Your Voice Agent is Just a Walkie Talkie — Neil Zeghidour, Gradium
Neil Zeghidour från Gradium förklarar att dagens röstassistenter fungerar som envägsradio — de kan antingen lyssna eller tala, aldrig båda samtidigt.
I vanliga samtal överlappar människor varandras tal ungefär 20 procent av tiden. Zeghidour spårar utvecklingen från 2011:s enkla röstassistenter genom öppna röstsamtal utan funktioner, till agenter som kan utföra uppgifter men lider av fördröjning. Det huvudsakliga problemet är att råljud kräver enormt mycket beräkningskraft — åtta ord motsvarar 72 000 beräkningssteg — så modeller använder komprimerad audio istället. För att få riktigt naturliga röstsamtal krävs modeller som hanterar två ljudströmmar samtidigt, men varje förbättring av naturlighet har hittills krävt mindre intelligens.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
Building advertising for the way people use AI
OpenAI för 3 tim sedan
Server-Side Code Execution Tools for AI Agents, Compared
OpenRouter för 13 tim sedan
v0.40.0
Ollama för 13 tim sedan
Google froze its open source bug bounty program due to a ‘significant rise’ in AI submissions
TechCrunch AI för 16 tim sedan