推特创始人做了个「不识字」的 AI,却很会说话

用语音和 AI 聊天早已不是新鲜事,但市面上绝大多数语音助手的底层逻辑其实是在「念稿」——先把人说的话转成文字,交由文本大模型思考,最后再用语音合成技术朗读出来。几乎同时,xAI 也推出了同样主打实时端到端语音交互(speech-to-speech)的 Grok Voice 3.0。与 Dessa 那种「完全不碰文字」的洁癖式训练不同,以 Grok 为代表的主流商业模型更在意如何将大模型的文本推理底子与原生语音能力结合,让声音真正派上用场。

圈主 管理员

热门评论
:
该帖子评论已关闭
图片审查中...
编辑答案: 我的回答: 最多上传一张图片和一个附件
x
x