语音AI技术正在快速发展，有望从客户服务到内部沟通全面改变企业运营。
最近几周，OpenAI推出了新的工具，以简化AI语音助手的创建，并将其高级语音模式扩展到更多付费客户。微软更新了其Copilot AI，增强了语音功能和推理能力，而Meta则在其消息应用中引入了语音AI。
IBM杰出工程师Chris Hay称，这些进步“可能会改变企业与客户对话的方式”。
用于客户服务的AI语音
Hay设想了各种规格的企业与客户互动和管理运营方式的巨大转变。他表示，AI驱动的通信工具的普及可以为小型企业提供前所未有的机会，使其能够与大型企业竞争。
“我们正在进入AI联络中心的时代，”Hay说，“每个小商店都可以拥有与大企业相同水平的客户服务。这是不可思议的。”
他表示，关键在于开发实时API（Application Programming Interface，简称API，应用程序编程接口），实现人与AI之间极低延迟的通信。这样，人们在日常对话中期望的那种来回交流将成为可能。
“要进行自然语言语音对话，模型的延迟需要在200毫秒左右，”Hay指出，“我不想等三秒……我需要快速得到回应。”
有了OpenAI等公司提供的API，开发者们可以使用新的语音AI技术。“有了大规模生产的开发者API，即使只有很少的模型和开发知识，任何人也都可以调用API并为自己构建该功能。”Hay说。
其影响可能是深远的。Hay预测，随着各类企业都采用这项技术，未来几个月和几年内将出现“音频虚拟助手的巨大浪潮”。这可能会带来更加个性化的客户服务，出现新的AI通信行业，萌生AI管理的工作。
对于消费者来说，这种体验可能很快就会与真人代理对话无异。Hay指出，谷歌的NotebookLM最近演示的AI生成播客证明了该技术的进步。
“如果没有人告诉我那是AI，我真的不会相信。”他谈到其中一个演示时说，“这些声音是有情感的。现在你正在与AI实时对话，而且这会越来越好。”
AI语音变得个性化
主要科技公司正在竞相发展其AI助手的特性和能力。Meta在其消息平台上为AI助手引入名人声音。用户可以选择明星的AI生成声音，如奥卡菲娜（Awkwafina）和朱迪·丹奇（Judi Dench）。
然而，伴随承诺而来的还有潜在风险。Hay承认，如果技术落入不法之徒手中，可能会为骗子和诈骗者所利用。
“在未来六个月内，你会看到新一代的诈骗者，他们的声音像你听到的那些播客主持人的真实声音，带有语调和情感。”Hay警告说，“这些模型本质上是为了从人们那里骗取钱财。”这可能使得传统的警示标志失效，比如不寻常的口音或机器人般的声音。“它们将被隐藏起来。”Hay说。
他将这种情况比作《哈利·波特》小说中的一个情节，角色必须通过个人问题来验证某人的身份。在现实世界中，人们可能需要采用类似的策略。
“我怎么知道我在和银行说话，”Hay思索道，“我怎么知道我在和我女儿说话，她在要钱？人们必须习惯问这些问题。”
尽管有这些担忧，Hay对技术的潜力仍持乐观态度。他指出，语音AI可以显著提高可访问性，使人们能够用母语与企业和政府服务互动。
“可以想想福利申请之类的东西，你会收到所有这些令人困惑的文件。想想，如果能够给你的福利提供商拨打电话，并且是用你的母语，那么就能把那些非常复杂的文件，翻译成你更容易理解的语言。”
语音AI技术继续发展，Hay认为我们只是触及了潜在应用的表面。他设想，在未来，AI助手将无缝集成到可穿戴设备中，比如Meta最近推出的Orion增强现实眼镜。
“当那个实时API在我的眼镜中时，我可以在移动中实时与之对话。”Hay说，“结合AR，这将是革命性的。”尽管他承认存在伦理挑战，包括最近智能眼镜能够立即识别出人们身份的事件，Hay对技术的前景仍持乐观态度。
“伦理问题需要解决，这是至关重要的，”他承认，“但我很乐观。”
（机器翻译，轻度译后编辑，仅供参考。）
编辑：李旭媛
审校：章坚
