一些行业专家认为，语音 AI 的发展尚未迎来类似 ChatGPT 那样的突破性时刻。语音 AI 平台 PolyAI 的 CTO Shawn Wen 强调，尽管全双工（双向）模型取得了进展，语音 AI 仍未能够提供自然且可靠的用户体验。他指出，提升模型的推理速度对于让对话显得自然、可信至关重要。
会议笔记工具 Otter 的 CMO Alex Gay 强调，说话人识别与意图捕捉对于实现自动化非常重要。他补充说，技术生成的语音必须能够传达人类对话中的情绪。Gay 还指出，改进自动语音识别（ASR）模型对于确保转写准确率、维持用户对平台的信任至关重要。
尽管语音 AI 模型已有改进，但在理解用户和转写准确率方面仍存在挑战。Wen 强调，ASR 模型常常遗漏关键词，从而造成完整上下文捕捉上的问题。Gay 补充说，对 Otter 而言，转写并不是终极目标，而是提升生产力的一个环节。他强调，转写准确率对于后续动作的执行以及维持平台信任度都至关重要。
另一个重要问题是透明度。新的语音工具必须告知客户，他们正在被录音，或正在与 AI 对话。Otter 的目标是通过通知所有参会者会议正在录音（即便机器人并未在场）来与会议参与者建立信任。Wen 也强调了在企业通话中明确告知人们”正在与 AI 对话”的重要性。
一句话总结： 三位厂商高管的共同判断是——语音 AI 缺的不是”能力”，而是”体验的确定性”：推理要快到让对话不卡顿，ASR 要准到不漏关键词，还要能识别说话人和意图、传达情绪，并且坦率披露录音与 AI 身份。这些”最后一公里”的可靠性问题，才是它迟迟等不来 ChatGPT 时刻的原因。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/72462.html
