Ну наконец-то, разработчик Modbox реализовал очевидную идею, лежащую на поверхности.

Соединить вместе Windows speech recognition, GPT-3 AI и сервис Replica, который делает обратную конвертацию из текста в речь.

Таким образом, можно общаться с нпс как с осмысленными персонажами. Т.к. все работает через облако, есть небольшой лаг.

Я, честно говоря, на заре сервисов Гугл и Амазон думал, что это будет реализовано через них, но так тоже неплохо. Ждём официальной интеграции от гигантов, и вот тогда начнется всеобщее воспитание ИИ, а к чему это обычно приводит, мы все знаем))