Le marché de l'IA vocale, en plein essor, a vu l'apparition d'une start-up nommée Hojo.
L'IA vocale représente une autre voie de développement parallèle aux grands modèles généraux. Alors que tout le monde se concentre sur ces derniers, le domaine de l'IA vocale, jusqu'à présent relativement calme, commence également à voir apparaître de nouveaux modèles intéressants. Le clavier perd progressivement son « statut de domination ». Au cours des deux dernières années, OpenAI a lancé la Realtime API, Google a développé Gemini Live, et de nombreuses entreprises chinoises spécialisées dans les grands modèles ont également commencé à se concentrer sur l'IA vocale. De plus en plus de personnes croient que, lorsque les agents intelligents seront réellement intégrés aux flux de travail, la voix deviendra un moyen d'accès au contexte plus naturel que le clavier. Pour que les agents intelligents puissent être efficacement intégrés aux flux de travail, ils doivent d'abord apprendre à comprendre les voix humaines. La première compétence essentielle à cet égard est l'ASR (reconnaissance automatique de la voix). Pour évaluer le niveau d'ASR, le tableau de classement Open ASR de Hugging Face est le plus souvent utilisé dans l'industrie. L'indicateur clé est le taux d'erreurs de mot (WER) : plus ce chiffre est bas, plus la reconnaissance est précise.