Qwen AI Glasses получили обновление OTA с функцией перевода звонков и медиаконтента
Подробнее
Pandaily
pandaily.com

Qwen AI Glasses получили обновление OTA с функцией перевода звонков и медиаконтента

Компания Alibaba выпустила обновление по воздуху (OTA) для своих Qwen AI Glasses, которое стало доступно 1 ноября. Согласно сообщению IT Home, это обновление добавило функции перевода во время звонков и перевода медиаконтента, а также улучшило обработку шумов. Ранее, 30 октября, аккаунт Qwen AI Glasses объявил о предстоящем обновлении в Weibo.

Функция перевода звонков обеспечивает перевод между различными языками в режиме реального времени во время телефонных разговоров и онлайн-совещаний, что предназначено для общения с иностранными собеседниками. Что касается перевода медиа, он охватывает такие материалы, как зарубежные подкасты, онлайн-курсы на иностранных языках и иностранные фильмы.

При работе с медиаglasses переводятся аудиодорожки в реальном времени, а полученный перевод отображается синхронно в приложении Qwen AI на телефоне пользователя; таким образом, очки отвечают за прослушивание, а телефон выполняет функцию экрана.

Третье изменение касается повышения устойчивости к шуму. Обновление улучшает распознавание речи в шумных условиях, что, по утверждению компании, делает одновременный перевод более точным и своевременным. Четкий прием звука является критически важным для большинства функций перевода, особенно в потоковых сценариях, таких как звонки, где говорящие не делают пауз, ожидая обработки системой.

В объявлении не было указано, какие именно модели получат данное обновление или какие языки поддерживают новые возможности.

Это обновление выходит на фоне быстрого роста линейки продуктов в текущем году. Модель Qwen AI Glasses G1 была представлена к продаже в марте, за ней последовала флагманская модель S1, которая превосходит G1 по взаимодействию, дисплею, времени автономной работы и аппаратному обеспечению. 13 октября Qwen представила серию N1, включающую модели N1 и N1 Pro. Обе версии оснащены 50-мегапиксельным сенсором, возможностью записи видео в 4K и сменными батареями в заушниках. Номинальное время работы от батареи составляет 9 часов для N1 и 8 часов для N1 Pro. Эти устройства включают встроенные приложения Qwen для заметок и перевода с использованием искусственного интеллекта.

Модель N1 Pro дополнительно получила отслеживание взгляда, работающее при освещенности от 0 до 100 000 люкс с точностью центра в пределах 1 градуса, верификацию радужной оболочки для платежей, разработанную совместно с GPASS от Ant Group и Qualcomm, а также мониторинг частоты сердечных сокращений, уровня кислорода в крови и температуры кожи. В то же время Qwen запустила клип-он наушники с ИИ, которые также обеспечивают перевод в реальном времени, ведение заметок на совещаниях и голосовые задачи.

Похожие сюжеты

Основатели Desible.ai обсуждают бизнес-модель голосового ИИ в банковском и страховом секторах
Подробнее
yourstory.com

Основатели Desible.ai обсуждают бизнес-модель голосового ИИ в банковском и страховом секторах

В рамках подкаста Prime Venture Partners Podcast основатели Desible.ai, Уттам Тивари и Омкар Райкар, обсудили, что необходимо для создания и продажи агентского ИИ в индийском секторе BFSI. Они рассмотрели вопросы от продуктовой инженерии и соответствия нормативным требованиям до корпоративных продаж и масштабирования за пределы первого сценария использования.

Стоимость голосового ИИ стремительно снижается, падая с 7 рупий за минуту до менее чем 2 рупий. Однако Уттам Тивари и Омкар Райкар считают, что истинная возможность заключается не просто в диалогах, а в автоматизации рабочих процессов, которые функционируют в крупных предприятиях.

Создание голосового агента, звучащего естественно, перестало быть самой сложной задачей. Гораздо более сложной является задача обеспечения надежной работы такого агента внутри банка или страховой компании, включая соблюдение регуляторных требований, интеграцию с устаревшими системами и достижение измеримых бизнес-результатов.

Для Уттама Тивари и Омкара Райкара, соучредителей Desible.ai, это различие определяет стратегию построения их компании. Desible разрабатывает платформу оркестрации агентских рабочих процессов для регулируемых предприятий, начав с фокуса на страховании.

