OpenAI在过去两个月整合了多个工程、产品和研究团队，以改进其音频模型，这标志着该公司正大力推进基于音频的人工智能。据The Information报道，此次重组据称是为了准备一款新的以音频为先的个人设备，预计将在大约一年后发布。

OpenAI的这一举动反映了科技行业内的一个更广泛的趋势，即音频正日益被视为一种主要的交互界面，有可能取代屏幕的主导地位。这种转变已经体现在智能音箱的普及上，智能音箱已将语音助手集成到超过三分之一的美国家庭中。这些设备利用人工智能来理解和响应语音命令，提供信息、控制智能家居设备等等。

Meta最近为其Ray-Ban智能眼镜推出了一项功能，该功能利用一个五麦克风阵列来提高嘈杂环境中对话的清晰度。这项技术有效地将用户的脸部变成了一个定向收听设备，突显了人工智能驱动的音频增强在日常可穿戴设备中的潜力。谷歌也在试验音频概述（Audio Overviews），将搜索结果转换为对话式摘要，通过音频使信息更易于访问和更具吸引力。

特斯拉正在将其车辆中集成Grok和其他大型语言模型（LLM），以创建能够通过自然语言对话管理导航、气候控制和其他功能的对话式语音助手。这种集成旨在提供无缝和直观的用户体验，使驾驶员无需手动控制即可与车辆交互。

除了这些科技巨头之外，许多初创公司也在探索音频人工智能的潜力，开发从个性化音频体验到人工智能驱动的音频分析等创新应用。对音频人工智能日益增长的关注对人们与技术的互动方式具有重大影响，可能会带来更自然、直观和免提的体验。随着人工智能模型变得更加复杂，它们可以更好地理解和响应人类语音，从而为通信、信息访问和自动化开辟新的可能性。