開口免打字 Big Tech押注語音主導AI未來

AI業者正競相讓使用者和聊天機器人的對話更加自然，押注語音終將超越打字，成為使用者和AI代理工具互動的主要方式。

OpenAI 和Google 近日分別更新語音功能，讓AI聽起來不再像照著螢幕念稿的機器人，而更像一個能理解指令和前後文的同事。

消費者和企業需求迅速增加，兩家公司推出最新產品也和早期語音助理 明顯不同。過去的語音助理先把語音轉成文字，再產生文字答案，最後把答案念出來。新一代模型可以直接處理並產生語音，有助縮短延遲、改善不自然的語氣，也能減少忽略前後文的情況。

OpenAI的ChatGPT語音產品主管Atty Eleti說：「一般人喜歡用語音提問，這種方式很適合像人與人一樣你來我往。文字也很好，但打字要花不少力氣。」

Google表示，截至4月止一年，即時語音功能使用量增加一倍，語音對話的平均長度是文字對話的五倍。OpenAI每周則有超過1.5億人使用ChatGPT語音功能。

微軟AI安全產品主管Sarah Bird說，能長時間執行工作的AI代理工具逐一問世，透過語音交代工作顯得相當自然，語音這種互動方式才「正開始再度興起」。Bird補充說，她經常看到同事使用微軟旗下程式開發平台GitHub工作時，直接對手機下達語音指令寫程式。

OpenAI表示，語音技術過去受限於「智力跟不上」。GPT+Live日前問世，是OpenAI兩年來頭一款語音模型。在此之前，OpenAI的語音模型因反應緩慢，且會混淆不同語言或口音而受到批評。

Google語音體驗負責人Leland Rechis說：「大家開始更常開口，因為知道模型聽得懂。現在使用者期待能做更多，也希望這些裝置能完成更多事情。」Rechis表示，Google發現以大型語言模型作為語音功能的後盾後，使用者更習慣和AI交談，因此決定採用「自然隨興得多的對話風格」。

語音功能初期的一項用途是協助寫程式。支持者認為，相較於輸入文字提示詞，透過語音能更完整說明使用者的意圖和限制條件。

語音工具日益普及，也帶動部分新創公司投資新式麥克風和辦公室隔音設備，避免系統把語音和背景噪音混淆。相關設備從領夾式麥克風，到裝在黑色管狀外殼或護齒套內的麥克風都有。

英國金融時報引述知情人士報導，OpenAI預料明年初會推出系列裝置中的首款產品。這款裝置將是能感知周遭環境的語音助理，配備攝影機、麥克風和揚聲器。

紐約新創公司Sandbar設計了一款智慧戒指，使用者可直接對著戒指下達指令或記錄筆記，而且只會回應使用者本人的聲音。