В последние два месяца OpenAI объединила несколько инженерных, продуктовых и исследовательских команд для модернизации своих аудиомоделей, сигнализируя о значительном продвижении в направлении аудио-ориентированного искусственного интеллекта. Этот шаг, о котором первоначально сообщило издание The Information, предполагает разработку персонального устройства с акцентом на аудио, выпуск которого запланирован примерно через год.

Инвестиции компании отражают более широкую отраслевую тенденцию, в которой аудио готово стать основным интерфейсом, потенциально затмевая доминирование экранов. Этот сдвиг уже очевиден в распространении умных колонок, которые интегрировали голосовых помощников более чем в трети домохозяйств США.

Meta недавно представила функцию для своих умных очков Ray-Ban, в которой используется массив из пяти микрофонов для повышения четкости речи в шумной обстановке, что, по сути, превращает лицо пользователя в направленное устройство прослушивания. Google начал экспериментировать с Audio Overviews в июне, преобразуя результаты поиска в разговорные сводки. Tesla интегрирует Grok и другие большие языковые модели (LLMs) в свои автомобили для создания разговорных голосовых помощников, способных управлять навигацией и климат-контролем с помощью естественного языка.

Растущее внимание к аудио-ИИ обусловлено достижениями в области машинного обучения, особенно в таких областях, как распознавание речи, обработка естественного языка (NLP) и технологии преобразования текста в речь (TTS). Эти достижения позволяют системам искусственного интеллекта понимать и генерировать человеческую речь с большей точностью и беглостью. Последствия этой технологии выходят за рамки удобства, потенциально трансформируя то, как люди взаимодействуют с информацией, устройствами и друг с другом.

Эксперты предполагают, что аудио-ИИ может произвести революцию в доступности для людей с нарушениями зрения или тех, кому сложно взаимодействовать с экранами. Кроме того, возможность работы без помощи рук, предоставляемая голосовыми интерфейсами, может повысить производительность и безопасность в различных условиях, таких как вождение или производство.

Однако рост аудио-ИИ также вызывает опасения по поводу конфиденциальности и безопасности. По мере того как голосовые помощники становятся все более распространенными, увеличивается потенциал для сбора и неправомерного использования данных. Крайне важно установить четкие руководящие принципы и правила для защиты конфиденциальности пользователей и предотвращения несанкционированного доступа к конфиденциальной информации.

Текущий статус проекта OpenAI в области аудио-ИИ остается в значительной степени засекреченным, но объединение команд компанией предполагает согласованные усилия по ускорению разработки. Ожидаемый запуск персонального устройства с приоритетом аудио примерно через год указывает на значительную приверженность этой технологии. Следующие разработки, вероятно, будут включать дальнейшие усовершенствования аудиомоделей OpenAI, а также изучение новых приложений и вариантов использования аудио-ИИ.