The Informationの報道によると、OpenAIは過去2ヶ月間で複数のエンジニアリング、製品、研究チームを統合し、オーディオモデルを刷新しており、オーディオAIへの本格的な取り組みを示唆している。この再編は、今後1年以内に発表されると予想されるオーディオ中心の個人向けデバイスの発売を見越したものである。

OpenAIのこの動きは、テクノロジー業界におけるより広範なトレンドを反映しており、オーディオは主要なインターフェースとしてますます注目されており、画面の優位性を覆す可能性を秘めている。スマートスピーカーはすでに米国の世帯の3分の1以上で音声アシスタントを確立しており、音声ベースのテクノロジーに対する消費者の受容が高まっていることを示している。

Metaは最近、Ray-Banスマートグラス向けに、騒がしい環境での会話の明瞭さを向上させるために5つのマイクアレイを利用する機能を導入し、ユーザーの顔を事実上、指向性リスニングデバイスに変えた。Googleは6月にAudio Overviewsの実験を開始し、検索結果を会話形式の要約に変換している。TeslaはxAIのGrokチャットボットを車両に統合し、自然言語を通じてナビゲーションや空調管理を可能にする会話型音声アシスタントの提供を目指している。

これらの巨大テクノロジー企業以外にも、多数のスタートアップ企業がオーディオAIに投資している。この共同の取り組みは、音声インタラクションがよりシームレスになり、日常生活に統合される未来を示唆している。オーディオAIの進歩は、アクセシビリティ、プライバシー、そして新しい形態のヒューマン・コンピュータ・インタラクションの可能性についての疑問を提起する。AIモデルが人間のような音声を理解し生成することに長けるにつれて、機械と対話することと他の人と対話することの境界線はますます曖昧になるかもしれない。