AI news

Genspark 发布 VoicePad,探索工位上的语音 AI 入口

By Founder Park1 viewsSource: Founder Park
Genspark 发布 VoicePad,探索工位上的语音 AI 入口

Genspark 发布第二款硬件 SecondBrain VoicePad,这款配备五个自定义按键的 AI 语音设备支持语音输入、调用 Super Agent 和会议录音,并将采集内容汇入 SecondBrain。

The full text has not been translated yet. The Chinese original is shown below.

10 月 29 日,Genspark 发布了公司的第二款硬件 SecondBrain VoicePad。

这是一台可以在办公室使用的 AI 语音设备,自带麦克风,按下听写键可以直接进行语音输入;按下其他按键,可以打开指定的 App 比如 ChatGPT 等、调起 Genspark 的 Super Agent,或者开始一场会议的录音和纪要。五个按键的功能都可由用户自己定义。

据 Genspark 介绍,SecondBrain VoicePad 官方零售价为 169 美元,早鸟价 99 美元,将于今年 11 月开放早鸟预订,11 月底至 12 月在 Kickstarter 启动众筹,之后正式发售。

文章配图

三个月前,Genspark 刚发布了第一款硬件,卡片形态的 AI 录音设备 SecondBrain Note。今年以来,Genspark 一直在扩展自己的用户场景:7 月随 AI Workspace 6.0 发布首款硬件 SecondBrain Note,8 月份开源本地办公软件 GenOffice,再到这次的 VoicePad。

作为一家以应用和 agent 为核心的公司,Genspark 的 Super Agent 上线 12 个月内 ARR 从零做到 2.5 亿美元,目前估值 26 亿美元。在三个月里连续做两款硬件,第二款看上去还是一个「语音键盘」,Genspark 最终所瞄准的,肯定不是在硬件市场分一杯羹。

想要的,可能还是覆盖尽可能多的上下文的场景,在用户本来就要开口、有需要的地方,放一个 AI 入口。

VoicePad 官网:https://shop.genspark.ai/pages/voicepad

01

硬件补的是软件「收集不到」的线下场景

从早期的 Deep Research、Super Agent 到后来的 AI Slides、AI Docs,Genspark 一直在做一件事:让 AI 从回答问题走向直接交付工作结果。但要让 Agent 交出一份真正能用的方案或报告,光靠模型能力不够,关键在于能掌握多少用户的上下文。

今年 7 月发布 AI Workspace 6.0 时,Genspark 把工作记忆层 SecondBrain 放到了整个工作区四层架构的最底部(往上依次是 Super Agent、Build / Office / Content 三组套件和 GenTeam),向所有用户开放。用创始人景鲲在发布时的说法,大模型就像「只有金鱼记忆的天才」,聊天产品里的记忆大多只记住语气和偏好,价值在一次对话结束时就停了。SecondBrain 要做的是「AI 能拿来真正干活的记忆」,让工作区里的所有 Agent 都能基于同一份背景信息协同工作。

在 Genspark 的架构设计里,SecondBrain 的数据来源分为三层。

最底层是基础的数据底座。Genspark 把文档和文件管理这两类最基础的工作数据自己重做了一遍,基本上是在 SecondBrain 里重写了一个 Notion 和 Google Drive,再配合 8 月开源的本地客户端 GenOffice,让用户日常的工作产出不必再散落在几个外部 SaaS 里,可以直接长在 SecondBrain 上。

文章配图

往上一层是数据连接器,通过接入 Gmail、Outlook、Google Calendar、Slack、Notion 等个人的办公软件,用户在其他线上工具里产生的邮件、聊天、日程和线上会议记录被汇总进来,连同用户在 Genspark 里做过的项目和上传的文件一起沉淀为长期记忆。

但这两层解决的都是线上数据。在真实的办公环境里,还有大量关键信息发生在屏幕之外:会议室里的当面讨论、走廊上顺口定下的结论、工位旁口头确认的细节。这些信息不会自己变成文字,市面上也没有任何软件连接器能够拿到。

硬件就是填补这个缺口的触角,它把 SecondBrain 的采集能力从线上延伸到了真实的办公现场。

在 Genspark 团队看来,软件连接器和硬件设备采集到的上下文,最大的差别不在格式,而在时机。连接器拿到的是已经写成文字、有结构、事后随时能够检索的内容。硬件拿到的则是还没被写下来的那部分现场信息,那些内容如果当场不采,之后就不存在了。

设备决定了 SecondBrain 是只知道你在电脑上做了什么,还是知道你这一天到底发生了什么。

也正因此,Genspark 做硬件,核心服务的其实是 Genspark 的已有用户。一方面减少他们在工作流里调用 Genspark 的步骤,让同一个用户在更多场景里用上自家的服务。另一方面,让 SecondBrain 在真实工作场景里持续拿到别处拿不到的高质量上下文。

还有,Genspark 今年推出的两款硬件,其实是沿着用户的实际办公场景来分工的。在团队内部,划分两款产品的依据不在功能,而在两件事,人在什么姿势下用它、它对着谁。

SecondBrain Note 是会议设备,采用卡片加卡包的形态,吸在手机背面随身带着,开机就是录一场会。它面对的是「一群人坐在一起说话」的场景,采集的是会议这种高密度、多人、有结构的语音上下文,产出纪要后直接存入 SecondBrain。

