OpenAI به دنبال توسعه مدل‌های پیشرفته صوتی!

به گزارش مجله خبری نگار/ایتنا،در حالی که بخش بزرگی از سیلیکون‌ولی عملاً جنگی نانوشته علیه صفحه‌نمایش‌ها به راه انداخته است، شرکت OpenAI مسیر متفاوتی را برگزیده و سرمایه‌گذاری گسترده‌ای را بر فناوری صدا آغاز کرده است؛ سرمایه‌گذاری‌ای که صرفاً به بهبود کیفیت صدای ChatGPT محدود نمی‌شود.

بر اساس گزارش تازه وب‌سایت The Information، این شرکت طی دو ماه گذشته چندین تیم مهندسی، محصول و تحقیق را در قالب یک ساختار یکپارچه گرد هم آورده تا بازنگری عمیقی در مدل‌های صوتی خود انجام دهد. هدف از این اقدام، آماده‌سازی زیرساخت‌های لازم برای عرضه یک دستگاه شخصی مبتنی بر صدا است؛ محصولی که انتظار می‌رود حدود یک سال دیگر روانه بازار شود.

به گزارش ایتنا، این رویکرد، بازتاب‌دهنده مسیری است که کل صنعت فناوری به سمت آن حرکت می‌کند؛ آینده‌ای که در آن صفحه‌نمایش‌ها به نویزی در پس‌زمینه تبدیل می‌شوند و صدا در کانون تعامل انسان و فناوری قرار می‌گیرد.

در حال حاضر، بلندگو‌های هوشمند دستیار‌های صوتی را به بخشی جدایی‌ناپذیر از زندگی بیش از یک‌سوم خانواده‌های ایالات متحده تبدیل کرده‌اند. متا نیز به‌تازگی قابلیتی تازه برای عینک‌های هوشمند ری‌بن خود معرفی کرده که با استفاده از آرایه‌ای پنج‌میکروفونی، شنیدن مکالمات در محیط‌های شلوغ را آسان‌تر می‌کند؛ قابلیتی که عملاً چهره انسان را به یک ابزار شنود جهت‌دار تبدیل می‌کند.

در همین حال، گوگل در ماه ژوئن آزمایش قابلیتی با عنوان «Audio Overviews» را آغاز کرده است که نتایج جست‌و‌جو را به خلاصه‌هایی مکالمه‌محور تبدیل می‌کند. تسلا نیز در حال ادغام چت‌بات Grok متعلق به شرکت xAI در خودرو‌های خود است تا یک دستیار صوتی مکالمه‌ای شکل بگیرد که از مسیریابی گرفته تا تنظیمات تهویه را از طریق گفت‌وگویی طبیعی مدیریت کند.

البته این شرط‌بندی تنها به غول‌های فناوری محدود نمی‌شود. طی سال‌های اخیر، استارت‌آپ‌های متعددی با همین باور وارد میدان شده‌اند؛ هرچند میزان موفقیت آنها یکسان نبوده است. سازندگان دستگاه Humane AI Pin پیش از آنکه محصول پوشیدنی بدون صفحه‌نمایش‌شان به نمونه‌ای هشداردهنده در صنعت تبدیل شود، صد‌ها میلیون دلار سرمایه‌گذاری کردند.

آویز Friend AI، گردنبندی که مدعی ثبت زندگی روزمره و ارائه نوعی همراهی دیجیتال است، اما نگرانی‌های جدی درباره حریم خصوصی برانگیخت. اکنون نیز دست‌کم دو شرکت، از جمله Sandbar و شرکتی تحت مدیریت اریک میگیکوفسکی، بنیان‌گذار Pebble، در حال توسعه حلقه‌های هوش مصنوعی هستند؛ محصولاتی که انتظار می‌رود در سال ۲۰۲۶ عرضه شوند و به کاربران امکان دهند «با دست» صحبت کنند.

اگرچه شکل و قالب این محصولات متفاوت است، اما پیام اصلی آنها یکسان به نظر می‌رسد: صدا، رابط کاربری آینده است. هر فضایی، از خانه و خودرو گرفته تا حتی چهره انسان، به‌تدریج در حال تبدیل شدن به سطحی برای کنترل و تعامل است.

گفته می‌شود مدل صوتی جدید OpenAI که قرار است در اوایل سال ۲۰۲۶ عرضه شود، صدایی بسیار طبیعی‌تر خواهد داشت؛ مدلی که می‌تواند همچون یک شریک واقعی در مکالمه عمل کند، وقفه‌ها را مدیریت کند و حتی هم‌زمان با کاربر صحبت کند؛ قابلیتی که مدل‌های فعلی از انجام آن ناتوان هستند. همچنین گزارش‌ها حاکی از آن است که OpenAI به توسعه مجموعه‌ای از دستگاه‌ها می‌اندیشد که احتمالاً شامل عینک یا بلندگو‌های هوشمند بدون صفحه‌نمایش خواهند بود و بیش از آنکه شبیه ابزار باشند، نقش یک همراه دیجیتال را ایفا می‌کنند.

این تحولات چندان دور از انتظار نیست. جانی آیو، مدیر طراحی سابق اپل، که پس از خرید ۶.۵ میلیارد دلاری شرکت io در ماه مه به پروژه‌های سخت‌افزاری OpenAI پیوسته است، کاهش وابستگی و اعتیاد به دستگاه‌های دیجیتال را یکی از اولویت‌های اصلی خود می‌داند. از نگاه او، طراحی مبتنی بر صدا فرصتی برای «اصلاح اشتباهات» نسل‌های پیشین گجت‌های مصرفی به شمار می‌رود.