Đường đua Voice AI đang nóng lên, xuất hiện một nhóm khởi nghiệp Hojo
Voice AI, là một câu chuyện khác ngoài mô hình lớn chung. Trong khi tất cả mọi người đều nhìn chằm chằm vào các mô hình lớn của GM, Voice AI cũng bắt đầu xuất hiện một số mô hình mới đáng chú ý trên đường đua tương đối yên tĩnh này. Bàn phím đang mất đi "trị thế thống trị" của nó. Hai năm qua, OpenAI đã ra mắt API thời gian thực, Google đã thực hiện Gemini Live, hầu như tất cả các công ty mô hình lớn trong nước cũng bắt đầu bố trí AI giọng nói. Ngày càng có nhiều người tin rằng một khi Agent thực sự đi vào dòng công việc, giọng nói sẽ trở thành một lối vào ngữ cảnh tự nhiên hơn so với bàn phím. Nếu một Agent muốn thực sự tham gia vào dòng công việc, trước tiên nó phải học cách hiểu những âm thanh này. Khả năng đầu tiên đằng sau nó là ASR (Automatic Speech Recognition). Để đo lường mức độ ASR, ngành công nghiệp thường được trích dẫn nhất là Open ASR Leaderboard của Hugging Face, chỉ số cốt lõi là tỷ lệ lỗi từ (WER), con số càng thấp, nhận dạng càng chính xác.