Google DeepMind 的 Thor Schaeff：原生音訊模型將取代級聯語音代理 - BigGo 財經

從級聯語音代理轉向原生音訊模型，預示著人工智能驅動的語音互動將採取更精簡的方法。級聯系統通常涉及多個人工智能組件按順序工作，這可能會引入延遲和複雜性。相比之下，原生音訊模型將這些功能整合到單一系統中，有望提供更快、更自然的響應。

這種技術演變意味著人工智能能力的整合。原生音訊模型旨在在統一的架構內處理語音識別、自然語言理解和語音合成等過程，而不是使用獨立的模組。對於用戶而言，這可能意味著與人工智能代理進行更流暢的對話，並減少與機器互動的感覺。

Google Gemini 推出內建信任功能的可自訂實時虛擬替身，表明同時關注人工智能互動的視覺和道德層面。雖然原生音訊模型處理底層的聲音處理，但虛擬替身增加了視覺呈現層面，並試圖透過設計建立用戶信心。這兩項發展共同指向了增強人機溝通的全面策略。

將信任功能直接整合到虛擬替身設計中，反映了對用戶關於人工智能透明度和可靠性擔憂的認可。隨著人工智能系統在互動中變得越來越複雜和人性化，透過設計選擇和明確的操作界限建立信任，可能會成為其更廣泛採用和接受的關鍵因素。