Óculos Qwen AI recebem atualização OTA com função de tradução de chamadas e conteúdo multimídia

O cofundador da Murf AI acredita que as dificuldades relacionadas à inteligência artificial de voz na Índia são capazes de moldar tendências tecnológicas globais. O que os usuários indianos consideram uma conversa normal pode se tornar o teste mais difícil para a IA de voz, e resolver esse desafio abrirá novas possibilidades em todo o mundo.

A IA de voz é capaz de responder a perguntas, confirmar pedidos ou ajudar a reservar lugares. No entanto, surge a questão: ela conseguirá pronunciar corretamente um nome indiano, entender um endereço falado em uma mistura de hindi e inglês e responder rápido o suficiente para soar natural?

Para Sneha Roy, cofundadora e diretora de operações da Murf AI, tais cenários não são excecionais; eles representam o nível básico para criar uma IA de voz que funcione na Índia e, eventualmente, no mundo todo.

Durante um workshop no evento TechSparks 2026 intitulado 'Criando IA de Voz da Índia, para a Índia e para o Mundo', Roy explicou como a complexidade linguística da Índia, as limitações de infraestrutura e as considerações econômicas afetam o desenvolvimento das tecnologias de fala.

Ela deu exemplos de produtos que primeiro se adaptaram aos usuários indianos e depois encontraram aplicações mais amplas. O Google Maps implementou um recurso de funcionamento offline para áreas com acesso limitado à internet, e a Netflix apresentou um plano acessível apenas por dispositivos móveis, que desde então foi adotado em 78 países. A Uber testou pagamentos em dinheiro em Hyderabad antes de expandir essa opção para outros mercados.

Roy acredita que a IA de voz pode seguir um caminho semelhante. Por exemplo, ao ligar para verificar o status de uma entrega em Bengaluru, o cliente pode misturar inglês com um idioma regional, usar a pronúncia local do endereço e esperar que o código postal seja dito em dígitos.

Um modelo construído em inglês padronizado pode ter dificuldades com esses detalhes. Roy enfatizou: 'Se o cliente precisa mudar seu modo de falar para que o agente consiga lidar, ou repetir constantemente seu endereço ou nome, isso significa que ainda não terminamos seu desenvolvimento.'

Na sua opinião, o desafio é criar sistemas que considerem o modo de fala natural das pessoas, em vez de exigir que os clientes se adaptem à tecnologia.

A fala natural é apenas uma parte do problema. Os agentes de voz também devem reagir rapidamente e funcionar de forma eficiente em grande escala, quando as empresas processam milhões de chamadas mensalmente. Roy relatou que o pipeline completo de um agente de voz, incluindo reconhecimento de fala, modelo de linguagem e geração de fala, geralmente tem um orçamento de resposta de 500 a 800 milissegundos. Ela acrescentou que a Murf conseguiu reduzir a latência de seu modelo de conversão de texto em fala para menos de 100 milissegundos, incluindo atrasos de rede.

Para alcançar isso, a empresa desenvolveu o Falcon 2 — um modelo de fala menor projetado para funcionar em uma gama maior de GPUs, em vez de depender de hardware específico e de alto desempenho. Roy observou que essa abordagem ajudou a manter baixa latência em diferentes regiões geográficas, ao mesmo tempo que aumentava a eficiência econômica.

Soluções de engenharia semelhantes podem ser úteis para mercados fora da Índia, especialmente onde a infraestrutura de computação é limitada ou o deployment de agentes de voz em grande volume continua caro.

Roy também destacou a importância de uma abordagem responsável aos dados de voz. Ela mencionou que a Murf colabora com mais de 400 atores de voz em todo o mundo em parcerias de longo prazo baseadas em royalties e não clona vozes sem consentimento.

Para clientes com requisitos rigorosos de privacidade, a empresa oferece APIs que podem processar dados sem salvá-los, bem como implantações locais para aplicativos sensíveis. A tese central de Roy é que a diversidade linguística e as restrições de infraestrutura da Índia não devem ser vistas como requisitos secundários; elas podem ajudar a definir o que a IA de voz deve fazer antes de estar pronta para adoção em larga escala. Como ela disse: 'A Índia é a capital das especificações mundiais.'

A empresa Lawaken lançou a pré-venda de seus óculos inteligentes X-AI Memory. O modelo básico na armação clássica de fio em metal militar está disponível a partir de 699 yuans, enquanto outras opções de armação custam 899 yuans e os modelos com ponteira de titânio custam 1.099 yuans.

Inicialmente, o produto foi apresentado no WAIC 2026 em julho como um dispositivo de memória pessoal que funciona continuamente, e não como um gadget focado primariamente na câmera. A pré-venda, que começa em outubro, mantém o peso da armação em cerca de 26 gramas, com um módulo de câmera magnético opcional de 10 gramas com resolução de 12 megapixels e longo tempo de foco de gravação. Além disso, os detalhes de integração de agentes e precificação foram esclarecidos no anúncio.

De acordo com declarações da Lawaken, os óculos são capazes de gravar dados continuamente por até 12 horas com uma única carga, que é restaurada em aproximadamente 60 minutos. Eles também fornecem tradução em tempo real para mais de 128 idiomas e transcrevem 25 idiomas mais 21 dialetos chineses. O software é projetado para extrair tarefas, conclusões chave e prioridades de conversas, e então pode responder a solicitações de voz usando o armazenamento de memória pessoal. A integração com o Tencent Cloud WorkBuddy permite transformar esse armazenamento em protocolos de reunião, planos e rascunhos.

Graças ao Protocolo de Contexto do Modelo (Model Context Protocol), a Lawaken afirma que a memória pode ser chamada de plataformas de agentes, como Doubao, Feishu, QwenWork da Alibaba, Codex, Claude e outros. Os usuários têm a opção de editar, excluir ou exportar memórias salvas, sendo que o armazenamento em nuvem é protegido por criptografia AES-256.

Em comparação com a estreia no WAIC em julho, o pacote de pré-venda enfatiza os hooks MCP e a geração de documentos através do WorkBuddy, além de listar seis opções de armações com preços de varejo começando em 699 yuans. Em uma breve visão no WAIC, foram mencionadas o Wake-AI 3.0 e o ciclo WakeeMemory de captura-estruturação-extração-ação, ângulo de visão da câmera de 109 graus, vídeo em resolução 1080p e proteção IP5 para o módulo; no entanto, essas características da câmera não foram repetidas nos comunicados de consumo de outubro, analisados pela Pandaily. O peso da armação permanece em cerca de 26 gramas sem lentes ou módulo de câmera, e há armações destacáveis previstas para diferentes estilos.

Lawaken posiciona esses óculos para uso em reuniões, inspeções externas e projetos multithreaded. Assim como em outros dispositivos vestíveis de inteligência artificial, a eficiência da bateria, a precisão da transcrição e a confiabilidade dos agentes dependerão do uso real fora das alegações laboratoriais.