В беседе с Гауравом Ранджаном, старшим партнером Prime Venture Partners, основатели поговорили о причинах частых неудач пилотных проектов ИИ при переходе в производственную среду, об изменении поведения при корпоративных закупках и о том, как экономика голосового ИИ может коренным образом изменить индустрию контакт-центров.

Уттам и Омкар знакомы уже 17 лет. Их предыдущее предприятие, Business Toys, было приобретено в 2023 году. После этого они работали с американскими компаниями, такими как Newsweek, Bank of America и Nestlé, предоставляя услуги по консалтингу в области программного обеспечения и ИИ.

Поворотным моментом стал проект по брокерскому обслуживанию логистики, который включал использование ИИ для звонков водителям грузовиков с целью проверки доступности и верификации. После внедрения клиент сократил контакт-центр из примерно 20–25 человек всего до трех. Этот опыт продемонстрировал потенциал голосового ИИ в изменении операционной деятельности предприятий.

Однако, исследуя индийский рынок через проекты концептуального доказательства (proof-of-concept) с 12–13 предприятиями, основатели поняли, что автоматизация только разговоров не создаст достаточно дифференцированного бизнеса.

Уттам объяснил: «Голос — это товар. Я согласен, но в то же время рабочие процессы — нет, потому что рабочий процесс глубоко интегрирован в организационные процессы, и именно там вы получаете защитный барьер (moat)». Это понимание побудило Desible сосредоточиться на страховании, где разговоры клиентов тесно связаны с процессами продления, удержания, претензий, продаж и обслуживания.

Одна из самых показательных дискуссий касалась различия между демонстрацией возможностей ИИ и их фактическим развертыванием в регулируемых организациях. Уттам оценивает, что процент преобразования концептуальных доказательств в производственные внедрения среди наблюдаемых им компаний составляет менее 35–40%. Он утверждает, что успешная демонстрация — это лишь начало гораздо более сложного пути.

Страховые компании требуют, чтобы поставщики удовлетворяли требования как бизнес-команд, так и технологических департаментов, отделов информационной безопасности, функций комплаенса и высшего технологического руководства, прежде чем разрешить внедрение систем в производство.

Омкар описал индийские проверки информационной безопасности, которые включают около 450 вопросов, в том числе требования, касающиеся резидентности данных и вычислительной инфраструктуры. Даже устоявшиеся международные технологические провайдеры могут испытывать трудности с выполнением этих требований.

Вследствие этого Desible направил значительную часть своего первоначального финансирования на создание соответствующей нормативным требованиям инфраструктуры, вместо того чтобы концентрироваться исключительно на голосовых возможностях.

Для Омкара критически важна последовательность, поскольку страховые разговоры практически не оставляют места для импровизации. Он подчеркнул: «Необходимо говорить на одном и том же скучном языке каждый раз, оставаясь в рамках соответствия требованиям».

Технические проблемы выходят за рамки комплаенса. Голосовые агенты должны уметь управлять прерываниями, понимать многоязычные диалоги, извлекать информацию из корпоративных систем и адекватно реагировать, не теряя контекста.

Омкар привел пример, как ИИ-агент, проводящий медицинский опрос, должен распознать прерывание клиента до того, как услышит полный вопрос. В другом случае система должна идентифицировать упомянутый лекарственный препарат, проверить его в базе данных и задать соответствующий уточняющий вопрос. Эти возможности отличают систему, готовую к производству, от просто разговорной демонстрации.

Ценообразование голосового ИИ претерпело резкие изменения. Как отметил Гаурав, традиционные операции контакт-центров с участием людей могут стоить около 20–30 рупий в минуту, тогда как ранние решения на основе голосового ИИ стоили 5–7 рупий в минуту. Конкурентные цены с тех пор упали примерно до 1,5–3 рупий в минуту.

Для стартапов, разрабатывающих продукты голосового ИИ, это порождает неудобный вопрос: если базовая технология становится все дешевле, как им захватить значительную долю создаваемой ими ценности?

Омкар возразил, что ценообразование за минуту никогда не было естественной экономической моделью для контакт-центров, которые исторически взимали плату за количество мест или штат сотрудников. Появление голосового ИИ привело к структуре ценообразования, основанной на потреблении инфраструктуры и API.

