cuối cùng chúng ta đang chuyển từ chuyển đổi giọng nói thành văn bản sang chuyển đổi môi trường thành ngữ cảnh!! các trợ lý giọng nói tiêu chuẩn sử dụng một quy trình ASR (nhận diện giọng nói) loại bỏ 90% ngữ cảnh âm thanh. những gì OpenHome đang trình diễn có thể sử dụng các bộ biến đổi âm thanh gốc hoặc các nhúng CLAP (Đào tạo trước Ngôn ngữ-Âm thanh Đối kháng) để xử lý các phổ âm thanh thô một cách liên tục. nó phát hiện các Sự kiện Âm thanh (AED) và các tín hiệu ngữ điệu (tiếng thở dài, âm điệu) thay vì chỉ là từ ngữ. bây giờ kết hợp một luồng camera luôn bật với các bộ biến đổi hình ảnh, và bạn vừa cho đại lý của mình đôi mắt để phù hợp với khả năng nghe không gian của nó. sự kết hợp cảm biến đa phương thức thực sự có thể làm cho việc nhắc nhở thủ công trở nên lỗi thời chỉ là một điều để suy nghĩ về.