正在升溫的 Voice AI 賽道，出現了一家初創團隊 Hojo
Voice AI，是通用大模型之外的另一條故事線。 當所有人都在盯著通用大模型時，Voice AI 這條相對安靜的賽道里，也開始出現一些值得注意的新模型。 鍵盤正在失去它的「統治地位」。 過去兩年，OpenAI 推出了 Realtime API，Google 做出了 Gemini Live，國內的大模型公司也幾乎都開始佈局 Voice AI。越來越多的人開始相信，當 Agent 真正進入工作流之後，語音會成為比鍵盤更自然的上下文入口。 如果 Agent 想真正進入工作流，它首先要學會聽懂這些聲音。而這背後對應的第一層能力，就是 ASR（自動語音識別）。 衡量 ASR 水平，業內最常引用的是 Hugging Face 的 Open ASR Leaderboard，核心指標是詞錯誤率（WER），數字越低，識別越准。...