据 The Information 的一份报告显示，OpenAI 在过去两个月中整合了多个工程、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音频人工智能。此次重组预示着一款以音频为中心的个人设备有望在明年内推出。

OpenAI 的这一举动反映了科技行业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，有可能超越屏幕的主导地位。智能音箱已经在超过三分之一的美国家庭中建立了语音助手，这表明消费者对基于语音的技术的接受程度越来越高。

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增强嘈杂环境中的对话清晰度，有效地将用户的脸变成了一个定向监听设备。谷歌于 6 月开始试验音频概览（Audio Overviews），将搜索结果转化为对话式的摘要。特斯拉正在将其 xAI 的 Grok 聊天机器人集成到其车辆中，旨在提供一个对话式的语音助手，能够通过自然语言管理导航和气候控制。

除了这些科技巨头之外，许多初创公司也在投资音频人工智能。这种集体努力预示着一个未来，语音交互将变得更加无缝，并融入日常生活。音频人工智能的进步引发了关于可访问性、隐私以及新型人机交互的可能性的问题。随着人工智能模型越来越擅长理解和生成类人语音，与机器和与另一个人互动之间的界限可能会变得越来越模糊。