Голосовой интерфейс убьёт экраны и клавиатуры

Post Thumbnail

Основатель сервиса голосовых моделей ElevenLabs Мати Станишевский выступил на Web Summit в Дохе. И объявил, что голос становится главным интерфейсом для взаимодействия с ИИ. Не дополнительным, не альтернативным – именно главным. И под это заявление компания только что привлекла 500 миллионов долларов при оценке в 11 миллиардов.

Станишевский объясняет логику просто. Голосовые модели научились не просто имитировать человеческую речь с эмоциями и интонациями, они теперь работают в связке с рассуждающими языковыми моделями. Это меняет саму природу взаимодействия с технологиями. Его видение будущего звучит почти утопично. Все телефоны вернутся в карманы, люди погрузятся в реальный мир вокруг себя, а голос станет единственным механизмом управления устройствами.

Сет Пьерпон из Iconiq Capital на той же конференции добавил масла в огонь. По его мнению, экраны останутся для игр и развлечений, но клавиатуры уже кажутся устаревшими. И когда системы станут по-настоящему агентными, изменится сама суть взаимодействия. Модели получат ограничения, интеграции и контекст, чтобы отвечать без явных детальных инструкций от пользователей.

Глава ElevenLabs указывает на это как на главное изменение. Вместо того чтобы диктовать каждый шаг, будущие голосовые системы будут опираться на постоянную память и накопленный контекст. Взаимодействие станет естественным и потребует минимальных усилий.

Всё конечно хорошо. Вопрос только в том, готовы ли вы жить в мире, где технология слушает вас постоянно, чтобы вы могли меньше смотреть в экран.

Почитать из последнего
ИИ-ассистент научили разбирать документы и алерты
Главный вопрос корпоративного ИИ прост: что будет с данными после запроса? РТК-ЦОД предлагает не рисковать ими. На форуме «Цифровые решения» компания с блоком ИТ «Ростелекома» представила ассистента для организаций с жёсткими требованиями к защите.
К 2027 году чипов хватит на миллиарды ИИ-агентов
Похоже, у ИИ скоро вылезет проблема, которую не залатать покупкой ещё одного чипа. По расчётам Epoch AI, вычислительной мощности, выпущенной с 2025 по 2027 год, хватит для одновременной работы от 33 до 171 млн агентов уровня передовых моделей.
Kandinsky научился лепить видео со звуком
ИИ-видео всё меньше смахивает на немой клип. «Сбер» показал Kandinsky 6.0 Video - модель, которая разом генерит картинку и звук: речь персонажей, музыку и шумы окружения.
Три профессии, которые ИИ уже плодит прямо сейчас
ИИ перетряхивает рынок труда не только тем, что съедает привычные задачи. Вместе с автоматизацией вылезают специалисты, которых ещё несколько лет назад никто бы не вообразил, и часть таких профессий формируется на глазах.
Google научила эмбеддинги переваривать сразу пять типов данных
Google порешила, что эмбеддингам хватит возиться с одним текстом. Компания выкатила вторую версию EmbeddingGemma: теперь система сваливает в общее векторное пространство текст, код, изображения, видео и аудио. Так что на вход можно подавать сразу несколько типов данных.