ElevenLabs 升級對話式 AI：支援語音與文字混著用，報郵箱不再靠嘴念

對著語音助手報一長串複雜的訂單號或者郵箱，大概是很多人在客服場景裡最崩潰的時刻。只要一個字母被聽錯，後面的流程全得推倒重來。

ElevenLabs 在其 Conversational AI 平臺上給出了一個很直接的解法：把純語音互動升級為文本和語音同時處理的多模態能力。以後和它的 AI 代理交流，你既可以開口說話，也可以隨手打字。

報不出郵箱，那就直接敲鍵盤

純語音互動雖然自然，但在真實的業務落地裡經常碰壁。ElevenLabs 在官方公告裡提到了兩個最常見的翻車場景：一個是轉錄不準，比如郵箱、使用者 ID 或者快遞單號這種字母加數字的混合資訊，聽寫一旦出錯，就會直接調出錯誤的客戶檔案；另一個是輸入太繁瑣，讓使用者對著麥克風念長串卡號，體驗很差而且極易出錯。

現在，AI 代理可以同時接收並理解語音和鍵盤文字。也就是說，你可以全程和它聊著天，但遇到一長串字母或不想念出來的敏感數字時，直接在同一個介面裡敲回車發給它，不需要打斷當前的對話流程。

除了混合輸入，開發者也可以把它直接當成普通的純文本聊天機器人來用，按需切換。

一行程式碼接入，支援 32 種語言

對於開發者來說，這個功能的接入成本很低。如果在網站上使用網頁掛件，只需在配置裡勾選「允許文本輸入」，貼上一行 HTML 就能上線。

如果是深度定製，ElevenLabs 也提供了完整的 SDK 和支援即時雙向通訊的 WebSocket 介面。新能力依託其原有的底層設施，支援 32 種以上語言的高質量語音合成與識別，並且繼續相容 Twilio 和 SIP 電話線路系統。

為什麼重要

我們認為，ElevenLabs 這次退半步的思路非常聰明。過去一兩年，很多語音 AI 創業公司都在執著於追求全流程純語音的科幻感，試圖完全消滅鍵盤。但在客服和實際生產環境裡，單純靠耳朵聽往往效率低下。給語音代理配上一個輸入框，不僅沒有降低技術水準，反而徹底解決了精準錄入的核心痛點。

對企業和開發者來說，這意味著客服場景的完成率和準確率會有肉眼可見的提升。使用者不用再對著手機一遍遍大聲重複自己的郵箱字尾，直接複製貼上過去就能繼續對話，這會讓原本容易卡殼的業務流變得順暢得多。如果你正在用 ElevenLabs 搭建網頁客服或諮詢助理，這個配置非常值得第一時間開啟試一試。

對整個行業而言，這看起來也是語音代理走向實用主義的一個明確訊號：拋開純粹的噱頭，多模態不是為了秀技術，而是哪種輸入更精準、更舒服，就讓使用者用哪種。