看起来各大 AI 公司似乎都希望我们能更频繁地对着他们的产品大声讲话。例如,Meta, Google, OpenAI 和 Anthropic 等公司已经加入了允许用户像与他人交谈那样自然地与 AI 机器人对话的功能,这得益于语音转文本技术的进步。
然而,一家名为 Wispr Flow 的创业公司认为,凭借其支持 100 多种语言的口述输入技术,可以超越这些科技巨头。该公司今天在原有的 Windows 和 Mac 应用基础上,推出了一款全新的 iOS 应用,该应用同时充当键盘,让你能够在任何应用中使用语音输入文字。
现在,你可能会认为这又是另一家专注于语音转文本的公司,但笔者对 Wispr Flow 的体验印象尤为深刻。作为一名印度人,我一直未能找到一款完全能理解我所说内容的语音转文本应用,我也曾多次让 Alexa 和 Siri 等 AI 助手执行指令而碰壁。
然而,与我之前使用过的大型科技公司推出的任何口述输入技术相比,Wispr Flow 带来了截然不同且优越的体验。起初,我不得不在 Wispr Flow 的桌面和移动应用中手动编辑句子,但经过几次使用后,整体口述输入体验便有了极大改善。最终,我用这款应用撰写了长邮件和信息,甚至几乎整篇报道都是仅凭语音完成。
该应用还提供数字和符号键盘,便于在需要输入特殊字符时使用,并且能够自动学习自定义名称和术语,或者你也可以通过它的词典部分手动添加。此外,如果你处于不便大声讲话的环境中,还可以选择轻声耳语来使用麦克风。公司还声称,即便在网络覆盖较差的环境下,这款 iOS 应用同样可以正常工作。
这家创业公司的联合创始人 Tanay Kothari 曾对 TechCrunch 表示,他最初的目标是打造一款可穿戴设备,让用户只需无声地张口便能输入文字。那款可穿戴设备的操作层正是 Flow,而在去年七月,公司遂转型聚焦于软件领域,并在数月后推出了 Mac 应用。
在桌面应用中,用户只需按下热键便可以在任意应用中开始口述输入,这极大地方便了操作。而对于 iOS 应用来说,最大的挑战在于如何说服用户每次使用该应用时都切换到 Wispr 的键盘。
Wispr Flow 每周提供 2,000 字的免费使用额度。超出这个限制后,你可以选择每月 12 美元(或每年 144 美元)的无限制订阅计划,该计划还可让你享受新功能的抢先体验。
至今,该公司已从包括 NEA, Palo Alto Networks 和 8VC 在内的投资者处获得 2600 万美元融资。Kothari 表示,他们的订阅业务转换率达到了 19%,而公司的收入也实现了 60% 的年增长率。
这家创业公司正计划在今年推出 Android 应用,同时还在开发面向团队的共享上下文功能,以使应用能够理解企业环境中常用的术语。
Wispr 的竞争对手众多,包括 YC 支持的 Aqua、Talktastic、Superwhisper 和 Betterdication。尽管 Kothari 预见到随着 AI 与语音技术的不断进步,该领域的竞争将愈发激烈,但他坚信,Wispr 的工程团队以及对这项技术的长期投入将使其独树一帜。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。