PolyAI 首席技术官在 HumanX 表示,语音 AI 尚未迎来 ChatGPT 时刻

关键要点

  • PolyAI 首席技术官 Shawn Wen 在 HumanX 大会上表示,语音 AI 仍未迎来属于自己的 ChatGPT 时刻。
  • ASR 模型经常遗漏重要关键词,导致无法准确捕捉完整语境。
  • PolyAI 和 Otter 强调,在企业通话中应明确告知通话参与者,他们正在与 AI 交谈。

PolyAI 首席技术官 Shawn Wen 上月在 HumanX 大会上表示,尽管全双工模型已经能够在聆听的同时讲话,但语音 AI 尚未迎来自己的“ChatGPT 时刻”。Wen 解释说,核心挑战是让推理速度足够快,从而实现自然的对话流程。就在这一判断发布之际,投资者正向语音 AI 初创公司投入数十亿美元,投资领域涵盖模型开发、企业客户服务、会议转录和 AI 驱动的听写;与此同时,声称具有人类般对话能力的新产品也在每周推出。

PolyAI 首席技术官指出推理速度是语音 AI 面临的下一项挑战

Wen 在 HumanX 大会上表示,该行业已经实现了开发全双工模型这一里程碑,但下一项挑战是进一步提升推理速度,使模型能够迅速生成答案,并让对话感觉自然。他表示,客户服务中的 AI 代理不应听起来像机器人,还应给予来电者足够的信心,让他们相信代理能够解决问题。

“我认为下一阶段会略有不同,因为一旦语音质量足够好,并且客户愿意在最初两三轮对话中与其互动,他们就会开始建立信心。随着时间推移,他们会觉得,如果代理能够解决我的问题,我可能就不必与人类交谈了,”Wen 说道。

Otter 首席营销官 Alex Gay 表示,识别说话者、捕捉意图,并结合组织知识将信息记录下来,是实现自动化的关键一步。该公司正在开发能够代表会议参与者的数字孪生。Gay 表示,让生成的语音传达出与人类在会议中交谈时相同的情感表达至关重要。

“如果你想想自己现在参加的会议,你进行的最佳对话往往是可以展开辩论和战略讨论的对话,而且你会感觉其中存在一种关系作为支撑。如果你无法与头像进行这样的互动,那它就只是一个问答聊天机器人,”Gay 指出。

Otter 首席营销官强调 ASR 准确性对后续操作的影响

Wen 表示,ASR(自动语音识别)模型经常遗漏重要关键词,导致无法捕捉完整上下文。Gay 认同这一观点,并补充说 Otter 一直在努力改进转录效果。他还表示,语言理解是语音模型需要改进的领域之一。

“对 Otter 来说,转录从来都不是终点。它只是我们据此开始提升生产力的基础层。但如果你的原始转录没有达到所需的准确度,那么你进行的所有后续操作都会出现问题。而一旦系统开始执行错误的操作,你就会失去对平台的信任。继续改进 ASR 模型对我们来说至关重要,因为它会对所有下游环节产生重大影响,”Gay 说道。

两家公司都强调透明披露 AI 身份的必要性

Gay 表示,Otter 希望在会议参与者之间建立信任,因此即使机器人没有参加会议,公司也希望通过在聊天中通知所有人会议正在录音等方式来实现这一目标。Wen 还表示,在企业通话中明确告知人们正在与 AI 交谈十分重要。

常见问题

PolyAI 的首席技术官在 HumanX 大会上如何评价语音 AI?
PolyAI 首席技术官 Shawn Wen 上月在 HumanX 大会上表示,尽管全双工模型已经开发出来,但语音 AI 尚未迎来自己的“ChatGPT 时刻”。他解释说,下一项挑战是进一步提升推理速度,使模型能够迅速生成答案,并让对话感觉自然。

根据 Otter 首席营销官的说法,为什么 ASR 准确性对语音 AI 工具很重要?
Otter 首席营销官 Alex Gay 表示,如果原始转录没有达到所需的准确度,所有后续操作都会出现问题。他说,一旦系统开始执行错误的操作,用户就会失去对平台的信任,因此继续改进 ASR 模型至关重要,因为它会对所有下游环节产生重大影响。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论