YourStory совместно с Google Cloud India запустила хакатон по голосовому ИИ с призовым фондом в 8 лакх рупий
Подробнее
YourStory [india, en]
yourstory.com

YourStory совместно с Google Cloud India запустила хакатон по голосовому ИИ с призовым фондом в 8 лакх рупий

Развитие голосового искусственного интеллекта (Voice AI) трансформировало инструменты общения в интеллектуальные интерфейсы, способные выполнять действия. Это открывает перед компаниями новые возможности для оптимизации операций, улучшения взаимодействия с клиентами и достижения роста. Голосовой ИИ помогает бизнесу работать, общаться с потребителями и достигать поставленных целей, например, позволяя полевым командам получать доступ к корпоративной информации без использования рук или совершать транзакции посредством голосовых команд.

Чтобы стимулировать создание практических решений на основе Voice AI, технологический партнер Google Cloud, YourStory и Hack2skill организовали виртуальный хакатон под названием «Build with Gemini – Shape What's Next». Цель мероприятия — способствовать практическому внедрению стека Gemini среди работающих специалистов по всей Индии.

Хакатон приглашает разработчиков, инженеров по ИИ/МО, специалистов по данным и технических основателей для определения бизнес-проблем и разработки функциональных прототипов голосового ИИ с использованием Gemini. Участники могут подавать заявки индивидуально или в командах до четырех человек. Важно отметить, что студенты и неработающие специалисты не имеют права участвовать в данном раунде.

Прием заявок и представление идей открыт до 3 декабря 2026 года. Участники должны представить идею, которая решает одну из четырех предложенных проблем. Командам, прошедшим отбор, будет предоставлено 100 долларов США в виде кредитов Google Cloud для разработки прототипов и создания демонстрационного видео продолжительностью от одной до двух минут.

Хакатон сосредоточен на создании решений Voice AI, которые выходят за рамки простого ответа на вопросы, включая извлечение информации, выполнение задач и принятие мер через связанные системы. Участники могут выбрать один из четырех тематических направлений:

  • Агент корпоративных знаний, управляемый голосом: Необходимо создать агент в реальном времени, который помогает сотрудникам находить информацию из различных корпоративных источников, таких как документы, тикеты поддержки, вики проектов и чаты. Агент должен поддерживать региональные языки и кодовое переключение речи, извлекать данные на разных языках и предоставлять ответы, основанные на корпоративных данных. Он также должен уметь выполнять действия через подключенные системы, например, создавать заявки, проверять запасы или обновлять записи.
  • Автоматизация рабочих процессов с помощью голоса: Этот конкурс посвящен использованию голосовых инструкций для выполнения бизнес-задач без необходимости навигации по формам или веб-сайтам. Участники должны разработать рабочие процессы, управляемые голосом, которые преобразуют многоязычные голосовые команды в действия в API, реестрах, базах данных или системах учета. Решение должно координировать несколько шагов, обрабатывать исключения и предусматривать участие человека при необходимости утверждения или принятия решения. Возможные области применения включают регистрацию посещений на местах, фиксацию доставок, бронирование услуг и подачу претензий.
  • Голосовые агенты для клиентов и первой линии: Задача состоит в разработке агента в реальном времени, который напрямую взаимодействует с клиентами или оказывает помощь сотрудникам первой линии во время живого общения. Агент должен понимать намерения, контекст и эмоциональный фон; извлекать нужную информацию и выполнять задачи, такие как бронирование слота, проверка заказов или создание заявок в службу поддержки. Он должен функционировать на разных языках и включать механизм передачи дела человеку в ситуациях, требующих суждения.
  • Открытые инновации: Реальный голосовой ИИ с Gemini: Эта категория позволяет участникам выявить организационную проблему или возможность в любой отрасли и разработать решение на базе голосового ИИ. Агент обязан использовать Gemini для понимания и рассуждения над голосовым вводом, включая индийские языки и кодовое переключение речи, а также связывать этот ввод с действиями через API, реестры, базы данных или системы учета.

Во всех четырех категориях ожидается, что участники продемонстрируют естественное взаимодействие с низкими задержками, способность работать с региональными языками, умение справляться с прерываниями и фоновым шумом, а также способность выполнять действия на бэкенде. Прототипы также должны демонстрировать измеримую ценность по таким параметрам, как сэкономленное время, выполненные задачи, улучшенная точность, охват языков или стоимость одного взаимодействия.

