گزارشهای جدید نشان میدهند که OpenAI بعد از توسعه مدلهای پیشرفته متنی و تصویری، حالا قصد دارد منابع خود را روی توسعه مدلهای صوتی متمرکز کند.
براساس گزارش جدیدی که نشریه The Information منتشر کرده، شرکت OpenAI طی دو ماه گذشته چندین تیم مهندسی، محصول و تحقیقاتی را با هم یکپارچه کرده تا مدلهای صوتی خود را بهطور اساسی بازطراحی کند. همه اینها در راستای آمادهسازی برای یک دستگاه شخصی مبتنیبر صدا است که انتظار میرود حدود یک سال دیگر عرضه شود.
این اقدام نشاندهنده مسیری است که کل صنعت فناوری به سمت آن حرکت میکند. آیندهای که در آن نمایشگرها دیگر کارایی سابق را ندارند و صدا به محور اصلی تعامل تبدیل میشود. اسپیکرهای هوشمند پیشتر دستیارهای صوتی را به بخشی ثابت از بیش از یکسوم خانههای آمریکا تبدیل کردهاند.
متا نیز بهتازگی قابلیتی را برای عینکهای هوشمند Ray-Ban خود عرضه کرده که با استفاده از مجموعهای متشکل از پنج میکروفن، به شما کمک میکند مکالمهها را در محیطهای شلوغ بهتر بشنوید، قابلیتی که عملاً صورت شما را به یک ابزار شنود جهتدار تبدیل میکند.
گوگل نیز در ماه ژوئن آزمایش قابلیتی به نام Audio Overviews را آغاز کرد که نتایج جستوجو را به خلاصههای گفتوگومحور صوتی تبدیل میکند. تسلا هم درحال یکپارچهسازی چتبات Grok در خودروهای خود است تا یک دستیار صوتی مکالمهای بسازد که از مسیریابی گرفته تا کنترل تهویهمطبوع را از طریق گفتوگوی طبیعی انجام دهد.
گزارشها نشان میدهد که مدل صوتی جدید OpenAI که برای عرضه در اوایل ۲۰۲۶ برنامهریزی شده، طبیعیتر صحبت خواهد کرد، وقفهها را مانند یک شخص واقعی در مکالمه مدیریت میکند و حتی میتواند همزمان با صحبتکردن شما حرف بزند؛ قابلیتی که مدلهای امروزی نمیتوانند آن را انجام دهند. همچنین گفته میشود این شرکت به یک خانواده از دستگاههای مبتنیبر هوش مصنوعی مانند شامل عینک یا اسپیکرهای هوشمند بدون صفحهنمایش فکر میکند که کمتر شبیه ابزار و بیشتر شبیه همراه عمل میکنند.