VoicePad 则是工位设备,放在办公桌上,五个按键,按下去就对着电脑说话。它面对的是「一个人对着自己的工具说话」的场景,采集的是日常高频、碎片化、一个人向 AI 交代任务和思考的上下文,直接转化成输入和指令,送进 Super Agent、Slides 和 Speakly。两款产品在功能上有一点重叠,但在场景上各自覆盖了办公室里最核心的两个开口时刻。

02

说话,

正在成为人类和 Agent 工作的新方式

都是语音键盘,VoicePad 为什么做成「五个自定义按键 + 近场语音」的形态?这背后是 Genspark 对办公交互变化的判断,在用户本来就要开口的地方,把设备放进去。

当下很多人的办公方式,正从单纯的语音输入,变成语音加文字的混合办公。现在给 agent 派活,要交代的是背景、目标、约束和偏好,把一件事说清楚需要的字数变多了。说话的时候,人会自然地把这些讲出来,打字时则会下意识地压缩。Karpathy 去年初提出 vibe coding 时就说,他基本是对着编辑器说话,很少碰键盘。Genspark 内部也已经是这样,团队说公司里「基本上都用语音跟电脑说话安排各种工作了」。

对于语音在办公场景里的位置,Genspark 团队的判断很明确:语音会变成发起动作的主要入口,但不会是唯一入口。

在办公场景里,语音最擅长的是把「描述意图」的成本降到最低,一段话能说完的事,不必再敲两百个字。而面对精确的、私密的、需要反复推敲修改的内容,键盘仍然更好用。团队的判断是,未来三五年大部分任务会先用嘴发起,再用键盘做最后微调。

文章配图

所以 VoicePad 最先面向的,是一天要输入很多字的人,频繁给同事发消息、给 agent 写 prompt 的白领,以及开发者。Genspark 认为开发者是这轮变化里最明显的一批人:写代码越来越多地变成描述意图,一句话说清要什么,agent 去写,打字的比重在下降,把话说清楚的比重在上升,「而把话说清楚需要的输入方式,和敲代码需要的不是同一个」。

VoicePad 还有一个容易被忽略的设计。五个按键可以绑定 ChatGPT、Claude、Gemini,也可以绑定飞书、微信和邮箱,按下就能对着这些应用的输入框说话。

这个设计来自一个很直接的观察,用户对着电脑说话的时候,并不总是在跟 Genspark 说话。他可能在 ChatGPT 里问一个问题,在 Claude 里改一段代码,在 Gemini 里查一份资料,也可能在飞书、微信或邮箱里回一条消息。如果 VoicePad 只能对 Genspark 说话,那在这些时刻它就只能在桌上闲置着,而这些时刻加起来恰恰是一天里的大多数时间。

在 Genspark 团队看来,语音输入本来就不该属于某一个产品,「它是人和机器之间最自然的一种方式,用户在哪儿开口,设备就该在哪儿。」

从产品策略看,这是用开放换位置。只要用户养成了不管是写代码、查资料还是回消息,都先拿起 VoicePad 开口的习惯,入口的争夺,就从「用户先打开哪个应用」,前移到了「用户的话先经过谁」。

03

Agent 时代,

设备生长在场景里

把今年先后发布的 SecondBrain Note、VoicePad 以及后续可能的形态串在一起,可以看到 Genspark 围绕 Agent 工作流规划硬件的一条主线。

当 Agent 能够端到端完成任务之后,人和 AI 之间的分工发生了变化。人从操作软件,变成描述意图和做判断。

原来的电脑、键盘和手机都是为「人操作软件」造的,它们的输入是短指令和点击,输出在屏幕上,中间那一层「你说了什么」既没有被持续记下来,也没有直接交给 Agent 的通路。因此,Agent 工作流对设备提出了新要求:能随时开口、能长时间记录、能被 Agent 直接读取。

SecondBrain Note 解决的是会议里的长时间记录,VoicePad 解决的是工位上的随时开口,两者采到的内容都进入 SecondBrain,由 agent 读取和使用。

Genspark 把硬件当作一个完整的设备家族来规划。它们之间的分工逻辑不按价格或人群划分,而是按场景分工:会议、工位、移动。

在这套版图里,卡片形态的 Note 负责会议,键盘形态的 VoicePad 负责工位。至于目前还空着的「移动」场景以及未来可能出现的新形态,内部的判断标准只有一条,它能不能覆盖一个现在采不到上下文的场景。团队明确表示,未来设备不会只停留在采集和触发的角色上。

这样的路线也和 Genspark 对竞争的判断有关。头部模型之间的差距在缩小,Genspark 自己在产品里接入了几十个第三方模型,9 月又在 Slides 场景训练了第一个自有模型 Gen-1 Slides。在这样的场景里,谁能在用户工作的每一个真实场景里拿到上下文,谁的 Agent 就更懂人,也更能把活干完。

自建的文档底座、各类软件连接器、GenOffice 这样的本地客户端,加上两款硬件,都是 Genspark 在不同位置收集上下文的方式,VoicePad 是其中离人最近的一个。

文章来自于微信公众号 “Founder Park”,作者 “Founder Park”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)