ElevenLabs 執行長：語音是人工智慧的下一個介面
聲音作為 AI 的下一個主要介面
ElevenLabs 的聯合創辦人兼 CEO Mati Staniszewski 表示，隨著模型超越文本和螢幕的演進，聲音正在成為 AI 的下一個主要介面，從根本上改變了人們與機器互動的方式。
推進語音技術
在多哈舉行的 Web Summit 上，Staniszewski 向 TechCrunch 表示，像 ElevenLabs 開發的語音模型，已經超越了單純模仿人類語音，包括情緒細微差異和語調，進一步與大型語言模型的推理能力協同工作。他認為，這種演進標誌著個體與技術互動方式的重大轉變。
展望未來，Staniszewski 表示，“希望我們的手機都能回到口袋裡，我們可以沉浸於周圍的真實世界，並以語音作為控制技術的機制。”
推動行業發展勢頭
這一願景支撐了 ElevenLabs 最近的 5 億美元融資，公司估值達到 110 億美元。語音作為主要介面的概念正在整個 AI 行業中獲得關注。像 OpenAI 和 Google 等公司在其新一代模型中對語音技術給予了高度重視，而 Apple 則通過收購 Q.ai 等公司，低調推進與語音相關的常時啟用技術。隨著 AI 擴展到穿戴設備、車輛及其他硬體，控制機制正在從基於螢幕的互動轉向以語音為主導的系統，語音正成為下一波 AI 創新的關鍵戰場。
互動模式的轉變
在 Web Summit 的舞台上，Iconiq Capital 的合夥人 Seth Pierrepont 也表達了相似的觀點，他強調，雖然螢幕在遊戲和娛樂方面仍然具有相關性，但像鍵盤這樣的傳統輸入方式正越來越多地被認為是“過時的”。
Pierrepont 也指出，隨著 AI 系統變得更加自主，互動的本質將會演變。未來的模型將整合防護措施、整合能力以及情境感知，從而能夠以最少的明確用戶提示進行回應。
持續記憶與情境的角色
Staniszewski 強調，這種自主轉變是當前正在發生的最顯著變化之一。他解釋道，未來的語音系統將利用持續記憶和累積的情境來實現更自然且輕鬆的互動，而不是要求用戶明確說出每一個指令。
他補充說，這一轉變將影響語音模型的部署方式。儘管高品質的音訊模型歷來依賴雲端處理，但 ElevenLabs 正在朝著結合雲端和裝置端處理的混合方法邁進。這一策略旨在支持新興的硬體設備，例如耳機和其他穿戴設備，使語音成為持續陪伴的功能，而非偶爾的特性。
擴展合作關係與應用
ElevenLabs 已經與 Meta 合作，將其語音技術整合到 Instagram 和 Horizon Worlds（Meta 的虛擬實境平台）等產品中。Staniszewski 也表達了與 Meta 在 Ray-Ban 智能眼鏡上合作的興趣，因為語音驅動的介面正延伸至新的形態。
隱私與道德問題
隨著語音技術變得更加普及並嵌入日常使用的硬體中，它帶來了關於 隱私、監控 和個人數據處理的重大問題。語音系統與用戶生活的緊密性放大了這些風險，特別是在現有對像 Google 這樣的公司濫用此類數據的指控下。
