PolyAI 与 Otter 高管：语音 AI 尚未迎来自己的 ChatGPT 时刻

语音将成为下一个重要界面的理论势头强劲，投资者向语音 AI 初创公司投入了数十亿美元，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 驱动的听写等领域。

每周都有新模型或工具发布，声称听起来像人并能像人一样对话。然而，现实中可能并非如此。企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，尽管发布了全双工模型——可以在听你说话的同时说话——语音 AI 还没有迎来它的“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，这样模型能快速获取答案，对话感觉自然，”他在上个月的 HumanX 会议上在台上告诉我。

他还表示，客户服务中的 AI 代理不应听起来像机器人，并应给来电者足够的信心，让他们相信问题能解决。

“我认为下一阶段会略有不同，因为一旦语音足够好，比如，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，我可能不必和真人交谈，”他说。

会议记录工具 Otter 的 CMO Alex Gay 认为，说话人识别、意图捕捉，并结合组织知识进行记录，是实现自动化的关键步骤。该公司还在开发可能在会议中代表个人的数字孪生。对于这项技术，他说至关重要的是，输出的语音要能给出与在会议中与人交谈相同的情感表达。

“如果你想想你现在参加的会议，最好的对话是你可以进行辩论和战略讨论，并且你感觉有一种关系在支撑。如果你无法与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）模型经常错过重要关键词，这在捕捉整个上下文时造成问题。

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。它只是我们可以开始推动一些生产力提升的基础层。但如果你的原始转录没有你需要的准确性，你所有的后续行动都会变得有缺陷。一旦开始采取行动，那就是错误的。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，透明度也成了一个疑问。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未参会的会议中，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。

您可以通过发送邮件至 [email protected] 或通过 Signal 上的加密消息 ivan.42 联系 Ivan 或核实其外联信息。

查看简介