GPT-4o 最关键功能本周上线，语音交互的时代终于要来了

AIGC动态欢迎阅读

原标题：GPT-4o 最关键功能本周上线，语音交互的时代终于要来了
关键字：公司,模型,语音,领域,场景
文章来源：Founder Park
内容字数：0字

内容摘要：

Voice Agent 是与人类进行对话沟通的 AI，是下一代人机交互界面。和文本相比，声音交互的优势主要体现在：
• 语音交互以其与人类自然沟通方式的高度一致性，提供了一种更为直观和低能耗的交互体验，而打字文本交互的使用门槛更高；
• 语音交互非常适合于简短、即时的信息交流；
• Text copilot 往往需要人机协作，最后一公里由人类完成，voice agent 一旦落地将彻底替代人类，完成交流任务。
以上差异使 voice agent 能产生不同于其他模态的价值，所以我们选择 voice agent 作为市场进行研究。
GPT-4o 是第一个实现端到端 voice-in, voice-out 的大模型，低延迟、高智能使下一代交互成为可能。传统语音中 ASR + NLP（即使被替换为 LLM）+ TTS 的延迟是用户难以接受的，且很难沿着 scaling law 产生足够智能的对话体验。GPT-4o 的出现让新的交互形态成为可能，带来了更多应用场景的想象。
本篇研究中，我们根据不同场景对于实时性、准确性、创造性的不同要求搭建了分析 voice agent 能力禀赋框架，

原文链接：GPT-4o 最关键功能本周上线，语音交互的时代终于要来了