Rohan Paul

。 @Inworld 已经收购了 @ultravox_dot_ai，因此一家公司现在既拥有 AI 代理所用的语音，也拥有该代理运行的平台。 Ultravox 是开发人员用来构建实时语音代理的平台，这些代理是人们可以大声交谈的人工智能，例如支持热线、导师或配套应用程序。 像这样的代理必须同时做几件事：理解这个人所说的内容和他们的意思，对其进行推理，调用实际完成任务所需的任何工具，然后回复。 Ultravox 可以处理所有这一切。 它还处理让这些代理在出错时感觉像机器人一样的部分，这就是时机。代理必须区分某人停下来思考和某人实际上已经完成了，如果用户在句子中途中断，它必须停止说话并倾听，而不是继续说下去。 Inworld 是一家人工智能研究实验室和推理提供商，这意味着它训练自己的语音模型，并通过一些最大的消费者人工智能应用程序使用的 API 为其他公司运行法学硕士。 Ultravox 客户立即获得第一个好处，因为平台上的每个内置 Inworld 语音现在都升级到 Realtime TTS-2（Inworld 的文本转语音模型）。 TTS-2 在人工分析排行榜上名列前茅，这是一项独立排名，听众可以盲目地比较声音并投票选出更好的声音。 它支持 200 多种语言，并在 100 毫秒内开始说话，这意味着从准备好文本到发出第一个声音之间大约需要十分之一秒的时间。 它还采用自然语言指导，因此开发人员可以在脚本中编写简单的指令，例如“愤怒地大声喊叫”或“放慢速度并用温暖的耳语说话”，并且模型会改变其节奏、语气和情感以匹配。 长期目标是语音到语音：一个能够倾听、推理和说话的系统，而不是三个相互交接的独立步骤。