A hangalapú vezérlés az MI következő nagy dobása

Az MI világában új korszak kezdődhet: a hangalapú vezérlés átveheti az uralmat a megszokott érintőképernyős és szöveges interakció felett. Mati Staniszewski, az ElevenLabs vezérigazgatója szerint az MI-hangmodellek fejlődése jelentősen meghaladja a puszta emberi beszéd utánzását – ma már képesek érzelmeket és hanglejtést is utánozni, mindezt úgy, hogy közben összekapcsolódnak a legnagyobb nyelvi modellek gondolkodásával.

Már nem kell pötyögni: jön a természetes párbeszéd

A jövőben a telefonok újra a zsebünkbe kerülnek, és helyettük szóban utasítjuk majd az eszközeinket. Ez az elképzelés nemcsak az ElevenLabs 4000 milliárd forintos (11 milliárd dolláros) értékelését támasztotta alá, hanem a teljes MI-iparág fókusza is egyre inkább a beszédre helyeződik. A Google és az OpenAI is a hangra építi a következő generációs modelljeit, az Apple pedig csendben fejleszt olyan megoldásokat, amelyek folyamatosan figyelnek, hogy bármikor szóban vezérelhessük a készülékeinket. Az MI mindenhová beépül: okosórákba, autókba, fülhallgatókba, s így a beszéd lesz a legfontosabb csatatér.

Az MI memóriája és kontextusa mindent megváltoztat

A klasszikus billentyűzetes és érintőképernyős beviteli módok ideje kifutóban van. Ahogy az MI egyre önállóbbá válik, már nem kell mindent részletesen elmagyarázni: a jövőbeli hangalapú rendszerek tartós memóriát és folyamatosan fejlődő kontextusérzéket használnak majd, így a felhasználók sokkal természetesebben beszélgethetnek a gépekkel.

A hang ott lesz mindenhol – de jönnek az aggályok

Az ElevenLabs már együttműködik a Metával, hogy hangalapú technológiát vigyen az Instagramra és a Horizon Worlds platformra. Az MI-alapú hangvezérlés azonban komoly adatvédelmi kérdéseket vet fel: mennyi személyes adatot tárolnak majd ezek a rendszerek, és ki férhet hozzájuk, ha a hangvezérlés mindennapossá válik? A jövő tehát nemcsak okosabb, hanem kiszolgáltatottabb is lehet.

2025, adrienne, techcrunch.com alapján