言是语音模型需要改进的一个领域。
“对 Otter 来说，你知道，转录从来不是终点。它只是我们开始借此推动一些生产力提升的层面。但如果你的原始转录没有你需要的准确性，你所有的后续操作都会变得有缺陷。而一旦开始采取行动，那就是错的。你会对平台失去信任。对我们来说，继续改进 ASR 模型至关重要，因为所有下游影响都很重大，”他说。
有了这些新的语音工具，透明度也成了一个问题。工具应当向客户声明他们正在被录音或正在与AI对话。Otter表示，它希望让参加会议的人建立信任，因此即使是在机器人不在场的会议中，它也想要尝试诸如在聊天中通知所有人会议正在被录音等方法。PolyAI的Wen也表示，在企业通话中明确人们正在与AI对话这一点很重要。
当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。
Ivan在TechCrunch报道全球消费科技发展动态。他常驻印度，此前曾在Huffington Post和The Next Web等媒体工作。
您可以通过发送电子邮件至[email protected]或在Signal上通过加密消息发送至ivan.42来联系Ivan或核实其外联信息。
来源：TechCrunch：AI · techcrunch.com
来源：RadarAI · aihot.news