CEO da ElevenLabs: A voz é a próxima interface para IA
A Voz como a Próxima Grande Interface para IA
O cofundador e CEO da ElevenLabs, Mati Staniszewski, afirma que a voz está emergindo como a próxima grande interface para a IA, transformando fundamentalmente a forma como as pessoas interagem com máquinas à medida que os modelos evoluem além do texto e das telas.
Avanços na Tecnologia de Voz
Falando na Web Summit em Doha, Staniszewski disse ao TechCrunch que os modelos de voz, como os desenvolvidos pela ElevenLabs, progrediram além de simplesmente replicar a fala humana — incluindo nuances emocionais e entonação — para trabalhar em harmonia com as capacidades de raciocínio de grandes modelos de linguagem. Segundo ele, essa evolução representa uma mudança crucial na forma como as pessoas interagem com a tecnologia.
Olhando para o futuro, Staniszewski afirmou: “Espero que todos os nossos telefones voltem para os nossos bolsos, e possamos nos imergir no mundo real ao nosso redor, com a voz como o mecanismo que controla a tecnologia.”
Impulsionando o Momento da Indústria
Essa visão sustenta a recente rodada de financiamento de $500 milhões da ElevenLabs com uma valorização de $11 bilhões. O conceito de voz como interface primária está ganhando força em toda a indústria de IA. Empresas como OpenAI e Google têm colocado ênfase significativa na voz em seus modelos de próxima geração, enquanto a Apple está avançando silenciosamente em tecnologias adjacentes à voz e sempre ativas por meio de aquisições como a Q.ai. À medida que a IA se estende para wearables, veículos e outros hardwares, os mecanismos de controle estão mudando de interações baseadas em telas para sistemas acionados por voz, posicionando a voz como um campo de batalha crítico para a próxima onda de inovação em IA.
Mudando Paradigmas de Interação
No palco da Web Summit, o sócio-gerente da Iconiq Capital, Seth Pierrepont, ecoou essa perspectiva, enfatizando que, embora as telas permaneçam relevantes para jogos e entretenimento, métodos tradicionais de entrada, como teclados, estão sendo cada vez mais percebidos como “obsoletos.”
Pierrepont também observou que, à medida que os sistemas de IA se tornam mais agentes, a natureza da interação evoluirá. Modelos futuros incorporarão limites, integrações e conscientização contextual, permitindo que respondam com interações mínimas explícitas do usuário.
O Papel da Memória Persistente e do Contexto
Staniszewski destacou essa mudança para sistemas mais agentes como uma das alterações mais significativas em andamento. Ele explicou que, em vez de exigir que os usuários especifiquem explicitamente todas as instruções, os futuros sistemas de voz aproveitarão a memória persistente e o contexto acumulado para interações mais naturais e sem esforço.
Essa mudança, acrescentou ele, influenciará como os modelos de voz são implantados. Embora modelos de áudio de alta qualidade historicamente dependessem de processamento baseado na nuvem, a ElevenLabs está avançando para uma abordagem híbrida que combina processamento na nuvem e no dispositivo. Essa estratégia visa apoiar hardwares emergentes, como fones de ouvido e outros dispositivos vestíveis, onde a voz se torna um companheiro constante em vez de um recurso ocasional.
Expansão de Parcerias e Aplicações
A ElevenLabs já está colaborando com a Meta para integrar sua tecnologia de voz em produtos como o Instagram e o Horizon Worlds, a plataforma de realidade virtual da Meta. Staniszewski também expressou interesse em trabalhar com a Meta em seus óculos inteligentes Ray-Ban, à medida que as interfaces acionadas por voz se estendem para novos formatos.
Privacidade e Preocupações Éticas
À medida que a tecnologia de voz se torna mais difundida e incorporada em equipamentos de uso diário, surgem preocupações significativas em torno de privacidade, vigilância e o manejo de dados pessoais. A proximidade dos sistemas baseados em voz com a vida dos usuários amplifica esses riscos, particularmente diante de alegações existentes contra empresas como o Google por uso indevido de tais dados.
