No crescente cenário da IA de Voz, surgiu uma startup chamada Hojo.
A IA de Voz é outra linha de desenvolvimento que existe além dos grandes modelos universais. Enquanto todos estão de olho nos grandes modelos universais, também começam a surgir novos modelos interessantes no campo relativamente tranquilo da IA de Voz. O teclado está perdendo o seu “domínio”. Nos últimos dois anos, a OpenAI lançou o Realtime API, a Google criou o Gemini Live, e as empresas chinesas de grandes modelos também começaram a se concentrar na IA de Voz. Cada vez mais pessoas acreditam que, quando os agentes (programas que interagem com usuários) realmente entrarem no fluxo de trabalho, a voz se tornará uma forma de entrada mais natural do que o teclado. Se um agente quiser realmente fazer parte do fluxo de trabalho, primeiro precisa aprender a entender essas vozes. E a primeira habilidade necessária para isso é a ASR (Reconhecimento Automático de Voz). Para medir o nível de ASR, o mais comum é usar o Hugging Face Open ASR Leaderboard, cujo indicador principal é a taxa de erros de palavra (WER – Word Error Rate); quanto menor o número, melhor é a precisão do reconhecimento.