如今，语音技术有望迎来新的复兴，这得益于生成式人工智能和多模态交互的进步。多模态搜索是指搜索引擎或人工智能模型能够同时处理和解释多种类型的输入（例如文本、语音和图像），从而提供更准确、更符合语境的结果。
OpenAI 的持续开发包括（截至 2024 年 9 月）语音主导和 阿联酋 WhatsApp 数据 多模式 ChatGPT，通过将文本、语音甚至图像集成到无缝、直观的体验中，突破了语音助手的功能界限。Google 和 Meta 也在这一领域取得了重大进展，增强了其平台，以实现更自然、更细致的互动。
生成式人工智能的前景在于它能够理解和生成复杂的情境感知响应，而不仅仅是简单的语音命令。当与多模态人工智能（可以解释和生成多种格式内容的技术）相结合时，语音助手可能会成为我们与技术互动方式中不可或缺的一部分。至关重要的是，这些新功能可以为语音设备与消费者之间的商业互动打开大门。
但这一切对营销人员来说到底意味着什么？语音搜索是否需要单独的策略？如果需要，它意味着什么？