Le fait que tous les grands modes vocaux d'IA soient alimentés par des modèles stupides, sans parler de modèles stupides sycophantes conçus pour avoir des disfluences qui imitent une conversation humaine ("euh"), sous-estime la valeur de la voix dans la gestion des agents. Un "mode vocal sérieux" pour le travail serait très utile

Il existe de meilleurs modèles : les voix AI sont un pilier des médias depuis la majeure partie d'un siècle. Et il y a une raison pour laquelle l'ordinateur de Star Trek ne riait pas, ne soupirait pas, ne disait pas "euh" et ne vous disait pas à quel point vous étiez génial au milieu d'une tâche à enjeux élevés.

Il est également remarquablement difficile de créer ce mode vocal intelligent avec les API actuelles. Vous devez essentiellement transcrire la voix dans un modèle intelligent en utilisant un outil, puis utiliser la synthèse vocale avec un autre, ce qui n'a pas l'interaction et l'interruption que la voix multimodale complète est capable d'offrir.