雖然 OpenAI 的「Her」還是期貨，但硅谷的科技巨頭們已經(jīng)開始相繼發(fā)力語音模型。前有谷歌的 Gemini Live 和蘋果的升級(jí)版 Siri，如今巨頭亞馬遜和新秀 Cerebras 也加入了這場競爭。
繼 OpenAI 在 5 月發(fā)布會(huì)上展示「期貨」GPT-4o 的語音功能后，「AI 語音助手」類的產(chǎn)品又成為了硅谷科技巨頭的必爭之地。緊跟著 OpenAI 開發(fā)布會(huì)的谷歌也馬上宣布 ——Gemini 將推出語音聊天模式 Gemini Live。
8 月，谷歌在 Pixel 9 活動(dòng)上正式發(fā)布了 Gemini Live，取代了原來谷歌助手的產(chǎn)品定位。
類似 GPT-4o，Gemini Live 不僅能實(shí)現(xiàn)隨時(shí)打斷的對話式交流，還有對設(shè)備屏幕的感知能力，可以實(shí)時(shí)解釋用戶的屏幕或視頻信息。
Gemini Live 目前已經(jīng)針對安卓設(shè)備推出，但仍只有英語模式，未來還將登錄 iOS 系統(tǒng)并提供更多語言。
6 月，蘋果就在 WWDC 大會(huì)上展示了如何用 Apple Intelligence 給 2011 年就誕生的 Siri 改頭換面。
與谷歌和 OpenAI 著重強(qiáng)調(diào)的「交流」功能不同，Siri 似乎更專注于語音「助手」的定位。屏幕感知、跨應(yīng)用操作、智能體般的多命令處理，一個(gè)都不少。
比如，動(dòng)動(dòng)嘴便可打開文檔、將筆記移動(dòng)到另一個(gè)文件夾、發(fā)送或刪除電子郵件、在 Apple News 中打開特定文章、發(fā)送網(wǎng)頁鏈接，甚至請求設(shè)備提供文章摘要。
但是，這版更強(qiáng) Siri 的上線還沒有明確期限，所依靠的 Apple Intelligence 也只能在 iPhone 15 Pro 或更新型號(hào)的手機(jī)才能運(yùn)行。
根據(jù)彭博社的報(bào)道，蘋果團(tuán)隊(duì)似乎需要大量時(shí)間來重構(gòu) Siri 的底層，高級(jí)版 Siri 最快也要等到 2025 年，才會(huì)出現(xiàn)在 iOS 18 上。
雖然還未正式上線，但可以看出，GenAI 的這波革新讓蘋果 13 歲的 Siri 煥發(fā)新生。
而提到 Siri，讓人想起和它同代的另一個(gè)語音助手 —— 亞馬遜推出的 Alexa。
亞馬遜改造 Alexa
實(shí)際上，Alexa 的革新計(jì)劃由來已久。早在今年 1 月，Business Insider 就報(bào)道過這個(gè)項(xiàng)目，名為 Remarkable Alexa，它正在內(nèi)外的重重阻力下艱難推進(jìn)。
發(fā)布的日期也是一拖再拖，從最初的 6 月 30 日，到之前決定的 8 月。
8 月 30 日路透社報(bào)道，有知情人士表示，改進(jìn)版的 Alexa 將在 10 月美國假日季前發(fā)布。
該項(xiàng)目在內(nèi)部被稱為「榕樹」（Banyan），將是 Alexa 自 2014 年與 Echo 系列揚(yáng)聲器一起推出后迎來的首次重大改革。
Remarkable Alexa 計(jì)劃向用戶收取 5～10 美元的訂閱費(fèi)用，以抵銷 GenAI 模型的成本。
這部分訂閱不會(huì)包含在每年 139 美元的 Prime 服務(wù)中，但亞馬遜仍將提供免費(fèi)版本的 Classic 語音助手。
Alexa 難掩頹勢
2014 年，亞馬遜首次推出 Alexa 的語音驅(qū)動(dòng)功能，讓當(dāng)時(shí)的消費(fèi)者驚嘆不已，卻落后于最近的 GenAI 浪潮。
根據(jù) Insider Intelligence 的統(tǒng)計(jì)，在美國，Google Assistant 今年的用戶數(shù)量預(yù)計(jì)將達(dá)到 8880 萬，其次是 Siri 的 8420 萬。Alexa 的用戶數(shù)量位居第三，約為 7560 萬。
和 Siri 淪為語音計(jì)時(shí)器的境地類似，通過 Echo 音響訪問的 Alexa 也多用于設(shè)置計(jì)時(shí)器、詢問天氣、播放音樂或回答簡單問題等功能。
不僅如此，亞馬遜想要通過 Alexa 提升電商業(yè)務(wù)銷售額的希望也落空了。
正如 Kindle 屏之于電子書商城，健康監(jiān)測服務(wù)之于 Halo 手環(huán)，便宜到經(jīng)常低于成本價(jià)的 Echo 音響和免費(fèi)提供的 Alexa，實(shí)際上包含著亞馬遜借硬件打造軟件的產(chǎn)品思路 ——