Desible пытается выйти за рамки этой модели, взимая плату за выполнение рабочего процесса, а не рассматривая каждый звонок как изолированную транзакцию. По словам Омкара, компания ежедневно обрабатывает почти миллион звонков, а благодаря своим возможностям оркестрации смогла снизить внутренние затраты на обработку вызовов с приблизительно 7–8 рупий, использовавшихся ранее, до уровня ниже 1,5–2 рупий.

Тем не менее, основатели признают, что корпоративные клиенты все еще оценивают, приносит ли ИИ устойчивую отдачу. Уттам поделился примером клиента, который не продлил контракт на три небольших региональных контакт-центра после того, как решение Desible работало около четырех с половиной месяцев.

Он предупредил, что общий переход остается постепенным, поскольку предприятия нуждаются в устойчивых операционных доказательствах, прежде чем перераспределять бюджеты.

Год назад корпоративные клиенты в основном оценивали голосовой ИИ по таким параметрам, как задержка, тон, переключение языков и насколько естественно звучал агент. Сегодня, пояснил Уттам, клиенты все чаще сравнивают системы ИИ напрямую с человеческими сотрудниками по критериям доступности, коэффициентов конверсии, квалификации лидов и точности информации, записанной после разговоров.

Сдвиг от технологической новизны к измеримой операционной производительности также меняет подход Desible к продажам в корпоративном сегменте. Вместо того чтобы гнаться за каждым потенциальным экспериментом с ИИ, компания отдает приоритет тем рабочим процессам, которые уже существуют в организации. Такие процессы имеют установленных владельцев, операционные процедуры, бюджеты и контрольные показатели производительности, что упрощает демонстрацию ценности автоматизации.

Уттам предостерег: «Ваш сторонник может не быть вашим покупателем». Бизнес-лидер, восторженно настроенный по поводу пилотного проекта ИИ, может не обладать полномочиями для одобрения внедрения. Информационная безопасность, технологические, комплаенс и закупочные команды могут влиять на окончательное решение.

Для основателей, продающих корпоративный ИИ, раннее выявление этих заинтересованных сторон может быть так же важно, как и сама разработка продукта.

Возможно, самое поразительное наблюдение возникло, когда Гаурав спросил, составляет ли корпоративные продажи 40% продукта и 60% навигации по внутренней организационной динамике. Омкар предположил, что в Индии последнее может составлять до 80%. Он утверждал, что даже технически превосходный продукт может потерпеть неудачу, если не удастся понять структуры принятия решений, обеспечить внутреннюю поддержку и поддерживать отношения с множеством заинтересованных сторон.

Стратегия расширения Desible иллюстрирует этот подход. В одной страховой компании компания начала с управления воронкой продаж, а затем расширилась до приветственных звонков, удержания и входящего обслуживания клиентов. Каждый успешный рабочий процесс создает дополнительное доверие и снижает усилия, необходимые для последующих интеграций. Только в сфере страховых продлений компания выявила более 20 различных рабочих процессов.

Основатели полагают, что эта комбинация отраслевой специализации, готовности к соблюдению норм и интеграции в существующие корпоративные процессы создает более долгосрочное преимущество, чем качество голоса само по себе.

Несмотря на высокую конкуренцию вокруг голосового ИИ, Омкар считает, что рынок остается недостаточно изученным, особенно в Индии, где множество языков, диалектов, фонового шума и частое переключение языков делают разговорные системы значительно более сложными. Он верит, что компании, решающие эти проблемы в масштабе, могут стать мировыми лидерами.

Однако долгосрочные амбиции Desible выходят за рамки обработки звонков. Основатели представляют себе платформу оркестрации, которая поддерживает страховые компании и посредников, включая администраторов третьих сторон, брокеров и агрегаторов здоровья, во всех их операционных рабочих процессах. Конечным мерилом успеха будет не то, насколько убедительно говорит ИИ-агент, а то, помогает ли он предприятиям принимать лучшие решения, улучшать результаты для клиентов и работать эффективнее.

Оценка Уттама о текущем состоянии отрасли отражает центральный урок для основателей ИИ: «POC переоценен, а производство недооценено».

По мере того как предприятия переходят от экспериментов с ИИ к требованию измеримых результатов, победителями могут стать не те компании, у которых самые впечатляющие демонстрации, а те, кто способен превратить ИИ в надежную инфраструктуру для повседневной деятельности бизнеса.

