语音智能体

general · 首次出现 2026-05-22 · 最近出现 2026-11-20 · 累计提及 78

综述

语音智能体是指能通过电话或语音接口与真人实时对话、并自主完成任务的 AI 系统,目前正处于从演示走向商业落地的关键阶段。围绕代打电话、售后处理、客服分流等场景,多家厂商近期密集发布产品,行业竞争从语音合成扩展到完整的对话调度与任务执行能力。

语音智能体的近期进展

  • Retell 营收年化破 1 亿美元,发布语音智能体模型 Tell 1:Retell 的年化营收突破 1 亿美元,并推出自研模型 Tell 1,从平台方延伸到模型层,说明语音智能体赛道已跑出可验证的商业收入。
  • Fish Audio 推出 Fish Agent:无代码搭建可接打电话的语音智能体:Fish Agent 支持无代码搭建,另一条 演示 展示了双智能体自动处理售后全流程,降低了中小企业部署门槛。
  • NVIDIA 与 ElevenLabs 扩大合作,Nemotron 模型接入 ElevenAgents 语音智能体:NVIDIA 的 Nemotron 模型接入 ElevenAgents,同时 ElevenLabs 预览 Interaction Engine,按对话复杂度调度不同模型以平衡成本与质量,并提出让用户不再按 0 找人工的愿景。
  • Scale AI 前创始人 Alexandr Wang 宣布 Muse 支持代打电话:面向美国付费用户开放代打电话功能;另有展示显示 Aurora 通过 AI 语音代理询问本地商店信息,反映个人助理方向的快速跟进。
  • 当前焦点与观察点

    语音智能体的竞争焦点正在转移:单纯的语音合成已经不足以构成壁垒,延迟控制、任务可靠性、模型调度成本成为新的比拼点。Retell 自研模型与 ElevenLabs 的 Interaction Engine 都指向同一趋势——厂商希望掌控从理解到发声的全链路。

    应用形态上出现两条路径:一是面向企业的客服与售后自动化(如 Fish Agent、Retell),二是面向消费者的代打电话服务(如 Muse)。后者也带来争议,包括商家如何识别 AI 来电、通话录制与授权的合规边界,以及真人劳动力被替代的社会讨论。

    后续值得观察:Tell 1 与 ElevenAgents 等自研/合作模型在真实通话中的表现,无代码平台能否带动中小企业规模化采用,以及监管对 AI 外呼的规范落地。

    相关报道

    10 条在档