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，这标志着其正大力推进音频AI。据The Information报道，此次重组是为了预计在一年左右后推出的以音频为先的个人设备做准备。

OpenAI的这一举动反映了科技行业内的一个更广泛的趋势，即音频有望成为主要的交互界面，可能超越屏幕的主导地位。智能音箱日益普及，目前已进入超过三分之一的美国家庭，这表明基于语音的交互方式正被越来越广泛地接受。

Meta最近为其Ray-Ban智能眼镜推出了一项功能，该功能利用五麦克风阵列来增强嘈杂环境中的对话清晰度，有效地将用户的脸部变成定向监听设备。谷歌在6月份启动了Audio Overviews的实验，将搜索结果转换为对话式摘要。特斯拉正在将其xAI的Grok聊天机器人集成到其车辆中，旨在创建一个能够通过自然语言管理导航和气候控制的对话式语音助手。

除了这些已建立的科技巨头之外，许多初创公司也在投资音频AI。这种集体努力表明，在未来，语音激活助手和基于音频的界面将越来越多地融入日常生活。这种转变的影响包括个人消费信息、与技术互动以及管理日常任务的方式可能发生变化。更复杂的音频AI的开发引发了关于数据隐私、残疾人可访问性以及新型数字交互方式的潜在可能性的问题。