Google DeepMind 的 Thor Schaeff：原生音频模型将取代级联语音代理 - BigGo 财经

从级联语音代理转向原生音频模型，预示着人工智能驱动的语音交互将采取更精简的方法。级联系统通常涉及多个人工智能组件按顺序工作，这可能会引入延迟和复杂性。相比之下，原生音频模型将这些功能集成到单一系统中，有望提供更快、更自然的响应。

这种技术演变意味着人工智能能力的整合。原生音频模型旨在在统一的架构内处理语音识别、自然语言理解和语音合成等过程，而不是使用独立的模块。对于用户而言，这可能意味着与人工智能代理进行更流畅的对话，并减少与机器互动的感知。

Google Gemini 推出内置信任功能的可自定义实时虚拟形象，表明同时关注人工智能交互的视觉和道德层面。虽然原生音频模型处理底层的声音处理，但虚拟形象增加了视觉呈现层面，并试图通过设计建立用户信心。这两项发展共同指向了增强人机沟通的全面策略。

将信任功能直接集成到虚拟形象设计中，反映了对用户关于人工智能透明度和可靠性担忧的认可。随着人工智能系统在交互中变得越来越复杂和人性化，通过设计选择和明确的操作界限建立信任，可能会成为其更广泛采用和接受的关键因素。