Голосовой ассистент — это система, позволяющая пользователю взаимодействовать с сервисом или устройством посредством устной речи, а не текстового ввода. Технически это обычно конвейер из нескольких компонентов: сначала речь пользователя преобразуется в текст (STT — распознавание речи), затем текст обрабатывается моделью для понимания запроса и формирования ответа, и наконец текстовый ответ преобразуется обратно в устную речь (TTS — синтез речи).
Ранние голосовые ассистенты были ограничены обработкой заранее заданного набора команд и фраз. Современные голосовые ассистенты всё чаще строятся на основе крупных языковых моделей, что позволяет им поддерживать более естественный, свободный диалог и отвечать на широкий круг вопросов, а не только выполнять фиксированный набор команд.
В корпоративных сценариях голосовые ассистенты активно применяются в колл-центрах для автоматической первичной обработки звонков клиентов и в голосовом управлении устройствами и приложениями.