Стартап Thinking Machines представил новое поколение мультимодальных ИИ-моделей для живого общения с пользователем. Главная особенность системы - обработка голоса, текста и видеопотока практически без задержек, что делает взаимодействие с нейросетью максимально похожим на разговор с человеком.
Новая realtime voice-модель способна одновременно анализировать речь собеседника, распознавать эмоции, учитывать контекст диалога и реагировать естественным голосом прямо во время разговора. Разработчики делают акцент на низкой задержке ответа и поддержке непрерывного диалога без пауз, характерных для классических голосовых ассистентов. По данным презентации, архитектура ориентирована на работу в интерактивных сервисах, AI-помощниках, видеозвонках, обучающих платформах и цифровых аватарах.
Отдельное внимание уделено мультимодальности. Система может синхронно воспринимать изображение с камеры, текстовые запросы и аудио, объединяя всё в единую цепочку анализа. Это позволяет ИИ реагировать не только на слова пользователя, но и на визуальный контекст - например, распознавать объекты, документы или происходящее в кадре.
На фоне стремительного роста интереса к голосовым ИИ-ассистентам рынок всё активнее смещается от текстовых чат-ботов к полноценным conversational AI-системам. Именно realtime-модели сейчас считаются одним из самых быстрорастущих направлений индустрии искусственного интеллекта 2026 года.
Новости нейросетей
14.05.2026