Il settore dell’AI vocale, in rapida crescita, ha visto l’emergere di una nuova startup chiamata Hojo.
La voce AI rappresenta un’altra linea di sviluppo, diversa da quella dei grandi modelli generali. Mentre tutti sono concentrati sui grandi modelli generali, anche nel campo relativamente più tranquillo della voce AI stanno emergendo modelli nuovi che meritano attenzione. La tastiera sta perdendo il suo “dominio”. Negli ultimi due anni, OpenAI ha lanciato il Realtime API, Google ha creato Gemini Live, e quasi tutte le aziende cinesi che lavorano su grandi modelli hanno iniziato a investire nel settore della voce AI. Sempre più persone credono che, una volta che gli agenti digitali entreranno davvero nei flussi di lavoro, la voce diventerà un’interfaccia più naturale rispetto alla tastiera. Se un agente digitale vuole davvero integrarsi nei flussi di lavoro, deve prima imparare a comprendere queste voci. La prima capacità necessaria per questo è l’ASR (riconoscimento vocale automatico). Per misurare il livello di un sistema ASR, nell’industria si utilizza comunemente la classifica Open ASR di Hugging Face, la cui metrica principale è il tasso di errore di parola (WER): più basso è il valore, più precisa è la riconoscimento.