语音技术是 AI 应用的关键钥匙。语音是人类最常用的沟通方式，信息量也最大。现在有了 AI，我们第一次能真正让电脑理解并处理语音。这对企业和服务普通用户都有大用处。
对企业来说，用 AI 接电话比雇人划算多了——便宜、反应快、不会出错，有些时候甚至比真人做得更好。比如餐馆订位、银行客服这些需要接电话的工作，AI 语音助手可以 24 小时在线。再也不用担心时差问题（就像下午三点从美国西海岸打给东海岸的银行，照样有人接）。
对普通人来说，以后和 AI 打交道，说话应该是最自然的方式。可能是随时能聊天的智能助手，也可能是人人都用得起的语言老师——以前请不起真人外教的人，现在用手机就能练口语。现在的 AI 语音技术就像智能手机刚出来那会儿，基础功能都有了，真正好用的 App 才刚开始出现。随着技术升级，语音不会单独存在，而是会成为打开各种服务的“万能钥匙”。我们特别看好那些先用语音功能吸引用户，再慢慢做成综合服务平台的新公司。
▸ OpenAI 放出大招：GPT-4o 语音版能实时唠嗑了▸ Cartesia 公司推出真人级语音工具 Sonic
六月
▸ Character 软件试水语音通话（三百万用户狂打两千万通电话）▸ 苹果把 ChatGPT 塞进 Siri——现在叫“苹果智能”
▸ Speechmatics 家的 Flow 模型能实时对话了
▸ 亚马逊给 Alexa 装上 Claude 大脑▸ Meta 找明星录声音做 AI 朋友（想象用霉霉声音叫你起床）
▸ PlayHT 和 Hume 两家都升级了 2.0 版模型
▸ OpenAI 开放实时语音 API（程序员狂喜）▸ Kyutai 公司搞出能抢话聊的 Moshi 模型
▸ 谷歌 Gemini 语音版 APP 上线
▸ 1-800-CHATGPT 电话服务开通（没想到被美国人打爆）现在做 AI 语音就像给手机换模块——底层技术越做越精简，语音助手延迟更低、表现更猛（这波质变 80% 都是最近半年搞定的）。2024 年 12 月 OpenAI 搞价格大跳水：GPT-4o 实时 API 输入费用降 60%（现在每百万 tokens 40 刀），输出费用砍 87.5%（每百万 tokens 只要 2.5 刀）。连 GPT-4o mini 现在也能实时聊天了，这价格快跟朋友发微信差不多划算。
延迟、抢话、语气这些技术难题基本搞定，AI 语音客服现在和真人呼叫中心水平持平甚至更好。这得感谢 OpenAI 的实时语音模型和 ElevenLabs 的聊天专用 AI 这些黑科技。用技术换人力的模式太好复制了，小公司和世界 500 强都能快速铺开（比如给快餐店装自动接单系统）。不过传统大企业可能卡在数据安全这些老问题上，这时候拼的就是谁动作快、后续功能跟得上。之前都是按通话分钟数收费（毕竟 AI 烧钱），现在模型成本暴跌，价格战打得飞起。以后估计要玩组合拳：收平台月费 + 按用量计费，就像充视频网站会员还得买点播券。• 程序员派：给公司 IT 部门用的开发工具（自己造轮子）2024 下半年语音助手市场像坐火箭——据 Cartesia 统计，现在 YC Batches 中每 5 家新创公司就有 1 家在搞语音 AI。• 搞底层技术的：ElevenLabs、Cartesia 这种模型大佬• 通用平台型的：Vapi、Bland 这种小白也能用的平台• 深入垂直行业：HappyRobot（医疗）、Wayfaster（物流）这种专攻某个领域的想直接让 AI 接管所有电话？大公司才不吃这套！聪明团队都先找突破口：比如下班后的订位电话、爆线时的溢出来电。AI 至少能记下客户需求安排回拨，如果连着订位系统，说不定当场就把生意做成了。以前人工打推销电话亏本，现在用 AI 打就是纯赚！给个电话号码列表就能开工，适合激活老客户、开发新客户。诊所给药店打电话确认库存、公司给供应商催货——这些无聊到爆的电话最适合 AI 干。哪怕只是帮真人转接电话（比如按 1 转采购部），也能省下大把时间。
• ElevenLabs - 2024.1 获 a16z 等 8000 万美元 B 轮• Hume - 2024.3 EQT 投 5000 万美元 B 轮• PlayAI - 2024.11 种子轮 2100 万（Kindred Ventures）• