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
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。