语音AI还没有迎来它的“ChatGPT时刻”

资本狂热与技术现实之间的落差

“语音将成为下一个重要交互界面”这一理论正获得强劲动力，投资者已向语音AI初创公司投入数十亿美元，覆盖范围从模型制造商到企业客服提供商，从会议记录工具到AI驱动的听写应用。每周都有新的模型或工具发布，声称能够像人类一样发声和对话。然而现实情况可能并非如此。

全双工模型只是起点

企业级语音AI平台PolyAI的首席技术官Shawn Wen认为，尽管全双工模型（可以在倾听用户的同时进行说话）已经发布，但语音AI尚未迎来它的“ChatGPT时刻”。“我们已经达到了开发全双工模型的里程碑，下一个挑战是让推理速度非常快，这样模型才能快速获取答案，对话才会感觉自然，”他在上个月HumanX大会的舞台上表示。

客服AI需要让用户有信心

Shawn Wen还指出，客服场景中的AI代理不应听起来机械生硬，而应该给来电者足够的信心。这意味着语音AI不仅要能听会说，还要在响应速度和对话体验上真正接近人类水平，才能实现大规模落地。