Se, että kaikki suuret tekoälyn äänimuodot perustuvat tyhmiin malleihin, puhumattakaan mielistelijöistä tyhmistä malleista, jotka on suunniteltu aiheuttamaan häiriöitä ja feikanneet ihmiskeskustelun ("öö"), aliarvioi äänen arvoa agenttien johtamisessa. "Vakava äänitila" työssä olisi erittäin hyödyllinen

Parempiakin malleja on olemassa: tekoälyn äänet ovat olleet median vakio lähes vuosisadan ajan. Ja on syy siihen, miksi Star Trekin tietokone ei kikattanut, huokaissut ja sanonut "öö" ja kertonut, kuinka mahtava olit keskellä korkean panoksen tehtävää.

On myös hämmästyttävän vaikeaa tehdä tätä älykästä puhetilaa nykyisillä API-rajapinnoilla. Sinun täytyy käytännössä transkriboida ääni älykkääseen malliin yhdellä työkalulla ja käyttää TTS:ää toisella, jossa ei ole lainkaan sitä edestakaista vuoropuhelua ja keskeytettävyyttä, johon täysmultimodaalinen ääni pystyy.