語音 AI 融資暴增 8 倍：人聲逼真度大漲，客服全面進軍電話線

以前大家接起客服電話，只要聽到對面那股帶著金屬味的機械腔，第一反應都是連按「0」找人工。

現在情況反過來了。風投機構 Andreessen Horowitz（a16z）指出，語音 AI 已經走出純概念階段，甚至在呼叫中心等一線崗位上比真人更靠譜。

資本市場的反應最直觀。CB Insights 的資料顯示，語音 AI 初創公司在去年拿下了 21 億美元融資，比起前年直接翻了 8 倍。這當中包括 ElevenLabs 單輪拿下的 1.8 億美元。

讓人聽不出破綻的底氣

語音之所以難做，是因為日常說話充滿了插嘴、口誤、方言和俚語，天生就是非結構化的混亂資料。a16z 合夥人 Olivia Moore 認為，語音是有史以來第一次被 AI 徹底「程式碼化」了。

底層的技術突破是關鍵推手。過去一年裡，OpenAI 推出了基於 GPT-4o 的即時語音介面，ElevenLabs 上線了對談 AI 並在上個月升級到 2.0，Kyutai 和 Speechmatics 也把全雙工即時通話推向了生產環境。

技術變強的同時，呼叫成本還在斷崖式下跌。去年 12 月 OpenAI 把相關 API 成本最高砍掉了 87.5%，延遲也降到了可以隨時打斷的程度。

保險平臺 eHealth 數字化高管對《華爾街日報》透露，很多客戶如今已經完全分辨不出電話對面到底是不是真人。

年輕一代的習慣也變了。PYMNTS 的調查顯示，有 30.4% 的 Z 世代和 27.6% 的千禧一代，每週都會直接通過語音下單詞購物，全年齡段的平均比例也達到了 17.9%。

餐飲和醫院搶著換上 AI 員工

企業端正在加速用語音把客服徹底換掉。今年 3 月，旗下擁有肯德基、必勝客和塔可鐘的百勝餐飲宣佈與輝達合作，在呼叫中心部署語音 AI 來扛高峰期訂單。

連鎖快餐 Jersey Mike's 已經在 50 家門店用 SoundHound 的語音系統接單。SoundHound 還把這套方案搬進了醫療領域，聯手 Allina Health 推出了名為 Alli 的語音助手，負責處理患者掛號，後續還會承接續藥和非臨床諮詢。

按照 a16z 的梳理，現在企業最喜歡拿語音 AI 堵住三處漏洞：深夜和週末無人接聽的溢位電話、主動撥打的獲客與回訪電話，以及跟供應商對接的後勤通話。

不過砸牌子的風險同樣存在。麥當勞之前和 IBM 合作測試語音點餐，結果因為屢屢聽錯需求、點出荒謬選單的影片在網上病毒式發酵，最終不得不直接叫停專案。

為什麼重要

我們認為，語音 AI 正在經歷從玩具到工業級基礎設施的轉折。過去聊天機器人只能躲在網頁右下角等使用者打字，而電話是所有商業流程裡轉化率最高、但也最重人力的渠道。如果對話延遲和自然度徹底解決，最先受益的是那些被夜班客服或預約電話拖垮的小商戶與診所。

聰明的初創公司沒有一上來就做全知全能的超級助理，而是像 a16z 所說的那樣，把語音當作撬開企業服務的切入點。先用低風險的查訂單、訂位置站穩腳跟，再把手伸向更深層的業務系統。

不過翻車的代價也非常慘痛。文字客服胡說八道可能只有一個人看到，而在電話或汽車穿梭餐廳裡犯蠢，很容易被錄下來變成全網笑料。接下來比拼的絕不僅僅是誰的模型聲音更甜美、延遲更低，而是面對含糊不清的口音和突發狀況時，模型到底懂不懂得及時剎車轉人工。