從熱門的虛擬助理到語音合成工具，語音技術在過去一年取得進展，不只 OpenAI 的 ChatGPT、微軟的 Copilot、Google 的 Gemini 陸續搭載語音模式，尋找 AI 下一機會點的投資者也將大量資金投入 AI 新創公司。語音正在迅速成為新的 AI 戰場。
根據 PitchBook，開發語音 AI 技術的新創在 2024 年籌集超過 3.98 億美元的創投資金。近日，運用 AI 軟體複製聲音的新創 ElevenLabs ，更宣布新一輪融資籌到 1.8 億美元，估值來到 33 億美元──這一數字是其一年前的 3 倍。
雖然 AI 語音不是新技術，但工具變得更複雜、用途更廣泛──從即時音訊轉錄，到文字提示生成合成聲音。調研機構 Gartner 預測，到 2027 年，40% 生成式 AI 解決方案將是多模態的，結合文字、圖像和音訊功能，這代表像 AI 語音技術如高品質音訊生成，將扮演關鍵角色。
AI 語音的浪潮正慢慢襲來。風險投資公司 Balderton 投資者 Sivesh Sukumar 表示，即時語音處理領域的最新突破，開闢了新的使用案例，例如虛擬助理、客服支援，和語音驅動的生產力工具。他表示，ElevenLabs 和 OpenAI 等公司正走在 AI 語音前沿，而 ElevenLabs 的即時轉錄 API 技術，實現人與 AI 之間極低延遲的互動，更有望推動更多採用。
不斷擴大的 AI 語音生態系
語音 AI 仍屬新興領域，目前尚無成熟巨頭，而新創公司正積極探索如何為企業與消費者量身打造語音技術。其中，熱門話題「AI 代理」和語音技術的交集，成為商機之一。
PlayAI 是一家開發文字轉語音模型、AI 語音代理平台的 AI 新創，去年 11 月募集了 2,100 萬美元的種子輪資金。其聯合創始人 Hammad Syed 觀察，語音 AI 正在成為主流，並將成為人們和技術互動的關鍵介面──人們可以和語音代理交談，就像跟另一人一樣。
同樣看中語音 AI 的創投 Kindred Ventures 創辦人 Steve Jang 表示，創投正在尋找 AI 的下一件大事，而他們將語音 AI 視為一個技術堆疊。從其觀點來看，吸引他們的新創首先有專門和基礎的模型；第二，有基礎設施服務和工具，能提供 AI 模型的存取和整合；第三，最重要的是有開闊的垂直應用空間。從第三點來看，不難想像語音 AI 技術為何獲得市場青睞。
除了垂直應用潛力大，AI 語音吸引市場的另一原因在於，語音是容易賺錢的類別。風險投資公司 Headline 普通合夥人 Jonathan Userovici 表示，「你可以根據結果來定價，因此它很容易營利，」提供非常多的收入來源，更容易獲得投資回報。
除了技術突破、具有「錢」景，消費者的媒體接收習慣轉變也是關鍵。《Business Insider 》報導，越來越多消費者喜歡透過音訊接收資訊。語音 AI 平台 PersuAIsion 讓用戶練習各種真實世界對話，例如求職、初次約會，其創辦人 Sukumar 就觀察到，消費者對於語音控制和聲音介面的需求持續成長。
Sukumar 表示，如果 OpenAI 能夠抓住消費者語音代理的商機，就會有機會成為下一個 Siri；未來，語音 AI 的發展也將更著重與個人裝置的互動，甚至推動更好的電子商務體驗。
市場尚未出現主導市場的 AI 助理
外媒觀察，儘管語音 AI 越來越受歡迎，但還未形成一股強大的力量。根據 Air Street Capital 對於 2024 年 AI 現況分析，部分原因在於先進實驗室很少觸碰這領域，可能是擔心語音生成功能的濫用風險，例如深度偽造，或未經授權的語音複製技術。
科技巨頭雖然順應語音 AI 的發展趨勢，但也步步為營。市場研究公司《eMarketer》分析，儘管語音助理是消費者最重要的裝置 AI 功能之一，但尚未有大型科技公司推出主導市場的 AI 助理──亞馬遜優化 Alexa 的 AI 計畫已延至 2025 年；蘋果雖然為 Siri 增加 ChatGPT 功能，但其他生成式 AI 功能進展緩慢抵銷了消費者的興奮感；Google 雖然將 Nano 設定為 Pixel 手機的預設 AI，但可能會勸退注重隱私的用戶。
究竟誰會在語音 AI 中勝出，仍是未知數。但是 Air Street Capital 創辦人兼合夥人 Nathan Benaich 表示，取代像 ElevenLabs 這樣的新創可能會很有挑戰性，因為這些公司已經被廣泛採用，並且多年來一直在為企業用戶優化他們的工具。
【推薦閱讀】
◆ OpenAI 再推 AI 代理「Deep Research」！有何特色、適合誰使用？
＊本文開放合作夥伴轉載，資料來源：《Business Insider》、《Bloomberg》、《VentureBeat》、《eMarketer》，首圖來源：OpenAI。
