也许声音比文字更快达成 AGI ？

这是最近比较火的一个 AI 音频产品，被很多人称为是音频界的 AGI 时刻。这个语音和语调简直和真人一模一样已经完全无法分辨了。由于文字和语音是两种不同的载体，文字更容易发现幻觉，比如生成的内容通过电脑屏幕进入人的大脑更容易让人引发思考。但是语音的形式往往调动的是情绪思维，人们更关注语气，语调和对话氛围。就像电影 HER 中的斯嘉丽约翰逊如果真的忽略语音对话中的幻觉，其实我们的日常对话也经常充斥着幻觉。我们相信未来计算机会变得栩 栩如生。今天, 我们揭开了富有表现力的语音 技术的初步面纱,突显了我们对逼真交互的关注以及我们对全天候可穿戴语音伴侶的愿景。