PDG d'ElevenLabs : La voix est la prochaine interface pour l'IA
La voix comme prochaine grande interface pour l'IA
Le cofondateur et PDG d'ElevenLabs, Mati Staniszewski, affirme que la voix émerge comme la prochaine grande interface pour l'IA, transformant fondamentalement la manière dont les gens interagissent avec les machines alors que les modèles évoluent au-delà du texte et des écrans.
Faire progresser la technologie vocale
Lors du Web Summit à Doha, Staniszewski a déclaré à TechCrunch que les modèles vocaux, tels que ceux développés par ElevenLabs, ont dépassé la simple reproduction de la parole humaine — y compris les nuances émotionnelles et l'intonation — pour fonctionner en harmonie avec les capacités de raisonnement des grands modèles de langage. Selon lui, cette évolution marque un tournant essentiel dans la manière dont les individus interagissent avec la technologie.
En regardant vers l'avenir, Staniszewski a déclaré : “J’espère que tous nos téléphones retourneront dans nos poches et que nous pourrons nous immerger dans le monde réel qui nous entoure, avec la voix comme mécanisme de contrôle de la technologie.”
Stimuler l'élan de l'industrie
Cette vision soutient la récente levée de fonds de 500 millions de dollars d'ElevenLabs à une valorisation de 11 milliards de dollars. Le concept de la voix comme interface principale prend de l'ampleur dans l'industrie de l'IA. Des entreprises comme OpenAI et Google mettent un accent significatif sur la voix dans leurs modèles de nouvelle génération, tandis que Apple fait discrètement progresser des technologies connexes, toujours actives, grâce à des acquisitions comme Q.ai. À mesure que l'IA s'étend aux appareils portables, véhicules et autres matériels, les mécanismes de contrôle passent des interactions basées sur les écrans à des systèmes pilotés par la voix, positionnant la voix comme un champ de bataille critique pour la prochaine vague d'innovations en IA.
Changer les paradigmes d'interaction
Sur scène au Web Summit, le partenaire général de Iconiq Capital, Seth Pierrepont, a partagé cette perspective, soulignant que bien que les écrans resteront pertinents pour les jeux et le divertissement, les méthodes d'entrée traditionnelles comme les claviers sont de plus en plus perçues comme “dépassées.”
Pierrepont a également noté qu'à mesure que les systèmes d'IA deviennent plus autonomes, la nature des interactions évoluera. Les modèles futurs intégreront des garde-fous, des intégrations et une prise de conscience contextuelle, leur permettant de répondre avec un minimum de demandes explicites de la part des utilisateurs.
Le rôle de la mémoire persistante et du contexte
Staniszewski a souligné ce changement vers l'autonomie comme l'un des changements les plus significatifs en cours. Il a expliqué qu'au lieu d'exiger que les utilisateurs précisent explicitement chaque instruction, les systèmes vocaux futurs s'appuieront sur une mémoire persistante et un contexte accumulé pour des interactions plus naturelles et fluides.
Ce changement, a-t-il ajouté, influencera la manière dont les modèles vocaux sont déployés. Alors que les modèles audio de haute qualité ont historiquement dépendu du traitement basé sur le cloud, ElevenLabs se dirige vers une approche hybride combinant traitement dans le cloud et sur l'appareil. Cette stratégie vise à prendre en charge les matériels émergents, tels que les écouteurs et autres appareils portables, où la voix devient un compagnon constant plutôt qu'une fonctionnalité occasionnelle.
Élargir les partenariats et les applications
ElevenLabs collabore déjà avec Meta pour intégrer sa technologie vocale dans des produits comme Instagram et Horizon Worlds, la plateforme de réalité virtuelle de Meta. Staniszewski a également exprimé son intérêt à travailler avec Meta sur ses lunettes intelligentes Ray-Ban, alors que les interfaces vocales s'étendent à de nouvelles formes.
Préoccupations en matière de confidentialité et d'éthique
Alors que la technologie vocale devient plus omniprésente et intégrée dans les matériels d'usage quotidien, elle soulève des préoccupations importantes concernant la confidentialité, la surveillance et la gestion des données personnelles. La proximité des systèmes basés sur la voix avec la vie des utilisateurs amplifie ces risques, en particulier à la lumière des accusations existantes contre des entreprises comme Google pour une mauvaise utilisation de ces données.
