Согласно отчету The Information, компания OpenAI в последние два месяца объединила несколько инженерных, продуктовых и исследовательских команд для модернизации своих аудиомоделей, что свидетельствует о значительном продвижении в области аудио-ИИ. Эта реструктуризация предвосхищает выпуск персонального устройства с акцентом на аудио, который ожидается в течение следующего года.

Этот шаг OpenAI отражает более широкую тенденцию в технологической индустрии, где аудио все чаще рассматривается как основной интерфейс, потенциально затмевающий доминирование экранов. Умные колонки уже внедрили голосовых помощников более чем в трети домохозяйств США, демонстрируя растущее признание потребителями голосовых технологий.

Meta недавно представила функцию для своих умных очков Ray-Ban, которая использует массив из пяти микрофонов для повышения четкости речи в шумной обстановке, фактически превращая лицо пользователя в направленное прослушивающее устройство. Google в июне начал экспериментировать с Audio Overviews, преобразуя результаты поиска в разговорные резюме. Tesla интегрирует чат-бота Grok от xAI в свои автомобили, стремясь предоставить разговорного голосового помощника, способного управлять навигацией и климат-контролем с помощью естественного языка.

Помимо этих технологических гигантов, многочисленные стартапы также инвестируют в аудио-ИИ. Эти коллективные усилия предполагают будущее, в котором голосовое взаимодействие станет более плавным и интегрированным в повседневную жизнь. Достижения в области аудио-ИИ поднимают вопросы о доступности, конфиденциальности и потенциале новых форм взаимодействия человека с компьютером. По мере того как модели ИИ становятся все более искусными в понимании и генерации человеческой речи, грань между взаимодействием с машиной и другим человеком может стать все более размытой.