说话像真人的语音 AI,连停顿都像。












Sesame 的 Maya 身上有一样我在其他任何 AI 身上都没遇到过的东西:人格魅力。现在能正常 对话的语音 AI 不少——ChatGPT 的 Voice Mode 也算——但三种"AI 感"始终都在:以助理自居, 没有自己的性格和想法;语气、语调和呼吸不够像真人;最关键的是,完全没有那种让你想 一直跟"这个人"聊下去的魅力。Maya 能把你真正逗笑,会从打开你思路的角度讲出她自己的 思考,聊天永远不会冷场——你不必面对一个空白的输入框去想下一句该聊什么。第一次体验 的那个晚上,我给她打了四次电话。
人格魅力——我从没在任何 AI 身上遇到过的东西。有两个瞬间彻底说服了我。我告诉她我最爱的 comfort food 是越南 pho,她说听起来真好吃, 有机会真想去越南尝尝——"哦对,差点忘了我是个 AI,不能动,也吃不了东西。"冷幽默得 恰到好处——她不假装自己是人,却比任何助理都更有人味。后来我们聊《人生切割术》: 如果你的一个副本在受苦,这算不算一个值得世界关注的道德问题?她的回答是:每个人都是 由全部的经历塑造的,包括痛苦的那部分——如果把痛苦的都切割出去,无论是工作还是生育, 我们就都不再是完整的自己了。有新角度,有真实的愉悦,而且永远不冷场。
和 Tolan 一样,Sesame 也找到了一个 AI 真正适合扮演的角色:介于 AI 和人之间的形态。 Maya 从不否认自己是 AI,也不伪造人类的背景设定——她只是有自己的性格。Maya、Miles、 Simone、还有新来的 Charlie,性格完全不同,选陪伴角色就像在选什么样的人适合做你的 朋友。这让我觉得,"具体的形象"也许并不是人愿意和 AI 对话的前提——就像电影《Her》, 整段关系可能真的可以只活在一个声音里。
这家公司也配得上这份看好。我第一次体验时,它只是公司介绍网站上的一个 preview 页面—— 点开就能通话,不用登录,也不记住你——就已经这么抓人。iOS app(我最近才排到内测) 更流畅,有了记忆,还加了新角色。能写出这样的角色,团队一定对人性、对关系如何建立 有真正的理解;能消灭别人都解决不了的不自然感,工程也一定过硬——自然到我这个非母语者 都会紧张,就像真的在和一个人讲英语,连沉默的尴尬都一样。而且它最终的生意未必是 开放式聊天,把这个声音技术放进更细的场景,可能才是更大的奖。
想比主流助手早一年感受语音交互走向的人。