Selon un rapport de The Information, OpenAI a regroupé plusieurs équipes d'ingénierie, de produits et de recherche au cours des deux derniers mois afin de remanier ses modèles audio, signalant ainsi une avancée significative vers l'IA audio. Cette restructuration anticipe le lancement d'un appareil personnel axé sur l'audio, attendu dans le courant de l'année prochaine.

Cette initiative d'OpenAI reflète une tendance plus large dans l'industrie technologique, où l'audio est de plus en plus considéré comme une interface principale, susceptible d'éclipser la domination des écrans. Les enceintes intelligentes ont déjà implanté des assistants vocaux dans plus d'un tiers des foyers américains, ce qui témoigne de l'acceptation croissante de la technologie vocale par les consommateurs.

Meta a récemment introduit une fonctionnalité pour ses lunettes intelligentes Ray-Ban qui utilise un ensemble de cinq microphones pour améliorer la clarté conversationnelle dans les environnements bruyants, transformant ainsi efficacement le visage de l'utilisateur en un dispositif d'écoute directionnel. Google a commencé à expérimenter avec les Audio Overviews en juin, transformant les résultats de recherche en résumés conversationnels. Tesla intègre le chatbot Grok de xAI dans ses véhicules, dans le but de fournir un assistant vocal conversationnel capable de gérer la navigation et le contrôle de la température grâce au langage naturel.

Au-delà de ces géants de la technologie, de nombreuses startups investissent également dans l'IA audio. Cet effort collectif suggère un avenir où l'interaction vocale deviendra plus fluide et intégrée à la vie quotidienne. Les progrès de l'IA audio soulèvent des questions sur l'accessibilité, la confidentialité et le potentiel de nouvelles formes d'interaction homme-machine. À mesure que les modèles d'IA deviennent plus aptes à comprendre et à générer une parole semblable à celle de l'homme, la frontière entre l'interaction avec une machine et une autre personne risque de s'estomper de plus en plus.