bet体育365正规(中国)官方网站-2024 European Cup

解决语音AI延迟可能预示着一种全新的人机交互

2024-12-31 bet体育365官网正规供稿浏览量：23

关键字： bet体育365官网正规呼叫中心客户关系管理系统 CRM CTI PMSI

摘要： 展望未来十年，我们将看到一场更深层次的语音革命，这场革命可能会重塑人机交互，当然这一转变将需要积极应对隐私保护、深度防伪和确保不同语言和地区的公平访问方面的挑战。我们的目标不仅仅是让语音人工智能无处不在，还要确保它公平、安全地与每个人交谈。

CTI论坛（ctiforum.com）(编译/老秦)：虽然大型语言模型占据了头条新闻的主导地位，但我们缺少了一块拼图：自然的语音交互。

关于人工智能有很多炒作，但我们与技术的日常互动在很大程度上仍然局限于点击、滑动和打字。我们仍然在手机上花了很多时间。

缺少的是超低延迟语音AI，这项技术可以改变我们与设备的交互方式，并可能减少我们的屏幕时间。

到目前为止，会话式人工智能在现实世界中的应用受到了严重限制。呼叫中心人工智能听起来仍然像机器人，语音交互感觉很僵硬，教育技术很难吸引注意力。在各个行业中，这也远非司空见惯。

这是因为当前的文本转语音系统需要完整的句子来提供上下文并驱动韵律，即语音中的重音和语调模式。这造成了超过400毫秒的延迟，比人类150毫秒的响应时间慢得多，使交互感觉不自然。这些模型也很庞大，通常需要大量资源来运行基本操作。这导致了一个扭曲的市场，大型企业使用低效的架构来填补空白，而不是解决核心问题。

但最近的创新现在允许我们逐字生成语音，类似于人类说话的方式。我们并不总是知道要说的确切单词，但我们知道它应该听起来和感觉如何。

这种方法允许近乎实时的语音生成，同时保持自然度。通过增量处理语音，我们可以将延迟减少到25毫秒，比传统系统（400毫秒）甚至人类响应时间（150毫秒）都快得多。最新型号也明显更小，这意味着企业可以在不进行大规模基础设施投资的情况下，以极低的成本集成先进的语音技术。

超低延迟语音AI的影响远远超出了传统应用。在数字游戏中，当前的解决方案对于实时角色交互来说太慢了，低于150毫秒的延迟能够实现真正响应的AI驱动叙事。对于数字化身和虚拟人来说，语音延迟比语音质量更重要，这一突破实现了以前不可能实现的自然流畅的对话。在教育领域，实时人工智能语言导师可以使语言学习更容易、更实惠。在客户服务中，近乎即时的响应将使用户能够更自然地与人工智能助手互动，从而提高效率和满意度。

通过开发更高效的多语言模型，我们可以在快节奏的对话中实现实时翻译，从而改变商业、旅行和外交领域的全球沟通。

更重要的是，这项技术可以改变我们与设备的交互方式。在目前的方法下，一个简单的人工智能语音交互有时会非常缓慢，需要3到5秒才能生成响应：语音识别需要0.5到1秒，LLM响应需要1到2秒，文本到语音转换需要1到两秒。一些对话式人工智能公司还不能使用GPT，因为延迟太高，无法等待整个句子的生成。通过将总响应时间缩短到0.6秒，特别是实现25毫秒的文本到语音延迟，我们可以与人工智能进行真正流畅的对话。这将使其成为基于屏幕的交互的优选替代品，有可能减少我们对视觉界面的依赖，并实现更自然、直观的数字参与。

近期和长期影响

未来三到五年，语音人工智能的采用将发生变革。随着延迟障碍的降低和型号尺寸的不断减小，我预计将看到关键的技术里程碑，包括全面的多语言支持、大幅降低成本和在边缘设备上的部署。这将在多个领域释放即时机会，从对话式人工智能和企业销售到数字化身和生成游戏。

展望未来十年，我们将看到一场更深层次的语音革命，这场革命可能会从根本上重塑人机交互。我们的愿景是数字交互变得更加自然和直观，减少我们对屏幕的依赖，实现更多以人为中心的计算体验。随着语言无关模型变得越来越容易获得和负担得起，我们可以看到语音人工智能在各个市场上民主化，公平竞争，而不是被大型科技公司垄断。

当然，这一转变将需要积极应对隐私保护、深度防伪和确保不同语言和地区的公平访问方面的挑战。我们的目标不仅仅是让语音人工智能无处不在，还要确保它公平、安全地与每个人交谈。

BET365官方网站转自CTI论坛
2024年12月31日
CTI论坛网址：https://mp.weixin.qq.com/s/a3WIQzCLr9UKC6SYVZXFqg
作者：Neuphonic首席执行官兼联合创始人Sohaib Ahmad
原文网址：https://www.speechtechmag.com/Articles/Editorial/Industry-Voices/Solving-Voice-AI-Latency-Could-Herald-an-Entirely-New-Human-Computer-Interaction-166799.aspx

解决语音AI延迟可能预示着一种全新的人机交互

相关新闻

特别推荐

产品

帮助中心

联系电话

友情链接