携手Sesame：语音交互的新时代
内容提要
Sesame公司专注于语音优先的AI交互，打造逼真且富有表现力的对话伙伴，而非单纯生产力工具。联合创始人包括Oculus前CEO Brendan Iribe，团队强调生物本能与情感智能，并计划推出时尚AI眼镜。早期演示吸引超百万人参与，生成五百万分钟对话。红杉资本领投B轮融资，认为语音将解锁AI潜力，强调工艺与品味是竞争关键。
延伸解读
语音交互为何是下一个界面革命
文章将语音视为继键盘、鼠标、触摸屏之后的下一个主要交互界面。其核心论据是：人类进化中语音是最自然、细腻的沟通方式，而现有AI模型已足够聪明，未来提升的关键在于更自然的交互方式。Sesame的早期数据（超百万人参与、五百万分钟对话）表明，用户愿意为有情感、有性格的语音体验投入时间，这暗示语音可能成为AI普及的重要突破口。
从YouTube经验看语音质量的重要性
文章引用YouTube早期经验：用户能容忍画质差，但无法容忍音频卡顿。这一类比强调语音交互中细节（如语调、呼吸、节奏）对用户体验的决定性影响。Sesame团队因此专注于直接生成语音而非简单转换文本，以捕捉真实对话的韵律和情感。这提醒我们，在AI语音产品中，技术精度与工艺细节同等重要，任何机械感都可能破坏沉浸感。
AI眼镜的时尚定位与挑战
Sesame计划推出轻量、时尚的AI眼镜，强调其设计需兼具功能与美观，甚至“没有技术也愿意佩戴”。这反映了可穿戴AI设备的一个关键趋势：硬件必须融入日常生活，而非仅作为科技配件。然而，文章也承认硬件开发耗时，且需要从原型到全球分销的全栈能力。Sesame团队（包括Oculus前高管）的经验或有助于应对这一挑战，但产品能否成功仍待市场验证。
Q&A
Sesame公司是做什么的？
Sesame是一家专注于语音优先AI交互的公司，旨在打造逼真且富有表现力的对话伙伴，而非单纯的生产力工具。
Sesame的联合创始人是谁？
Sesame的联合创始人包括Oculus前CEO Brendan Iribe和Ubiquity6前CTO Ankit Kumar。
Sesame的语音模型有什么特点？
Sesame的语音模型直接生成语音，而非将LLM输出转换为音频，能够捕捉真实对话的节奏、情感和表现力，使声音听起来生动、机智甚至令人惊喜。
Sesame的早期演示取得了怎样的反响？
在2025年2月，Sesame分享了早期演示，展示了两个角色Maya和Miles。在最初几周内，超过一百万人参与，生成了超过五百万分钟的对话。
Sesame计划推出什么硬件产品？
Sesame计划推出轻便、时尚的AI眼镜，设计为可全天佩戴，强调外观和工艺，即使没有技术也愿意佩戴。
红杉资本为什么投资Sesame？
红杉资本认为语音将解锁AI的潜力，而Sesame在工艺和品味上的专注将使其在竞争中脱颖而出，因此领投了Sesame的B轮融资。
