सिलिकॉन व्हॅलीने स्क्रीनवर युद्ध घोषित केल्यामुळे ओपनएआय ऑडिओवर मोठा बाजी मारतो

ओपनएआय ऑडिओ AI वर मोठी सट्टेबाजी करत आहे, आणि हे फक्त ChatGPT आवाज चांगला बनवण्यापुरते नाही. त्यानुसार नवीन अहवाल द इन्फॉर्मेशन मधून, कंपनीने ऑडिओ मॉडेल्सची दुरुस्ती करण्यासाठी गेल्या दोन महिन्यांत अनेक अभियांत्रिकी, उत्पादन आणि संशोधन कार्यसंघ एकत्र केले आहेत, हे सर्व ऑडिओ-फर्स्ट वैयक्तिक डिव्हाइसच्या तयारीसाठी आहे जे एका वर्षात लॉन्च होण्याची अपेक्षा आहे.

संपूर्ण टेक उद्योग कोठे जात आहे हे या हालचालीमुळे प्रतिबिंबित होते — भविष्याकडे जेथे स्क्रीन पार्श्वभूमीचा आवाज बनतात आणि ऑडिओ केंद्रस्थानी असतो. स्मार्ट स्पीकर्सने आधीच व्हॉइस असिस्टंटला एक पेक्षा जास्त वेळा एक फिक्स्चर बनवले आहे तिसरा यूएस घरे. Meta ने नुकतेच त्याच्या Ray-Ban स्मार्ट चष्म्यासाठी एक वैशिष्ट्य आणले आहे जे तुम्हाला गोंगाट असलेल्या खोल्यांमध्ये संभाषणे ऐकण्यास मदत करण्यासाठी पाच-मायक्रोफोन ॲरे वापरते — मूलत: तुमचा चेहरा दिशात्मक ऐकण्याच्या उपकरणात बदलतो. Google, दरम्यान, जूनमध्ये “ऑडिओ ओव्हरव्ह्यूज” सह प्रयोग करण्यास सुरुवात केली जी शोध परिणामांना संभाषणात्मक सारांशांमध्ये रूपांतरित करते आणि Tesla संभाषणात्मक व्हॉइस असिस्टंट तयार करण्यासाठी xAI च्या चॅटबॉट Grok ला त्याच्या वाहनांमध्ये समाकलित करत आहे जे नैसर्गिक संवादाद्वारे नेव्हिगेशनपासून हवामान नियंत्रणापर्यंत सर्वकाही हाताळते.

ही पैज फक्त टेक दिग्गजच लावत नाहीत. स्टार्टअप्सचा एक मोटली क्रू त्याच विश्वासाने उदयास आला आहे, जरी वेगवेगळ्या प्रमाणात यश मिळाले. Humane AI पिनच्या निर्मात्यांनी त्यांच्या स्क्रीनलेस वेअरेबल सावधगिरीची कहाणी बनण्याआधीच लाखोंची उलाढाल केली. द फ्रेंड एआय पेंडंट, एक नेकलेस जो दावा करतो की तो तुमचे जीवन रेकॉर्ड करेल आणि सहवास देईल, गोपनीयतेची चिंता आणि अस्तित्वाची भीती निर्माण झाली आहे समान माप. आणि आता सँडबारसह किमान दोन कंपन्या आणि पेबलचे संस्थापक एरिक मिगिकोव्स्की यांच्या नेतृत्वाखाली, 2026 मध्ये पदार्पण होण्याची अपेक्षा असलेल्या एआय रिंग तयार करत आहेत, ज्यामुळे परिधान करणाऱ्यांना अक्षरशः हाताशी बोलता येईल.

फॉर्म घटक भिन्न असू शकतात, परंतु थीसिस समान आहे: ऑडिओ हा भविष्याचा इंटरफेस आहे. प्रत्येक जागा — तुमचे घर, तुमची कार, अगदी तुमचा चेहरा — एक नियंत्रण पृष्ठभाग बनत आहे.

OpenAI चे नवीन ऑडिओ मॉडेल, जे 2026 च्या सुरुवातीस येणार आहे, ते अधिक नैसर्गिक वाटेल, वास्तविक संभाषण भागीदाराप्रमाणे व्यत्यय हाताळेल आणि तुम्ही बोलत असताना देखील बोलू शकतील, जे आजचे मॉडेल व्यवस्थापित करू शकत नाहीत. कंपनीने उपकरणांच्या कुटुंबाची कल्पना केली आहे, ज्यामध्ये शक्यतो चष्मा किंवा स्क्रीनलेस स्मार्ट स्पीकर समाविष्ट आहेत, जे टूल्ससारखे कमी आणि सोबत्यांसारखे काम करतात.

यापैकी काहीही फार आश्चर्यकारक नाही. द इन्फॉर्मेशनने नमूद केल्याप्रमाणे, ऍपलचे माजी डिझाईन प्रमुख जोनी इव्ह, जे कंपनीच्या मे महिन्यात त्यांच्या फर्म io च्या $6.5 बिलियन संपादनाद्वारे OpenAI च्या हार्डवेअर प्रयत्नांमध्ये सामील झाले होते, त्यांनी भूतकाळातील ग्राहक गॅझेटच्या “चूकांना दुरुस्त” करण्याची संधी म्हणून ऑडिओ-फर्स्ट डिझाइनकडे पाहत, डिव्हाइस व्यसन कमी करणे हे प्राधान्य दिले आहे.