Det finns två nyckelkomponenter för Mix: den första är tal-till-text-funktioner som konverterar slutanvändares talade ord till text som kan matas in i programvara. Det andra är ett system som låter utvecklare modellera hur deras användare ska interagera med en enhet så Mix kan skicka kommandon från användarens tal till en applikation.

Modellutvecklarna skapa med Mix är specifikt för vad de bygger. De skapar en uppsättning avsikter och en grupp begrepp inom dessa avsikt så att ett system kan tolka "sätt min termostat att svalna för nästa vecka" som en situation där användarna vill manipulera sin termostat och tillämpa en viss inställning.

Använda en applikationsspecifik interaktionsmodell hjälper till att skapa bättre produkter. IoT-enheter behöver inte känna igen hela språket för engelska tal, bara en delmängd kommandon som är knutna till vad enheten ska göra.

När utvecklare har satt upp en modell kan den sedan lära av användarnas talmönster för att förbättra och morph utifrån hur människor faktiskt driver en produkt. Utvecklare har fullständig kontroll över vilka anonymiserade taldata som matas tillbaka till sina modeller också.

Enligt Kenn Harper kommer ledningsdirektören för mobila enheter på Nuance, Mix, så småningom att finnas tillgänglig i flera prissättningsnivåer, inklusive en som tillåter utvecklare att bara betala när de går för vad de behöver med minimal support och en annan som inkluderar ett högre partnerskap mellan Nuance och en slutkund.

Företagets satsning är ganska tydligt: ​​Nuance tycker att det kan göra mycket pengar på företag som inte vill betala för att utveckla sin egen talfunktion internt. Det spelar ingen roll om det är hobbyvirksomheter som bara börjar komma undan och lanserar produkter på Kickstarter eller om de är stora, etablerade spelare.

Det som återstår att se är hur villiga företag ska betala för de nya möjligheterna (även om Nuance Mix är gratis för teständamål under beta-perioden) för att stärka sina enheter.