Auf dem sich erwärmenden Markt für Sprachkünstliche Intelligenz ist ein Start-up namens Hojo aufgetaucht.
Voice AI ist eine weitere Story-Linie außerhalb des universellen großen Modells. Während alle auf das große GM-Modell schauten, begannen einige bemerkenswerte neue Modelle auf der relativ ruhigen Strecke von Voice AI zu erscheinen. Die Tastatur verliert ihre „Hominanz". In den vergangenen zwei Jahren hat OpenAI die Realtime-API eingeführt, Google hat Gemini Live eingeführt und fast alle großen Modellunternehmen in China haben begonnen, Voice AI zu entwickeln. Immer mehr Menschen glauben, dass die Sprache, wenn der Agent wirklich in den Workflow kommt, ein natürlicher kontextueller Eingang wird als die Tastatur. Wenn der Agent wirklich in den Workflow eintreten will, muss er zuerst lernen, diese Geräusche zu verstehen. Die erste Funktion, die dahinter steht, ist ASR (Automatic Speech Recognition). Um das ASR-Level zu messen, wird in der Branche am häufigsten das Open ASR Leaderboard von Hugging Face zitiert, wobei die Kernmetrik die Wörterfehlerrate (WER) ist, je niedriger die Zahl ist, desto genauer die Erkennung ist.