未来，消费者更可能倾向于与AI沟通，而非人工客服，因为语音AI已成为高效解决问题的途径。据Bessemer Venture Partners报告，语音AI在过去一年取得了显著进展，推动了应用开发热潮。语音到语音模型无需音频转录即可处理任务，实现了低延迟和更拟人化交互。企业倾向于从低风险场景开始尝试，但高价值场景对可靠性要求更高。许多公司推出平台和套件，简化语音智能体的构建、测试、部署和监控。 最具影响力的语音AI应用包括转录、呼入、呼出与筛选、培训和谈判等。例如，语音AI可帮助客户高效处理航班取消等问题，提供即时解决方案。目前，语音AI不仅升级了用户界面，还改变了企业与客户的沟通方式。语音原生AI模型和多模态功能的融合，将改变高度依赖人际沟通的行业。未来，语音AI有望开启商业通讯的新纪元，满足客户日益增长的期望，实现更高效的业务拓展。

2023年11月成立的非营利AI研究实验室Kyutai在6个月内推出全球首个开源的Moshi模型，挑战OpenAI的GPT-4o。这款实时多模态AI助手表现出自然对话、情绪理解和多流音频处理能力，吸引了Yann LeCun和PyTorch之父Soumith Chintala等业界大咖认可。7月4日在巴黎发布的Moshi原型允许公众在线体验，开源且计划发布完整模型及代码库。Kyutai的目标是推动AI开放研究，其创新技术如音频语言模型和集成深度神经网络预示着语音AI领域的革新。尽管存在初期连贯性问题，Moshi已引发行业关注，预示着与OpenAI等巨头的竞争加剧。

法国8人团队在半年内打造的开源AI模型Moshi惊艳登场，其实时原生多模态功能媲美GPT-4o，演示几乎零延迟，引发AI界热议。Moshi可理解情感、支持多种语言和风格，能同时处理音频流，展示了低至160ms的端到端延迟。模型训练使用了70亿参数，包括Helium合成的文本数据和真人配音，且可在消费级硬件上运行。尽管仍存在质疑，但Moshi的开源和本地部署特性备受关注。kyutai实验室，一个6人初创团队，凭借杰出的学术背景和3亿欧元融资，致力于开放科学，推动AI技术进步。