主要观点总结
本文主要探讨了基于语音构建的新型交互式产品的底层技术的成熟度，以及人工智能语音Agent在2B和2C领域的机会。文章介绍了语音AI的进步，a16z对语音作为新的与技术互动的方式的看法，以及行业图谱中每个堆栈里的一些玩家。此外，文章还详细阐述了语音Agent的创建过程，包括技术堆栈、全栈与自行组装的选择、行业图谱中的玩家等。
关键观点总结
关键观点1: 语音AI的进步和投资机会
文章提到语音AI在情感和情绪表达方面的进步，以及基于语音构建新型交互式产品的底层技术越来越成熟，未来将有大的机会。a16z认为现在是重新发明电话的时候了，人工智能将提升其到一个新的水平。
关键观点2: 语音Agent在2B领域的机会
文章指出在2B领域，语音Agent主要取代现有的电话呼叫来完成特定任务。针对垂直领域的机会，一些公司正在采用垂直特定的方法来应对执行难度、法规和许可证、集成等问题。
关键观点3: 语音Agent的技术堆栈和构建过程
文章详细描述了构建语音Agent的技术堆栈，包括如何运行多个层的新型多模态模型，以及如何引入人类语音（ASR）、使用LLM处理输入和返回等。创始人可以选择在全栈平台或自行组装堆栈上启动agent，这涉及到复杂性、灵活性、成本和控制等因素的考虑。
关键观点4: 语音Agent在2C领域的机会
在2C领域，语音Agent的应用场景主要是将昂贵或难以获得的人工服务替换为AI。文章认为真正的魔力可能在于利用语音的力量来实现以前不存在的新型“对话”的产品，这可能重新定义现有服务的形式或创造全新的服务。
文章预览
“首席投资官 ” 旗下新媒体平台，原“中国私募股权投资” 每日分享PE/VC行业最权威新闻资讯 来源：投资实习所 （ID：startupboy） 摄影：Bob君 语音AI，2B和2C的机会在哪里？ AI 在语音（声音）这块的进步，有 3 个产品给了我非常深刻的印象（Wow moment），第一个是 ElevenLabs ，让我第一次感觉到不再是机器人的感觉，也因此一直喜欢这个产品到现在。 第二个是 Hume AI ，我之前称它为对话式 AI 的天花板，让我感受到了 AI 在情感和情绪方面的表达，也是体验过后就一直喜欢到现在，包括它们最近推出的 实时交互式 AI 播客 。 第三个就是 GPT-4o ，也包括 Google 的 Project Astra，它们让 更自然的人机交互体验 又往前走了一步。我觉得基于语音来构建新型交互式产品的底层技术已经越来越成熟了，未来这块应该有很大机会。 事实上，a16z 在今年年初的 2024 Bi
………………………………
