الصوت بدل النص: ElevenLabs تراهن على نهاية لوحة المفاتيح

لنكن صريحين: الكتابة على لوحة المفاتيح، خصوصًا الزجاجية في الهاتف الذكي، ليست سوى عكّاز نتكئ عليه. لقد ابتكرنا هذه الطريقة للتواصل مع الآلات لأن الآلات كانت غبية ولا تفهم إلا الأوامر الدقيقة. لكن في Web Summit Qatar قال الرئيس التنفيذي لـ ElevenLabs ماتي ستانيشيفسكي ما يتردد في أجواء وادي السيليكون: هذا العكّاز سيُلقى قريبًا في مزبلة التاريخ. فالصوت هو الواجهة الحقيقية الأصلية للمستقبل.

لم يأتِ هذا التصريح من فراغ. انظروا إلى ما يجري حولنا. لسنوات تدرّبنا على أن نكون «مهندسي أوامر» بارعين، نختار الكلمات بعناية لروبوتات الدردشة، لكن القطاع يغيّر وجهته بحدّة. فـ OpenAI تطلق أوضاعًا صوتية قادرة على الضحك ومقاطعتك، وGoogle تدمج Gemini في Android بحيث تتحدث إلى هاتفك بدل أن تنقر عليه. أما Apple فتجهّز، بحسب الشائعات، نسخة من Siri تتوقف أخيرًا عن كونها مادة للسخرية. وما فعله ستانيشيفسكي هو إبراز اتجاه واضح: يجب أن يختفي الحاجز بين فكرة الإنسان وفعل الآلة.

لماذا يهم ذلك الآن تحديدًا؟ في السابق كانت المساعدات الصوتية غبية؛ كانت تسمع الكلمات ولا تفهم السياق. أما اليوم، وبعد أن صار خلف «الأذنين» نموذج لغوي ضخم (LLM) قوي، فقد تغيّر الوضع. وبدأت ElevenLabs كشركة ناشئة لاستنساخ الأصوات (وأثارت ضجة في عالم التزييف العميق)، وهي تقدّم نفسها الآن كمهندس لهذا العالم الجديد. فتقنيتها تتيح للذكاء الاصطناعي ألا يكتفي بتمتمة النص، بل ينقل المشاعر والوقفات ونبرات الصوت. وهذا يزيل أثر «الوادي الغريب» ويجعل الحديث مع الآلة طبيعيًا إلى حد مخيف.

والمثير هنا هو كيف يغيّر ذلك تفاعلنا مع «العتاد». فإذا أصبح الصوت الواجهة الأساسية، فما حاجتنا إلى شاشات بقياس 6,7 بوصة؟ هذا يفتح الطريق أمام الأجهزة القابلة للارتداء التي تتعثر مبيعاتها حتى الآن (تحية لـ Humane AI Pin وRabbit R1). وربما لم تكن المشكلة في شكل الجهاز، بل في أن البرمجيات لم تكن جاهزة بعد لحوار كامل. وتحاول ElevenLabs وزملاؤها في المجال حلّ مشكلة تأخر الاستجابة، أي زمن الاستجابة (latency). فلكي يحلّ الذكاء الاصطناعي محل لوحة المفاتيح، يجب أن يرد فورًا كمحاور حيّ، لا أن يفكر ثلاث ثوانٍ في حالة الطقس.

بالطبع تبقى مسألة الخصوصية. فالتحدث إلى الذكاء الاصطناعي في المترو أو في مكتب مفتوح فكرة غير موفقة. لكن في المنزل أو السيارة أو عبر سماعات الأذن يصبح ذلك الوضع الطبيعي الجديد. إننا نعود إلى ما بدأنا به التواصل البشري، أي الكلمة المنطوقة، مع فارق أن محاورنا سيكون الآن رقاقة سيليكونية لا تتعب أبدًا وتعرف كل شيء في هذا العالم.

الخلاصة: الواجهات تصبح غير مرئية. وإذا صدق هذا التوقع، فسيتراجع تصميم التطبيقات والمواقع إلى المرتبة الثانية، وستصبح الميزة التنافسية الرئيسية هي مدى «إنسانية» صوت خدمتك وذكائه.