Хакатон проходит в семиэтапном процессе, который начинается с бесплатной регистрации и подачи идеи. Команды, прошедшие отбор, получают кредиты Google Cloud и переходят к фазе разработки, где они создают прототипы с использованием Gemini и представляют демо-видео. Участники получат доступ к наставничеству от отраслевых экспертов, консультациям и управляемым сессиям от практиков Google Cloud и Hack2skill.

Представления будут оцениваться в два этапа. Процесс включает скрининг идей с помощью ИИ и ручной отбор, технический предварительный отбор, оценку по рубрике и финальный раунд жюри с участием экспертов Google Cloud. Критерии оценки включают сферу применения и ее влияние на бизнес, эффективное использование возможностей Gemini Enterprise, качество и реализацию продукта, инновационность, презентацию и пользовательский контент.

Общий призовой фонд хакатона составляет 8 лакх рупий, и восемь победивших команд будут выбраны из единого национального пула. Все отобранные команды получат 100 долларов США в виде кредитов Google Cloud для поддержки разработки прототипов. Каждая команда, представившая действительный прототип, получит электронный сертификат. Отобранные участники также могут увидеть свою работу на каналах YourStory и Hack2skill.

Похожие сюжеты

Стартап Dreamteam, основанный бывшими руководителями Freshworks, привлек $53 млн для разработки CRM на базе ИИ
Подробнее
yourstory.com

Стартап Dreamteam, основанный бывшими руководителями Freshworks, привлек $53 млн для разработки CRM на базе ИИ

Компания Dreamteam, стартап в сфере управления взаимоотношениями с клиентами (CRM) с использованием искусственного интеллекта, основанная бывшими сотрудниками Freshworks, привлекла финансирование в размере 53 миллионов долларов США. Инвестиции поступили от Together Fund, Accel и Premji Invest.

Dreamteam была основана в 2025 году Ананд Венкатраманом, Рамешем Партасарати и Сентилом Кантасвами. Штаб-квартира компании расположена в Калифорнии, а основная инженерная команда находится в Ченнаи. Компания разрабатывает технологическую платформу, способную понимать контекст клиента и обеспечивать работу специализированных ИИ-помощников.

Ананд Венкатраман, соучредитель и генеральный директор Dreamteam, отметил, что традиционные CRM системы не могли предоставить полную картину клиентов, поскольку самые ценные сведения часто находились вне этих систем. Он добавил, что искусственный интеллект позволяет изменить эту основу, позволяя Dreamteam обучаться на текущей работе команды, поддерживать контекст и предоставлять продавцам квалифицированных ИИ-коллег для продвижения сделок. Таким образом, продавцы и руководители могут сосредоточиться на отношениях, суждениях и закрытии сделок, пока Dreamteam занимается всем остальным.

Согласно заявлению Dreamteam, их технологическая платформа используется компаниями из различных отраслей, включая здравоохранение, консалтинг, производство, онлайн-медиа и сферу ИИ.

Гириш Матрубутам, основатель Together Fund, первого институционального инвестора в Dreamteam, заявил, что CRM является одной из крупнейших категорий программного обеспечения, готовых к радикальным изменениям. Он подчеркнул, что работал с основателями Dreamteam с самого начала, наблюдая, как формируется их видение CRM на основе ИИ. По его словам, глубокий опыт команды в области CRM и доказанный опыт масштабирования корпоративного программного обеспечения дают им уникальные возможности для этого переосмысления.

В планах Dreamteam — расширить свой уровень интеллектуальности за пределы продаж, охватив весь жизненный цикл клиента, включая поиск клиентов, онбординг, поддержку клиентов и допродажи. Кроме того, компания предлагает Magic Apps, которая позволяет пользователям бизнеса создавать индивидуальные приложения и панели мониторинга, используя естественный язык без необходимости писать код.

Шехар Кирани, партнер Accel, отметил, что в эпоху ИИ огромное преимущество имеют те компании, которые глубоко понимают своих клиентов. Он указал, что сегодня каждый член команды видит разную версию клиента, поскольку централизованной системы, хранящей всю информацию, не существует. Dreamteam занимается созданием такой системы с помощью агентов ИИ.

