所有大型 AI 語音模式都是由愚蠢的模型驅動，更不用說那些設計成具有假人類對話的流暢性（例如「嗯」）的諂媚愚蠢模型，這低估了語音在管理代理中的價值。 一個適合工作的「嚴肅語音模式」將非常有用。

有更好的模型存在：AI 聲音在媒體中已經成為主流，歷經了近一個世紀。而且，星際迷航中的電腦不會在高風險任務中咯咯笑、嘆氣、說「嗯」或告訴你你有多棒，這是有原因的。

目前的 API 使得實現這種智能語音模式變得相當困難。你基本上需要使用一種工具將語音轉錄為智能模型，然後再使用另一種工具進行 TTS，這樣就沒有完整多模態語音所能實現的雙向交流和可中斷性。