SoundHound Ra Mắt Vision AI: Trợ Lý Giọng Nói Đa Phương Thức Có Khả Năng "Nhìn"

SoundHound AI, một công ty nổi bật trong lĩnh vực trợ lý giọng nói, đã nâng cấp công nghệ của mình với khả năng "nhìn" thông qua việc ra mắt Vision AI.

Khả năng mới này kết hợp thị giác với âm thanh, tạo ra một cách thức tương tác với công nghệ thông minh và tự nhiên hơn. Ý tưởng là mô phỏng cách con người vận hành—chúng ta không chỉ nghe mà còn nhìn thấy cử chỉ và đối tượng đang được tập trung.

Sản Phẩm Mới và Chức Năng Cốt Lõi

• Sản phẩm/Khả năng Mới: Vision AI.

• Chức năng Cốt lõi: Đây là một hệ thống AI đa phương thức (multimodal AI), có khả năng lấy dữ liệu trực tiếp từ camera và hợp nhất nó với công nghệ giọng nói sẵn có của công ty.

• Nguyên lý Hoạt động: Hệ thống xử lý những gì nó nhìn thấy và những gì nó nghe thấy đồng thời và hoàn hảo về mặt thời gian (synchronised flow), đảm bảo rằng mỗi khung hình, mỗi câu nói, và mỗi ý định đều được diễn giải trong cùng một hệ sinh thái. Điều này giúp hệ thống hiểu được ý định thực sự của người dùng theo cách mà một trợ lý giọng nói đơn thuần không thể làm được.

Lợi Ích Cụ thể cho Khách hàng/Người dùng

Việc tích hợp Vision AI mở ra những ứng dụng thực tế có thể thay đổi cách chúng ta tương tác với thiết bị:

• Trong Ô tô: Người dùng có thể hỏi xe về một địa danh đang lái qua mà không cần cầm điện thoại.

• Trong Cửa hàng/Khu dịch vụ: Nhân viên có thể quét kệ hàng chỉ bằng cách nhìn để nhận được số lượng tồn kho theo thời gian thực.

• Trong Cơ khí/Sản xuất: Thợ cơ khí đeo kính thông minh có thể nhìn vào một bộ phận động cơ và hỏi hướng dẫn, nhận được phản hồi trực quan và âm thanh ngay lập tức mà không cần đặt dụng cụ xuống.

• Trong Ứng dụng Bán hàng: Các ki-ốt bán hàng có thể trực quan xác nhận đơn hàng trên màn hình ngay khi người dùng nói ra.

Bằng cách kết hợp thị giác và âm thanh, SoundHound đặt mục tiêu đẩy trải nghiệm người dùng tiến gần hơn đến một thế giới mà việc tương tác với AI trở nên dễ dàng và trực quan như trò chuyện với một người khác. Đối với các doanh nghiệp, công nghệ này hứa hẹn mang lại dịch vụ nhanh hơn, ít sai sót hơn và khách hàng hài lòng hơn, biến công nghệ từ một công cụ phải vận hành thành một đối tác giúp hoàn thành công việc.

Bạn nghĩ khả năng "nhìn" này sẽ được ứng dụng rộng rãi nhất ở đâu trong 5 năm tới?