CEO ElevenLabs: Hlas je dalším rozhraním pro AI
Hlas jako další hlavní rozhraní pro AI
Spoluzakladatel a generální ředitel ElevenLabs Mati Staniszewski tvrdí, že hlas se stává dalším hlavním rozhraním pro umělou inteligenci, což zásadně mění způsob, jakým lidé komunikují se stroji, protože se modely vyvíjejí nad rámec textu a obrazovek.
Pokrok ve hlasové technologii
Na Web Summitu v Dauhá Staniszewski řekl magazínu TechCrunch, že hlasové modely, jako ty vyvinuté společností ElevenLabs, pokročily za hranici pouhé replikace lidské řeči — včetně emocionálních nuancí a intonace — a nyní pracují v souladu s rozumovými schopnostmi velkých jazykových modelů. Podle něj tento vývoj představuje zásadní posun v tom, jak lidé využívají technologie.
Do budoucna Staniszewski uvedl: „Doufejme, že všechny naše telefony se vrátí do kapes a my se budeme moci ponořit do skutečného světa kolem nás, přičemž hlas bude mechanismem, který ovládá technologie.“
Podpora průmyslového pokroku
Tato vize je základem nedávného financování ve výši 500 milionů dolarů pro ElevenLabs při hodnotě 11 miliard dolarů. Koncept hlasu jako primárního rozhraní získává na popularitě napříč odvětvím AI. Společnosti jako OpenAI a Google kladou velký důraz na hlas ve svých modelech nové generace, zatímco Apple tiše rozvíjí technologie související s hlasem, které jsou neustále aktivní, prostřednictvím akvizic, jako je Q.ai. Jak AI proniká do nositelné elektroniky, vozidel a dalších hardwarových zařízení, řídicí mechanismy se přesouvají od interakce založené na obrazovkách k systémům řízeným hlasem, což staví hlas do centra další vlny inovací v oblasti AI.
Měnící se paradigmata interakce
Na pódiu na Web Summitu generální partner Iconiq Capital Seth Pierrepont zdůraznil, že zatímco obrazovky zůstanou relevantní pro hry a zábavu, tradiční metody vstupu, jako jsou klávesnice, jsou stále častěji vnímány jako „zastaralé“.
Pierrepont také poznamenal, že jak se systémy AI stávají více autonomními, povaha interakce se bude vyvíjet. Budoucí modely budou obsahovat ochranné mechanismy, integrace a kontextovou povědomost, což jim umožní reagovat s minimálním explicitním zadáváním od uživatele.
Role trvalé paměti a kontextu
Staniszewski označil tento posun k autonomii za jeden z nejvýznamnějších probíhajících změn. Vysvětlil, že místo toho, aby uživatelé museli explicitně zadávat každý pokyn, budou budoucí hlasové systémy využívat trvalou paměť a akumulovaný kontext pro přirozenější a bezproblémovou interakci.
Tato změna, jak dodal, ovlivní, jak budou hlasové modely nasazovány. Zatímco vysoce kvalitní audio modely historicky závisely na zpracování v cloudu, ElevenLabs směřuje k hybridnímu přístupu, který kombinuje zpracování v cloudu a na zařízení. Tato strategie má podpořit vznikající hardware, jako jsou sluchátka a další nositelná zařízení, kde se hlas stane stálým společníkem spíše než příležitostnou funkcí.
Rozšiřování partnerství a aplikací
ElevenLabs již spolupracuje s Meta na integraci své hlasové technologie do produktů, jako je Instagram a Horizon Worlds, virtuální realitní platforma společnosti Meta. Staniszewski také vyjádřil zájem o spolupráci s Meta na jejích chytrých brýlích Ray-Ban, protože hlasem řízená rozhraní se rozšiřují do nových formátů.
Soukromí a etické otázky
Jak se hlasová technologie stává všudypřítomnější a více integrovanou do každodenního hardwaru, vyvstávají významné obavy ohledně soukromí, sledování a nakládání s osobními údaji. Blízkost hlasových systémů k životům uživatelů tyto rizika zesiluje, zejména vzhledem k existujícím obviněním vůči společnostem jako Google za zneužívání těchto dat.
