Il CEO di ElevenLabs: La voce è la prossima interfaccia per l'IA
La voce come la prossima grande interfaccia per l'IA
Il co-fondatore e CEO di ElevenLabs Mati Staniszewski afferma che la voce sta emergendo come la prossima grande interfaccia per l'IA, trasformando radicalmente il modo in cui le persone interagiscono con le macchine man mano che i modelli si evolvono oltre il testo e gli schermi.
Avanzamenti nella tecnologia vocale
Parlando al Web Summit a Doha, Staniszewski ha dichiarato a TechCrunch che i modelli vocali, come quelli sviluppati da ElevenLabs, sono progrediti oltre la semplice replica del parlato umano — comprese le sfumature emotive e l'intonazione — lavorando in armonia con le capacità di ragionamento dei grandi modelli linguistici. Secondo lui, questa evoluzione rappresenta un cambiamento cruciale nel modo in cui le persone si relazionano con la tecnologia.
Guardando al futuro, Staniszewski ha affermato: “Speriamo che tutti i nostri telefoni tornino nelle nostre tasche e che possiamo immergerci nel mondo reale intorno a noi, con la voce come meccanismo di controllo della tecnologia.”
Guidare lo slancio del settore
Questa visione è alla base dell'ultimo round di finanziamento da 500 milioni di dollari di ElevenLabs a una valutazione di 11 miliardi di dollari. Il concetto di voce come interfaccia primaria sta guadagnando terreno in tutto il settore dell'IA. Aziende come OpenAI e Google hanno posto un'enfasi significativa sulla voce nei loro modelli di prossima generazione, mentre Apple sta sviluppando in modo discreto tecnologie sempre attive e vicine alla voce tramite acquisizioni come Q.ai. Man mano che l'IA si espande verso dispositivi indossabili, veicoli e altri hardware, i meccanismi di controllo stanno passando dalle interazioni basate su schermo a sistemi guidati dalla voce, posizionando la voce come un campo di battaglia cruciale per la prossima ondata di innovazione nell'IA.
Cambiamento nei paradigmi di interazione
Sul palco del Web Summit, il general partner di Iconiq Capital Seth Pierrepont ha fatto eco a questa prospettiva, sottolineando che mentre gli schermi rimarranno rilevanti per i giochi e l'intrattenimento, i metodi di input tradizionali come le tastiere sono sempre più percepiti come “obsoleti.”
Pierrepont ha anche osservato che, man mano che i sistemi di intelligenza artificiale diventano più agentivi, la natura dell'interazione evolverà. I modelli futuri incorporeranno limiti, integrazioni e consapevolezza contestuale, consentendo loro di rispondere con un minimo di input esplicito da parte dell'utente.
Il ruolo della memoria persistente e del contesto
Staniszewski ha evidenziato questo cambiamento agentivo come una delle trasformazioni più significative in atto. Ha spiegato che, invece di richiedere agli utenti di specificare esplicitamente ogni istruzione, i futuri sistemi vocali sfrutteranno la memoria persistente e il contesto accumulato per interazioni più naturali e senza sforzo.
Questo cambiamento, ha aggiunto, influenzerà il modo in cui i modelli vocali vengono implementati. Sebbene i modelli audio di alta qualità abbiano storicamente fatto affidamento sull'elaborazione basata su cloud, ElevenLabs si sta orientando verso un approccio ibrido che combina elaborazione su cloud e su dispositivo. Questa strategia mira a supportare hardware emergenti, come cuffie e altri dispositivi indossabili, dove la voce diventa un compagno costante piuttosto che una funzione occasionale.
Espansione delle collaborazioni e delle applicazioni
ElevenLabs sta già collaborando con Meta per integrare la sua tecnologia vocale in prodotti come Instagram e Horizon Worlds, la piattaforma di realtà virtuale di Meta. Staniszewski ha anche espresso interesse a lavorare con Meta sui suoi occhiali smart Ray-Ban, mentre le interfacce guidate dalla voce si estendono a nuove tipologie di dispositivi.
Preoccupazioni sulla privacy e sull'etica
Man mano che la tecnologia vocale diventa più pervasiva e integrata nell'hardware di uso quotidiano, solleva preoccupazioni significative riguardo a privacy, sorveglianza e gestione dei dati personali. La vicinanza dei sistemi basati sulla voce alla vita degli utenti amplifica questi rischi, in particolare alla luce delle accuse esistenti contro aziende come Google per l'uso improprio di tali dati.
