语音AI尚未迎来自己的ChatGPT时刻，业界高管这样看

语音被视为下一个重大人机交互界面的观点正获得越来越多的市场认可，资本持续涌入这一赛道。然而，企业级语音AI平台PolyAI的CTO沈晟在HumanX大会上直言，尽管全双工模型已经问世，语音AI仍未迎来属于自己的「ChatGPT时刻」。他认为，当前最紧迫的挑战是大幅提升模型的推理速度，使其能够快速检索答案，让对话感觉真正自然流畅，而非机械停顿。

在企业客服场景中，沈晟强调AI语音客服不应听起来像机器人，而应让来电者建立足够的信心。他指出，当语音质量足够好、客户愿意在前两三轮对话中持续参与时，信任感会逐渐积累。一旦用户相信AI客服能够真正解决问题，他们便不再执着于转接人工服务，这才是语音AI在客服领域真正落地的关键节点。

会议记录工具Otter的CMO Alex Gay则从另一个维度阐述了语音AI的核心挑战。他认为，说话人识别、意图捕捉以及将内容与组织知识相结合，是实现会议自动化的基础能力。Otter还在探索数字分身技术，让AI代表用户出席会议。Gay强调，数字分身的语音输出必须能够传递人类在会议中的情感表达，否则只会沦为一个问答聊天机器人，无法支撑真正有价值的战略讨论与关系建立。

转录准确性是当前语音AI最突出的短板之一。沈晟指出，自动语音识别模型经常遗漏关键词，导致上下文捕捉不完整，进而影响整个处理流程。Gay对此表示认同，并强调转录从来不是Otter的终点，而是驱动生产力提升的基础层。一旦原始转录精度不足，所有后续的行动建议都将出现偏差，用户一旦发现错误便会失去对平台的信任，因此持续优化ASR模型对Otter而言至关重要。

透明度是语音AI落地过程中另一个不可回避的议题。随着越来越多的语音工具进入企业和消费者场景，如何告知用户正在被录音或正在与AI交互，成为建立信任的关键。Otter表示，即便在没有机器人直接参与的会议中，也会尝试通过聊天通知等方式告知所有参与者会议正在被记录。PolyAI的沈晟同样强调，在企业通话中明确告知用户其正在与AI交互，是负责任部署语音AI的必要前提。

要点

• 全双工模型虽已实现，但推理速度不足仍是语音AI对话体验自然化的核心瓶颈
• 转录准确性是语音AI产品可信度的基础，ASR模型的任何偏差都会放大至所有下游应用
• 数字分身等新兴应用要求语音AI不仅能传递信息，还需复现人类情感表达与关系感
• 语音AI工具必须主动告知用户录音与AI身份，透明度是建立长期用户信任的前提
• 企业客服场景中，语音AI的成功关键在于让用户在前几轮对话中建立解决问题的信心