Lapangan kompetisi AI suara yang semakin panas, muncul sebuah tim start-up bernama Hojo
Voice AI merupakan jalur perkembangan teknologi yang berbeda dari model besar umum (general large models). Sementara semua orang fokus pada model besar umum, di jalur yang relatif tenang ini, yaitu Voice AI, juga muncul beberapa model baru yang patut diperhatikan. Klavier (keyboard) mulai kehilangan “posisi dominannya”. Dalam dua tahun terakhir, OpenAI telah meluncurkan Realtime API, Google mengeluarkan Gemini Live, dan perusahaan-perusahaan besar di dalam negeri juga hampir semuanya mulai mengembangkan teknologi Voice AI. Semakin banyak orang yang percaya bahwa ketika Agent benar-benar digunakan dalam proses kerja, suara akan menjadi pintu masuk konteks yang lebih alami daripada keyboard. Jika Agent ingin benar-benar digunakan dalam proses kerja, pertama-tama ia harus belajar memahami suara manusia. Kemampuan dasar yang diperlukan untuk ini adalah ASR (Automatic Speech Recognition). Untuk mengukur kualitas ASR, indikator yang paling sering digunakan di industri adalah Hugging Face’s Open ASR Leaderboard, dengan metrik utama berupa tingkat kesalahan kata (Word Error Rate/WER). Semakin rendah angkanya, semakin akurat hasil pengenalan suara.