不求在硬件銷售上獲利，但求從用戶后續(xù)對軟件的使用、數(shù)字內(nèi)容的獲取和平臺(tái)的依賴等中獲取更高毛利的收入。
這種營銷方式最初是借鑒剃須刀巨頭吉列 —— 推出極具價(jià)格優(yōu)勢的剃須刀，但通過售賣補(bǔ)充刀片賺得盆滿缽滿。
最初對 Alexa 的設(shè)想非常美好 —— 用戶通過語音方式詢問購買建議，之后委托 Alexa 直接下單，就能拉動(dòng)亞馬遜的電商銷量。
但隨后他們發(fā)現(xiàn)，這個(gè)思路不起作用。主要是因?yàn)橛脩粝矚g「眼見為實(shí)」，僅憑 Alexa 的語音描述很難讓人甘心掏錢網(wǎng)購。
根據(jù)內(nèi)部文件和知情人士的透露，這種不成功的策略讓亞馬遜在 Echos、Kindle 等智能設(shè)備業(yè)務(wù)上虧損了數(shù)百億美元，可以說是貝索斯在位時(shí)為數(shù)不多的巨大誤判。
硬件虧錢、軟件不賺錢，力挺 Alexa 的貝索斯又離開了管理團(tuán)隊(duì)，導(dǎo)致裁員的大刀最先落在了 Alexa 團(tuán)隊(duì)的頭上。
Business Insider 跟蹤 LinkedIn 上的帖子后發(fā)現(xiàn)，在 2022 年底開始的大裁員中，Alexa 的 AI 系統(tǒng)、自然語言理解和對話能力團(tuán)隊(duì)幾乎是首當(dāng)其沖、受到了最高等級(jí)的影響。
然而，即使 AI 技術(shù)落后、虧損巨大，Alexa 還掌握著一個(gè)關(guān)鍵優(yōu)勢，可以助他們扳回一城 —— 截至 2023 年，已經(jīng)在全球賣出的支持 Alexa 的硬件設(shè)備超過 5 億臺(tái)。
合作 Anthropic 借用 Claude
CNBC 和 Business Insider 在之前的報(bào)道中曾援引知情人士的說法，表示亞馬遜計(jì)劃基于內(nèi)部語言模型 Titan 或 Olympus 升級(jí) Alexa。
然而，或許是內(nèi)部技術(shù)不給力，路透社的最新報(bào)道表示，10 月發(fā)布的 Remarkable Alexa 將由 Anthropic 的 Claude 模型支持，而非自己的基座模型。
亞馬遜和 Anthropic 的合作由來已久。去年 9 月，他們就為 Anthropic 提供了高達(dá) 40 億美元的投資，獲得少量股權(quán)的同時(shí)，以 AWS 云服務(wù)交換到了對 Claude 模型的使用。
一些知情人士表示，升級(jí)后的 Remarkable Alexa 可以執(zhí)行更復(fù)雜的任務(wù)，例如撰寫簡短的電子郵件、發(fā)送郵件以及從 Uber Eats 訂餐，而且讓用戶無需在對話中重復(fù)召喚「Alexa」。
此外，亞馬遜還計(jì)劃增強(qiáng) Alexa 提供的自動(dòng)化家居功能，可以無線連接到智能設(shè)備，讓用戶進(jìn)行語音控制。
具體而言，Remarkable 的關(guān)鍵功能更新如下：
對話能力增強(qiáng)，與用戶進(jìn)行更自然、更有吸引力的對話，并提供與上下文相關(guān)的響應(yīng)
個(gè)性化推薦：根據(jù)用戶喜好和歷史記錄，針對購物、新聞和其他內(nèi)容進(jìn)行定制化推薦
家居自動(dòng)化：Remarkable Alexa 將作為一個(gè)更復(fù)雜的家居自動(dòng)化中心，記住用戶偏好，自動(dòng)執(zhí)行鬧鐘設(shè)置、咖啡機(jī)啟動(dòng)或電視節(jié)目錄制等任務(wù)
復(fù)雜任務(wù)執(zhí)行：用戶可以提出更復(fù)雜的指令，例如訂購食物或起草電子郵件
總而言之，面對谷歌、蘋果等公司來勢洶洶的競爭，Alexa 團(tuán)隊(duì)現(xiàn)在的任務(wù)是，打造一款能夠在新的 GenAI 競爭中脫穎而出的語音交互設(shè)備。
這其中的障礙，一是價(jià)格，二是 AI 安全問題。一位知情人士估計(jì)，在 Alexa 中使用 GenAI 的查詢成本為每次 2 美分。有內(nèi)部估計(jì)甚至指出，訂閱費(fèi)用需要定為 20 美元，這也是 ChatGPT 的訂閱價(jià)格。
也有亞馬遜員工表示懷疑，除了已經(jīng)為 Prime 會(huì)員支付 139 美元的用戶，是否還有人愿意每年多掏 60～120 美元，獲得比免費(fèi)版 Alexa 更智能一點(diǎn)的 Remarkable Alexa。
但美國銀行分析師 Justin Post 的分析結(jié)果相當(dāng)樂觀。
根據(jù)他在 6 月的估計(jì)，大約有 1 億活躍的 Alexa 用戶，其中 10% 可能會(huì)選擇 Alexa 的付費(fèi)版本。按每月 5 美元的費(fèi)用計(jì)算，這將額外帶來 6 億美元的年銷售額。
