語音 AI 呢年進化唔少，但做嘅人自己都承認，仲未走到類似 ChatGPT 嘅爆發點。PolyAI 同 Otter 兩位高管近日就開腔，指出語音系統要成為可靠嘅自然對話工具，仲被語音辨識準確度、推論速度，同埋情緒語氣表達三樣嘢卡住。
全雙工模型過關，但仲差速度
PolyAI 技術長 Shawn Wen 表示，能同時收聽同回應嘅「全雙工（full-duplex）」模型已經係一個重要里程碑——換言之，系統終于可以唔使等用户講完先再回應，同真人對話一樣可以即時插嘴。
但 Wen 同時話，下一步係要加快推論速度，先可以即時揾答案、保持對話流暢。仲強調客服型 AI 唔止係答問題，仲要俾用户有信心，信佢真係幫到得幾多。
轉錄唔係終點，係起點
Otter 行銷長 Alex Gay 則從另一角度切。佢話，會議自動化嘅核心唔止係逐字轉錄，仲要識得分唔同講者、理解意圖，同埋將內容同組織知識連起。佢認為如果語音系統喺辯論或者策略討論中冇辦法表達更自然嘅情緒，最後只會變成問答機器，而唔係能參與對話嘅工具。
資料圖片：Pixabay
兩位主管都把語音辨識（ASR）視作目前最關鍵嘅弱點。Wen 話，ASR 模型會漏掉關鍵字，導致對話上下文唔完整；Gay 話對 Otter 嚟講，轉錄只係後續生產力功能嘅基礎——如果最初轉錄唔準確，後面嘅摘要同行動建議就可能出錯，減弱用户對平台嘅信任。
透明度：知唔知道你喺同 AI 講
語音 AI 嘅透明度都成為焦點。Otter 表示正在研究點樣令所有與會者知道會議正喺錄，即使會議入面冇記錄機器人到場，都話會透過聊天通知等渠道建立信任。Wen 亦話喺企業通話情境，令用户清楚知道佢同 AI 講緊，同樣重要。
阿調搞兩下
文字聊天嘅 AI 仲要人留意有冇 AI 在對話，語音就麻煩喇——你話佢係人，你以為佢係人，點分？呢次係廠商高管自己講自己產品未到位，唔係第三方測試，所以「未到 ChatGPT 時刻」呢句要當嘅係廠商自評，唔好被標題帶走當定係業界共識。等真有人拿個完整對話場景做壓力測試，先會知三關邊個最慢。
阿調｜深度調教
