На разогревающейся арене конкуренции в области голосового искусственного интеллекта появилась стартап-команда Hojo.
Голосовый искусственный интеллект (Voice AI) представляет собой ещё один направление развития, отличное от общих больших моделей (general large models). В то время как все сосредоточены на общих больших моделях, на относительно тихом пути развития голосового искусственного интеллекта также появляются новые, заслуживающие внимания модели. Клавиатура теряет своё «доминирующее положение». За последние два года OpenAI выпустила Realtime API, Google создала Gemini Live, а китайские компании, занимающиеся разработкой больших моделей, также начали активно развивать технологии голосового искусственного интеллекта. Всё больше людей считают, что после того, как агенты (agents) действительно начнут использоваться в рабочих процессах, голос станет более естественным способом взаимодействия с пользователем по сравнению с клавиатурой. Чтобы агент действительно мог войти в рабочий процесс, он сначала должен научиться понимать человеческий голос. Первым этапом на этом пути является автоматическое распознавание речи (ASR – Automatic Speech Recognition). Для оценки уровня ASR в индустрии часто используется рейтинг Open ASR от Hugging Face, главным показателем которого является процент ошибок в распознавании слов (WER – Word Error Rate); чем ниже этот показатель, тем точнее распознавание речи.