AI语音模型正迎来高光时刻，Alex Smola对此感受真切。他创立的Boson AI即将发布首个语音到语音模型Higgs RealTime。Smola认为，语音模型已跨过关键门槛，足以推动人机交互的下一次飞跃。

Smola曾在亚马逊担任杰出科学家，是机器学习领域的知名研究者。他创办Boson AI，是因为洞察到行业正从纯文本界面全面转向多模态。在他看来，结合音频与视觉的AI能带来远更丰富的体验。与此同时，他在成本上同样瞄准了竞争力，Boson的目标是让实时音频产品的开发与部署成本远低于OpenAI等对手。

打开网易新闻 查看精彩图片

“我们大约比竞争对手便宜一个数量级，而且依然非常好用。”Smola这样告诉《财富》杂志。Boson方面给出的量化对比是：自家模型的成本仅为他人的十分之一。

眼下，AI语音已是OpenAI、Meta等头部公司的必争之地，各家都在争相打造下一代聊天机器人。全双工系统——能让用户随时打断AI的自然交互——成为全行业的攻坚重点。OpenAI首席执行官Sam Altman近期还提到，他与ChatGPT的语音对话已比发短信更频繁，并称公司新的语音模型“真的跨越了一道门槛”。

在Smola看来，Boson的核心差异是“全栈”模型。据他介绍，这一设计让技术成本更低，企业客户能在自有数据中心内运行系统并训练定制模型。