أصدرت Bland، شركة الذكاء الاصطناعي الصوتي في سان فرانسيسكو، نموذج Tofu-1، وهو نموذج كلام-إلى-كلام كامل الاتجاهين مبني لمكالمات هاتفية يكون الصوت فيها سيئًا أصلًا. أُعلن عنه في 13 نوفمبر وانتشرت تقارير عنه على نطاق واسع في 15 نوفمبر، وهو أول إصدار في عائلة مخططة من نماذج Bland للكلام-إلى-كلام، وهو مفتوح الآن كمعاينة بحثية مقيّدة للمؤسسات.
خلافًا لمعظم الوكلاء الصوتيين، يعالج Tofu-1 الصوت مباشرة بدلًا من نسخه إلى نص أولًا. فهو يستمع ويتحدث في الوقت نفسه، فيستطيع المتصل مقاطعته أو تصحيحه في منتصف الجملة، وهو مصمم لفصل صوت المتصل عما يحدث في الخلفية — تلفاز أو طفل يبكي أو حركة مرور أو مكبر صوت في مستشفى أو نغمات لوحة مفاتيح. وتقول Bland إنه يستطيع أيضًا التمييز بين المتحدثين ومعرفة لمن وُجهت عبارة ما، فلا يؤدي قول تلفاز «نعم» في الخلفية إلى إلغاء وثيقة تأمين عن طريق الخطأ.
المعاينة ضيقة عن قصد: الوصول مفتوح لعدد محدود من المؤسسات في البنوك والرعاية الصحية والتأمين والحكومة، مع توفر عام مقرر في يناير. ولم تنشر Bland أي معايير أو حجم نموذج أو أرقام زمن استجابة أو أسعار، وادعاؤها الأكثر لفتًا — أن أكثر من 92% من الأشخاص في الفحوصات لم يستطيعوا تمييز النموذج — منقول عنها نفسها، ولم يُتحقق منه بشكل مستقل.
يأتي Tofu-1 بعد يومين من Duo v1 من inclusionAI، وهو إطلاق آخر كامل الاتجاهين أصيل، مع تسابق شركات الذكاء الاصطناعي الصوتي نحو وكلاء يستطيعون إجراء محادثة هاتفية حقيقية قابلة للمقاطعة. وحتى وصول اختبارات مستقلة، يُقرأ Tofu-1 على أفضل وجه كاتجاه سير: المكالمة الهاتفية، لا مربع النص، تصبح الحدود التالية لوكلاء الذكاء الاصطناعي.