目前生成式 AI 的主要焦点一直集中在用于生成文本、图像等的基于文本的界面上。下一波浪潮似乎是语音，而且发展迅速。在最新进展中，Google 今天宣布，从下周开始将其高清语音界面 Chirp 3 添加到其 Vertex AI 开发平台中。
上周，Google 悄然宣布 Chirp 3 将为 31 种语言推出 8 种新的语音。该平台的使用场景包括构建语音助手、制作有声读物、开发支持代理和视频配音。这一消息是在 Google DeepMind 伦敦办公室的一场活动中宣布的。
与此同时，其他公司也在语音 AI 领域迅速前进。上周，Sesame（该公司开发了病毒式传播的、听起来非常逼真的 "Maya" 和 "Miles" AI 应用）宣布推出其开发者模型，让开发者可以在其技术基础上构建自定义应用和服务。
值得注意的是，Chirp 3 将设置使用限制以防止滥用。Google Cloud 首席执行官 Thomas Kurian 在今天的新闻发布会上表示："我们正在与安全团队一起解决这些问题。"
ElevenLabs 是主要初创公司之一，已筹集数亿美元资金用于扩展其 AI 语音服务。
这一消息意味着 Chirp 3 将与目前正在测试的新版本旗舰大语言模型 Gemini、图像生成模型 Imagen 以及昂贵的视频生成工具 Veo 2 进入同一阵营。
Google 推出的 Chirp 3 是否能像其他 AI 努力创造的"人类"声音一样"逼真"（特别是 Sesame 的成果）还有待商榷。但正如 DeepMind 首席执行官 Demis Hassabis 强调的，这仍然是一场马拉松，而不是短跑。
他说："在近期......认为 [AI] 在未来几年内能解决所有问题的想法，我认为还为时过早。我们距离实现通用人工智能（AGI）还有几年的时间。这将在未来十年改变一些事物，所以是中长期的。这是一个有趣的时刻。"
Google 早在 2021 年就推出了 Vertex AI，作为开发者在云端构建机器学习服务的平台。当然，这是在 OpenAI 的 GPT 服务推出引发 AI、特别是生成式 AI 的兴趣爆发之前。
此后，该公司一直在深耕 Vertex AI，部分原因是要追赶 Microsoft 和 Amazon 等为开发者构建生成式 AI 工具的公司。除了在 Gemini 基础上构建生成式 AI 外，开发者还可以使用 Vertex AI 对数据进行分类、训练模型并为生产设置训练模型。值得关注的是，它是否会将其围墙花园扩展到 Google 自身创建的模型之外。
Google 多年来一直在开发 "Chirp" 语音服务，这个名称最早是用作其与 Amazon 的 Alexa 服务竞争的早期努力的代号。