Naren Kachroo из Google Cloud представил развитие голосового ИИ на конференции TechSparks 2026
Подробнее
yourstory.com

Naren Kachroo из Google Cloud представил развитие голосового ИИ на конференции TechSparks 2026

Naren Kachroo, руководитель отдела продаж и GTM AI в Google Cloud, заявил, что наиболее ценным искусственным интеллектом является тот, который способен полностью выполнить поставленную задачу. Он подчеркнул, что ценность создается только тогда, когда задача действительно завершена с помощью ИИ.

На мероприятии TechSparks 2026, во время демонстрации продукта под названием «Голосовой ИИ в действии», Kachroo продемонстрировал последние голосовые модели Google, примеры использования у клиентов и живую демонстрацию, разработанную для малого бизнеса. Его основная мысль заключалась в том, что голос становится основным способом взаимодействия людей с ИИ, и в Индии этот переход произойдет на местных языках и акцентах.

Kachroo отметил, что индустрия отошла от концепции генеративного ИИ исключительно как инструмента для вопросов и ответов. Он пояснил, что фокус сместился на ИИ, который имеет доступ к данным, инструментам и возможностям, позволяющим действовать от имени человека.

Компания Google недавно представила Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking. Модель Gemini 3.8 Live способна распознавать и переключаться между 97 поддерживаемыми языками в рамках одного разговора. Kachroo объяснил, как предприятия могут выбрать между этими двумя моделями.

Модель Gemini 3.8 Live подходит для более простых задач, связанных с диалогом и агентскими функциями, например, для голосового чата с базовым вызовом инструментов. В то время как Extended Thinking предназначен для диалогов, требующих более глубокого рассуждения, переключения контекста и выполнения нескольких шагов. Также он упомянул, что Extended Thinking обходится дороже за токен.

Обе модели являются моделями типа «голос в голос», обрабатывая речь как входные, так и выходные данные в рамках одной системы. Для разработчиков, которым требуется только одна часть этого процесса, Google также предлагает отдельные модели для преобразования текста в речь, речи в текст и живого перевода.

Kachroo сообщил, что последняя модель Gemini для преобразования текста в речь показала высокие результаты в внутренних тестах Google с использованием индийских языков, акцентов и тональности. Он провел серию коротких демонстраций, чтобы показать спектр возможных сценариев использования.

В первом примере помощник Shopify, Sidekick, пошагово помог продавцу подключить домен через административную панель Shopify. Во втором примере голосовой агент забронировал столик в ресторане на восемь человек. В процессе звонка вызывающий спросил, разрешен ли торт, поделился фотографией из отзывов Google, чтобы узнать, является ли блюдо вегетарианским, и запросил информацию о других вегетарианских вариантах перед подтверждением бронирования. Этот второй сценарий требовал от агента отслеживания контекста на протяжении нескольких ходов диалога, запоминания предпочтений и выполнения нескольких вызовов инструментов, что, по словам Kachroo, идеально соответствует Extended Thinking.

Он также продемонстрировал Live Avatar, которая объединяет живой голос Gemini с генерацией видео в реальном времени и синхронизацией губ, позволяя пользователям видеть анимированное лицо, а не только слышать голос. Google недавно предоставил Live Avatar бизнесам через Gemini Enterprise, маркируя генерируемый аудио- и видеоконтент невидимым водяным знаком SynthID. Citi выступило в качестве пилотного клиента: его помощник Citi Sky, созданный с использованием технологии аватара в реальном времени от Google DeepMind и Gemini Live API, помогает клиентам из сферы благосостояния США принимать решения, например, относительно погашения сертификата депозита.

Kachroo отметил, что Gemini 3.8 Live имеет самую низкую стоимость за ход среди сопоставимых моделей, а Extended Thinking устанавливает отраслевые стандарты качества преобразования речи в речь. Google заявила, что Extended Thinking набрал 82.6 балла по индексу качества преобразования речи в речь от Artificial Analysis, что является самым высоким показателем.

Он уточнил, что низкая цена обусловлена тем, что Google управляет всем стеком самостоятельно — от чипов TPU и инфраструктуры до самих моделей и приложений, передавая полученную эффективность клиентам. Это позволяет Google предлагать как высококачественную модель, так и более экономичную рабочую лошадку.

В качестве примеров использования голосового ИИ Kachroo привел двух клиентов: Autotrader, который использует эту технологию для покупки и продажи подержанных автомобилей, и Equal AI, индийский стартап, чей помощник отвечает на звонки и обрабатывает их до того, как пользователь возьмет трубку.

