Lizzie✔
Writer
Trong khi trí tuệ nhân tạo đang chứng kiến sự bùng nổ của các mô hình ngôn ngữ lớn, lĩnh vực AI giọng nói vẫn đang loay hoay tìm kiếm 'khoảnh khắc ChatGPT' của riêng mình. Các nhà đầu tư đã đổ hàng tỷ USD vào các startup từ làm mô hình gốc đến dịch vụ chăm sóc khách hàng, nhưng thực tế trải nghiệm vẫn còn một khoảng cách lớn so với kỳ vọng về sự tự nhiên và thông minh trong giao tiếp, theo nhận định từ TechCrunch.
Ông Shawn Wen, CTO của nền tảng AI giọng nói doanh nghiệp PolyAI, cho rằng dù ngành công nghiệp đã đạt cột mốc quan trọng với các mô hình toàn song công (full-duplex) - có khả năng vừa nói vừa lắng nghe - nhưng việc tối ưu hóa tốc độ suy luận vẫn là thách thức lớn nhất. Nếu phản hồi không tức thì, cuộc hội thoại sẽ mất đi tính tự nhiên cần thiết để người dùng cảm thấy thoải mái và thực sự tin tưởng.
Các tác nhân AI trong dịch vụ khách hàng đang đối mặt với bài toán làm sao để thoát khỏi phong cách giao tiếp máy móc. Một khi tác nhân AI có thể duy trì được cuộc đối thoại liền mạch, chính xác trong hai đến ba lượt trao đổi đầu tiên, sự tự tin của khách hàng sẽ tăng lên. Khi đó, người dùng mới sẵn sàng từ bỏ việc kết nối với con người và chuyển sang tin tưởng hoàn toàn vào sự giải quyết vấn đề của trí tuệ nhân tạo.
Ở một khía cạnh khác, các công cụ ghi chú cuộc họp như Otter cũng đang nỗ lực hiện thực hóa việc tự động hóa thông qua định danh người nói và nắm bắt ý định thông minh. Các chuyên gia tin rằng giai đoạn tiếp theo của công nghệ này không chỉ nằm ở giọng nói mà còn ở khả năng mô phỏng cảm xúc, tạo ra các 'bản sao kỹ thuật số' có hồn. Sự kết hợp giữa khả năng xử lý ngữ cảnh và biểu cảm con người sẽ là chìa khóa then chốt đưa AI giọng nói đến gần hơn với cuộc sống thực tế.
Ông Shawn Wen, CTO của nền tảng AI giọng nói doanh nghiệp PolyAI, cho rằng dù ngành công nghiệp đã đạt cột mốc quan trọng với các mô hình toàn song công (full-duplex) - có khả năng vừa nói vừa lắng nghe - nhưng việc tối ưu hóa tốc độ suy luận vẫn là thách thức lớn nhất. Nếu phản hồi không tức thì, cuộc hội thoại sẽ mất đi tính tự nhiên cần thiết để người dùng cảm thấy thoải mái và thực sự tin tưởng.
Các tác nhân AI trong dịch vụ khách hàng đang đối mặt với bài toán làm sao để thoát khỏi phong cách giao tiếp máy móc. Một khi tác nhân AI có thể duy trì được cuộc đối thoại liền mạch, chính xác trong hai đến ba lượt trao đổi đầu tiên, sự tự tin của khách hàng sẽ tăng lên. Khi đó, người dùng mới sẵn sàng từ bỏ việc kết nối với con người và chuyển sang tin tưởng hoàn toàn vào sự giải quyết vấn đề của trí tuệ nhân tạo.
Ở một khía cạnh khác, các công cụ ghi chú cuộc họp như Otter cũng đang nỗ lực hiện thực hóa việc tự động hóa thông qua định danh người nói và nắm bắt ý định thông minh. Các chuyên gia tin rằng giai đoạn tiếp theo của công nghệ này không chỉ nằm ở giọng nói mà còn ở khả năng mô phỏng cảm xúc, tạo ra các 'bản sao kỹ thuật số' có hồn. Sự kết hợp giữa khả năng xử lý ngữ cảnh và biểu cảm con người sẽ là chìa khóa then chốt đưa AI giọng nói đến gần hơn với cuộc sống thực tế.
