语音 AI 融资暴增 8 倍：人声逼真度大涨，客服全面进军电话线

以前大家接起客服电话，只要听到对面那股带着金属味的机械腔，第一反应都是连按「0」找人工。

现在情况反过来了。风投机构 Andreessen Horowitz（a16z）指出，语音 AI 已经走出纯概念阶段，甚至在呼叫中心等一线岗位上比真人更靠谱。

资本市场的反应最直观。CB Insights 的数据显示，语音 AI 初创公司在去年拿下了 21 亿美元融资，比起前年直接翻了 8 倍。这当中包括 ElevenLabs 单轮拿下的 1.8 亿美元。

让人听不出破绽的底气

语音之所以难做，是因为日常说话充满了插嘴、口误、方言和俚语，天生就是非结构化的混乱数据。a16z 合伙人 Olivia Moore 认为，语音是有史以来第一次被 AI 彻底「代码化」了。

底层的技术突破是关键推手。过去一年里，OpenAI 推出了基于 GPT-4o 的实时语音接口，ElevenLabs 上线了对谈 AI 并在上个月升级到 2.0，Kyutai 和 Speechmatics 也把全双工实时通话推向了生产环境。

技术变强的同时，调用成本还在断崖式下跌。去年 12 月 OpenAI 把相关 API 成本最高砍掉了 87.5%，延迟也降到了可以随时打断的程度。

保险平台 eHealth 数字化高管对《华尔街日报》透露，很多客户如今已经完全分辨不出电话对面到底是不是真人。

年轻一代的习惯也变了。PYMNTS 的调查显示，有 30.4% 的 Z 世代和 27.6% 的千禧一代，每周都会直接通过语音下单词购物，全年龄段的平均比例也达到了 17.9%。

餐饮和医院抢着换上 AI 员工

企业端正在加速用语音把客服彻底换掉。今年 3 月，旗下拥有肯德基、必胜客和塔可钟的百胜餐饮宣布与英伟达合作，在呼叫中心部署语音 AI 来扛高峰期订单。

连锁快餐 Jersey Mike's 已经在 50 家门店用 SoundHound 的语音系统接单。SoundHound 还把这套方案搬进了医疗领域，联手 Allina Health 推出了名为 Alli 的语音助手，负责处理患者挂号，后续还会承接续药和非临床咨询。

按照 a16z 的梳理，现在企业最喜欢拿语音 AI 堵住三处漏洞：深夜和周末无人接听的溢出电话、主动拨打的获客与回访电话，以及跟供应商对接的后勤通话。

不过砸牌子的风险同样存在。麦当劳之前和 IBM 合作测试语音点餐，结果因为屡屡听错需求、点出荒谬菜单的视频在网上病毒式发酵，最终不得不直接叫停项目。

为什么重要

我们认为，语音 AI 正在经历从玩具到工业级基础设施的转折。过去聊天机器人只能躲在网页右下角等用户打字，而电话是所有商业流程里转化率最高、但也最重人力的渠道。如果对话延迟和自然度彻底解决，最先受益的是那些被夜班客服或预约电话拖垮的小商户与诊所。

聪明的初创公司没有一上来就做全知全能的超级助理，而是像 a16z 所说的那样，把语音当作撬开企业服务的切入点。先用低风险的查订单、订位置站稳脚跟，再把手伸向更深层的业务系统。

不过翻车的代价也非常惨痛。文字客服胡说八道可能只有一个人看到，而在电话或汽车穿梭餐厅里犯蠢，很容易被录下来变成全网笑料。接下来比拼的绝不仅仅是谁的模型声音更甜美、延迟更低，而是面对含糊不清的口音和突发状况时，模型到底懂不懂得及时刹车转人工。