Центральным элементом сессии стала живая демонстрация помощника для микро-, малых и средних предприятий (МСП), которую команда Kachroo разработала примерно за один день. Это крупный потенциальный рынок: по данным министерства МСП, на портале Udyam правительства зарегистрировано более 7,8 крора предприятий по состоянию на февраль 2026 года. Kachroo заранее предупредил об одном риске: он запускал демо через мобильный хотспот после того, как не смог подключиться к сети отеля.

Демонстрация включала вымышленную компанию по производству средств защиты и ее владельца, Раджеша, который только что получил около 500 шлемов. Общаясь с помощником, Раджеш спросил, сколько у него есть потенциальных клиентов для шлемов. Помощник нашел двух: строительную фирму в Мумбаи, которой нужно было 500 шлемов, и хозяйственный магазин в Агре, которому нужно было 50. Раджеш поручил помощнику отбросить меньший заказ, отправить коммерческое предложение покупателю из Мумбаи и позвонить ему для заключения сделки. Он установил одно условие: цена должна оставаться выше 400 рупий за шлем, и помощник мог оформить заказ без повторного одобрения. Затем помощник позвонил покупателю и провел переговоры на хинди. Kachroo отметил, что помощник сохранил контекст из внутреннего разговора с Раджешем при внешнем звонке, вел переговоры от имени компании и закрыл сделку.

Этот сквозной процесс, по мнению Kachroo, и является направлением развития голосового ИИ. Он считает, что с моделями 3.8 Live предприятия теперь могут интегрировать голосовых агентов в свои процессы, которые самостоятельно выполняют задачи. Kachroo добавил, что этот помощник мог бы вести такой же разговор на тамильском, телугу, малаялам, каннада, маратхи и других языках. Он подчеркнул, что это важно, поскольку индийский потребитель все больше ориентируется на голосовое взаимодействие. Сам Gemini Live теперь поддерживает более 25 индийских языков и диалектов. Согласно отчету IAMAI-Kantar Internet in India 2024, 98% из 886 миллионов активных интернет-пользователей Индии получали контент на индийских языках, а один из пяти использовал голосовые команды для выхода в сеть.

«Я считаю, что голос — это будущее», — заключил он. Он добавил, что голосовой ИИ в Индии должен быть адаптирован к языкам, на которых говорят люди, к их акцентам и к тому, к чему они привыкли. Kachroo сообщил, что у Google DeepMind есть команда в Бенгалуру, занимающаяся исследованиями голоса с акцентом на индийские акценты и культурные нюансы. Google также финансирует Проект Ваани, который реализуется Индийским институтом науки и ARTPARK, и который открыл более 31 000 часов речи на 105 языках из 165 округов.

В завершение Kachroo призвал основателей и разработчиков протестировать модели, использовать опыт и делиться обратной связью, включая информацию о том, что не работает, чтобы команды исследований и разработки Google могли их улучшить. Его более широкая мысль заключалась в том, что голосовой ИИ готов перейти от простого общения к фактическому исполнению, и Индия, благодаря своему разнообразию языков и ориентации пользователей на голос, является одним из рынков, где этот сдвиг будет протестирован в первую очередь.

ByteDance планирует запустить помощника с искусственным интеллектом, схожего с Muse от Meta
Подробнее
technode.com

ByteDance планирует запустить помощника с искусственным интеллектом, схожего с Muse от Meta

Согласно сообщению IT Home от среды, ссылающемуся на Bloomberg, ByteDance намерена представить голосового помощника, аналогичного Muse от Meta, в ближайшие недели.

Соучредитель ByteDance Чжан Иминг представил этот план на внутреннем совещании с командой по искусственному интеллекту компании, как сообщают источники, знакомые с обсуждением.

Компания Meta запустила Muse в сентябре как голосового помощника с анимированным аватаром и планирует интегрировать его в такие устройства, как умные очки. В настоящее время ByteDance использует чат-бот Doubao и продает доступ к своим моделям генерации видео Seedance. Новый помощник позволит расширить ассортимент потребительского ИИ у ByteDance.

Во время совещания Чжан отметил, что ByteDance способна конкурировать с OpenAI и Anthropic, однако он прогнозировал, что достижение их уровня займет время — до 2029 или 2030 года. Он также указал на недостаток данных для предварительного обучения и настоятельно призвал команду снизить зависимость от дистилляции, метода, при котором одна модель обучается на результатах работы другой модели.

Популярное