O fato de todos os grandes modos de voz de IA serem alimentados por modelos burros, sem falar em modelos bajuladores que são projetados para ter disfluências que forjam um chat humano ("hum"), subestima o valor da voz na gestão de agentes. Um "modo de voz séria" para o trabalho seria muito útil

Existem modelos melhores por aí: vozes de IA têm sido um elemento básico da mídia por quase um século. E há um motivo pelo qual o computador de Star Trek não riu, suspirou e disse "hum" e disse o quanto você foi ótimo no meio de uma tarefa de alto risco.

Também é notavelmente difícil criar esse modo de voz inteligente com as APIs atuais. Basicamente, você precisa transcrever a voz para um modelo inteligente usando uma ferramenta e depois usar TTS com outra, que não tem o vai e vem e a interrupção que a voz multimodal completa pode oferecer.