Mati Staniszewski：语音 AI 与模拟的 Aristotle

ElevenLabs 联合创始人 Mati Staniszewski 开始现场语音 AI 演示。他提出的目标是让信息能够以音频形式获取、呈现多样的声音和语言，并让语音成为与技术交互的一种方式。

第一个演示用带英国口音和表现力的语调朗读欢迎词。Staniszewski 强调系统利用上下文调整表达，包括对瑞典语单词 fika 的发音。

他介绍 ElevenLabs 的声音市场：人们可以创建、分享合成声音，并在声音被使用时获得报酬。他播放了一个基于自己声音生成的样本。

接着，一个瑞典声音用瑞典语和英语朗读欢迎词。Staniszewski 指出，声音可以切换语言并保持可识别的特征，并设想演讲者能以听众选择的语言被听见。

在对话式 AI 演示中，他创建了一个智能体，并输入 Aristotle 生平和思想的信息。这是一个构造出来的 AI 角色；他问它 Steve Jobs 可能会向 Aristotle 提什么问题。

模拟的哲学家提出关于技术、美德和平衡的问题。被要求给出一句希腊格言时，它提出认识自己，并解释其对科学与艺术的意义。这些回答由智能体生成，并非历史人物的真实发言。

峰会主持人 Lauren Crichton 问及企业应用。Staniszewski 提到教育、医疗和助手，并举例说护士可以使用智能体工作流帮助联系患者并收集近况。

他还介绍了一种互动文章体验：读者可以听文章并提出问题。他说，可靠性、规模化、执行预期操作和避免幻觉仍然困难，医疗、金融和物流尤其如此。

Crichton 问语音模型是否真正理解自己所说的话。Staniszewski 说，音色、情绪和语调能提供文字之外的背景，模型也越来越能利用上下文选择朗读方式；至于更深层的理解问题，仍未有定论。

他以反讽为例：了解故事后文后，同一句话可能需要不同的朗读方式。他设想未来有声书包含多种声音和音效，这要求系统追踪全书中每个人何时发言。

Crichton 问，如果人们把写作、翻译和语音交给 AI，语言直觉会发生什么。她把写作比作机械化之后的体力：仍有价值，但不再是每个人都必须以同样方式锻炼的能力。

Staniszewski 认为，语言学习可能更多成为人们主动选择的文化与创造性活动。他也希望语音模型帮助保存语言、口音和声音的记录，并说一些政府正在讨论教育用途。

展望未来，他设想语音界面让技术退到后台，使人们更专注于周围环境。他的第二个愿景是实现类似《银河系漫游指南》中巴别鱼的实时翻译体验。