AI 安全方面，有開發(fā)人員表示，Alexa 大多出現(xiàn)在客廳或廚房中，這提高了應(yīng)用 GenAI 模型的風(fēng)險(xiǎn)。如果 Alexa 不理解命令或提供不可靠的信息，犯錯(cuò)誤的代價(jià)就會(huì)更高。
Cerebras 語音版成 GPT-4o 平替
想跟上語音模型更新步伐的，除了亞馬遜這種巨頭，還有 Cerebras 這個(gè)新秀。
前幾天剛發(fā)布了號(hào)稱全球最快的 AI 推理架構(gòu) ——Cerebras Inference 的 AI 初創(chuàng)芯片公司 Cerebras，也基于 livekit.io 平臺(tái)構(gòu)建了自己的語音模型。
據(jù)悉，Cerebras Inference 使用了 Cerebras CS-3 系統(tǒng)和 WSE-3 AI 處理器，內(nèi)存帶寬和內(nèi)核數(shù)分別是英偉達(dá) H100 的 7,000 倍和 52 倍。
依托具備如此超高速 AI 推理能力的 Cerebras Inference 之上的 Cerebras 語音對話模型讓人非常期待！
但原始的視頻 demo 鏈接已失效。多虧評論區(qū)熱心網(wǎng)友，提供了另外一個(gè)類似于 Cerebras 語音對話模式的示例。
該對話模擬示例同樣基于 LiveKit，但以 ChatGPT 為基礎(chǔ)模型。
具體來說，它借助 Websocket 使用 LLM 模擬了電話對話，并進(jìn)行了系列優(yōu)化，最終實(shí)現(xiàn)了無縫和快速對話。
不少網(wǎng)友在感嘆其功能強(qiáng)大，開發(fā)便捷的同時(shí)，惋惜它比 ChatGPT-4o 上線晚，丟失了很大一部分熱度。
LiveKit 代理是通過語音，視頻和數(shù)據(jù)頻道與最終用戶相互作用的多模式 AI 智能體 Agent 的端到端框架。該框架可以憑借 Python 構(gòu)建智能體。
Agent 框架被設(shè)計(jì)成可構(gòu)建實(shí)時(shí)、可編程、運(yùn)行在服務(wù)器上的框架。它可被用來創(chuàng)建可看到的、聽到、理解的對話和多模態(tài)語音智能體。
該框架包括用于常見工作流程的插件，例如語音活動(dòng)檢測和語音到文本轉(zhuǎn)換。
Agent 與云或自托管 LiveKit 服務(wù)器無縫集成，在本地計(jì)算機(jī)上開發(fā)的 Agent 代碼可以擴(kuò)展以支持成千上萬的并發(fā)會(huì)話，然后將其部署到服務(wù)器中。
Cerebras 語音版一經(jīng)發(fā)布，就引發(fā)了油管上很多博主的關(guān)注和測評。
Antti Luode 通過多次打斷對話的方式，測試了 Cerebras 實(shí)時(shí)語音模式的能力，證實(shí)其能快速有效理解對話并提供可靠信息。
Cerebras 語音版 Q&A 對話集錦
Q：你是如何被開發(fā)的？
A：我是自然語言處理和機(jī)器學(xué)習(xí)算法的組合產(chǎn)物。我可以實(shí)現(xiàn)交互，在用戶打斷我時(shí)，也允許無縫轉(zhuǎn)換和自然的對話流程。
Q：你有什么想對 YouTube 觀眾說的嗎？
A：我只是開啟了對話型 AI 技術(shù)套件的新紀(jì)元。諸如我一樣的語音助手未來，需要擁有更復(fù)雜、更人性化的功能。比如能理解細(xì)微上下文間的差距，甚至情緒的變化。
Q：我的最后一個(gè)問題，如何打開啟動(dòng)艙門？
A：短語「打開啟動(dòng)艙門」，是電影《2001 年太空漫游》中的一句著名臺(tái)詞，由 Dave Bowman 在嘗試與飛船計(jì)算機(jī)交互時(shí)說出...
令人驚喜的是，這場跨時(shí)空的虛假對話，預(yù)示著人工智能時(shí)代，超智慧電腦 HAL 9000 的現(xiàn)實(shí)體正一步步向我們走來！
參考資料：
https://www.reuters.com/technology/artificial-intelligence/amazon-turns-anthropics-claude-alexa-ai-revamp-2024-08-30/
https://www.cnbc.com/2024/05/22/amazon-plans-to-give-alexa-an-ai-overhaul-monthly-subscription-price.html
https://www.businessinsider.com/amazon-paid-alexa-plus-service-issues-2024-1
https://cerebras.vercel.app/
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。