GPT-4o、NotebookLM带来的AI语音新变化，声网们是怎么想的？

452 0 0

文章摘要

GPT-4o的语音演示激发了行业对AI产品语音实时交互的想象，预示着可随时打断的AI助手成为新趋势。Google Labs的NotebookLM展示了语音在LLM时代成为新交互入口的可能性。声网推出的RTE技术站在了这波浪潮的中心，实时互动与大模型的交集使得第十届RTE大会异常热闹，吸引了众多行业重要参与者。

声网创始人赵斌提出生成式AI将驱动IT行业四个变革：终端进化以支持大模型能力为核心；所有软件将通过大模型重新实现；所有云服务需具备大模型训练和推理能力；人机界面将从键盘、鼠标、触屏变为自然语言对话界面。红杉资本的David Cahn提出AI的6000亿美元难题，探讨AI基础设施建设预期收入与实际收入增长间的巨大差距。Lepton AI创始人贾扬清认为，模型Size将变小，模型架构将更开放和标准。Hugging Face工程师王铁震指出，单纯关注开源和闭源模型的高低是不公平的。面壁智能联合创始人曾国洋认为开源模型目前不是完美答案。贾扬清预测，大家很快会忘掉GPU、AI Infra，AI成本将出现比墨菲定律更陡峭的下降。

声网AI RTE产品线负责人姚光华分享了实时互动的定义从RTC转向RTE，再到AI RTE的过程，内容模态发生巨变。产品设计理念应从为人设计变成为人和模型设计，模型也成为产品经理的用户。智谱AI智慧解决方案负责人吴同分享了大模型落地企业的思考，企业需在数字化程度、测试指标、合理期待、专人负责大模型项目、找到合适场景等方面做好准备。阿里云智能集团通义千问高级产品架构师辛晓剑分享了多模态大模型落地的洞察，首先需回答数据安全、效果优化和成本三个关键问题。

GPT-4o的语音交互能力惊艳了所有人，将AI对话产品拉入大模型产品化浪潮。科技巨头和新锐力量纷纷推出语音功能，语音正成为AI产品交互的新入口。声网在RTE技术中不断探索RTC与AI的结合，推出实时多模态解决方案，帮助大模型构建实时音视频互动能力。RTE技术从前沿理念变成行业，RTE大会也成为这一进程中的重要注脚。