ElevenLabs 升级对话式 AI：支持语音与文字混着用，报邮箱不再靠嘴念

对着语音助手报一长串复杂的订单号或者邮箱，大概是很多人在客服场景里最崩溃的时刻。只要一个字母被听错，后面的流程全得推倒重来。

ElevenLabs 在其 Conversational AI 平台上给出了一个很直接的解法：把纯语音互动升级为文本和语音同时处理的多模态能力。以后和它的 AI 代理交流，你既可以开口说话，也可以随手打字。

报不出邮箱，那就直接敲键盘

纯语音交互虽然自然，但在真实的业务落地里经常碰壁。ElevenLabs 在官方公告里提到了两个最常见的翻车场景：一个是转录不准，比如邮箱、用户 ID 或者快递单号这种字母加数字的混合信息，听写一旦出错，就会直接调出错误的客户档案；另一个是输入太繁琐，让用户对着麦克风念长串卡号，体验很差而且极易出错。

现在，AI 代理可以同时接收并理解语音和键盘文字。也就是说，你可以全程和它聊着天，但遇到一长串字母或不想念出来的敏感数字时，直接在同一个界面里敲回车发给它，不需要打断当前的对话流程。

除了混合输入，开发者也可以把它直接当成普通的纯文本聊天机器人来用，按需切换。

一行代码接入，支持 32 种语言

对于开发者来说，这个功能的接入成本很低。如果在网站上使用网页挂件，只需在配置里勾选「允许文本输入」，贴上一行 HTML 就能上线。

如果是深度定制，ElevenLabs 也提供了完整的 SDK 和支持实时双向通信的 WebSocket 接口。新能力依托其原有的底层设施，支持 32 种以上语言的高质量语音合成与识别，并且继续兼容 Twilio 和 SIP 电话线路系统。

为什么重要

我们认为，ElevenLabs 这次退半步的思路非常聪明。过去一两年，很多语音 AI 创业公司都在执着于追求全流程纯语音的科幻感，试图完全消灭键盘。但在客服和实际生产环境里，单纯靠耳朵听往往效率低下。给语音代理配上一个输入框，不仅没有降低技术水准，反而彻底解决了精准录入的核心痛点。

对企业和开发者来说，这意味着客服场景的完成率和准确率会有肉眼可见的提升。用户不用再对着手机一遍遍大声重复自己的邮箱后缀，直接复制粘贴过去就能继续对话，这会让原本容易卡壳的业务流变得顺畅得多。如果你正在用 ElevenLabs 搭建网页客服或咨询助理，这个配置非常值得第一时间打开试一试。

对整个行业而言，这看起来也是语音代理走向实用主义的一个明确信号：抛开纯粹的噱头，多模态不是为了秀技术，而是哪种输入更精准、更舒服，就让用户用哪种。