Соучредитель Murf AI утверждает, что проблемы голосового ИИ Индии могут повлиять на мировую технологию
Подробнее
yourstory.com

Соучредитель Murf AI утверждает, что проблемы голосового ИИ Индии могут повлиять на мировую технологию

Соучредитель Murf AI считает, что сложности, связанные с голосовым искусственным интеллектом в Индии, способны сформировать глобальные технологические тенденции. То, что индийские пользователи считают обычным разговором, может стать самым сложным испытанием для голосового ИИ, и решение этой задачи откроет новые возможности по всему миру.

Голосовой ИИ способен отвечать на вопросы, подтверждать заказы или помогать бронировать места. Однако возникает вопрос: сможет ли он правильно произнести индийское имя, понять адрес, произнесенный на смеси хинди и английского, и ответить достаточно быстро, чтобы звучать естественно?

Для Снехи Рой, соучредителя и операционного директора Murf AI, такие сценарии не являются чем-то исключительным; они представляют собой базовый уровень для создания голосового ИИ, который будет работать в Индии, а в конечном итоге — во всем мире.

Во время мастер-класса на мероприятии TechSparks 2026 под названием «Создание голосового ИИ из Индии, для Индии и для мира» Рой объяснила, как языковая сложность Индии, ограничения инфраструктуры и экономические соображения влияют на развитие технологий речи.

Она привела примеры продуктов, которые сначала адаптировались к индийским пользователям, а затем нашли более широкое применение. Google Maps внедрила функцию работы в автономном режиме для районов с ограниченным доступом в интернет, а Netflix представил план, доступный только через мобильные устройства, который с тех пор был принят в 78 странах. Uber тестировал оплату наличными в Хайдарабаде, прежде чем расширить этот вариант на другие рынки.

Рой полагает, что голосовой ИИ может следовать подобному пути. Например, при звонке для проверки статуса доставки в Бенгалуру клиент может смешать английский с региональным языком, использовать местное произношение адреса и ожидать, что почтовый индекс будет озвучен по цифрам.

Модель, построенная на стандартизированном английском, может испытывать трудности с такими деталями. Рой подчеркнула: «Если клиенту приходится менять манеру речи, чтобы агент смог справиться, или постоянно повторять свой адрес или имя, значит, мы еще не закончили его разработку».

По ее мнению, задача состоит в создании систем, которые учитывают естественную манеру речи людей, а не требуют от клиентов приспосабливаться к технологии.

Естественная речь — лишь одна часть проблемы. Голосовые агенты также должны быстро реагировать и эффективно работать в больших масштабах, когда компании обрабатывают миллионы звонков ежемесячно. Рой сообщила, что полный конвейер голосового агента, включающий распознавание речи, языковую модель и генерацию речи, обычно имеет бюджет отклика в 500 до 800 миллисекунд. Она добавила, что Murf добилась снижения задержки своей модели преобразования текста в речь ниже 100 миллисекунд, включая сетевые задержки.

Для достижения этого компания разработала Falcon 2 — меньшую модель речи, предназначенную для работы на более широком спектре графических процессоров, вместо зависимости от специфического, высокопроизводительного оборудования. Рой отметила, что такой подход помог поддерживать низкую задержку в разных географических регионах, одновременно повышая экономическую эффективность.

Аналогичные инженерные решения могут быть полезны для рынков за пределами Индии, особенно там, где вычислительная инфраструктура ограничена или развертывание голосовых агентов в больших объемах остается дорогим.

Рой также акцентировала внимание на важности ответственного подхода к голосовым данным. Она упомянула, что Murf сотрудничает с более чем 400 актерами голоса по всему миру в рамках долгосрочных партнерств, основанных на роялти, и не клонирует голоса без согласия.

Для клиентов, предъявляющих строгие требования к конфиденциальности, компания предлагает API, которые могут обрабатывать данные без их сохранения, а также локальные развертывания для чувствительных приложений. Центральный тезис Рой заключается в том, что лингвистическое разнообразие и инфраструктурные ограничения Индии не следует рассматривать как второстепенные требования; они могут помочь определить, что именно должен делать голосовой ИИ до того, как он будет готов к широкому внедрению. Как она выразилась: «Индия — это столица спецификаций мира».

Популярное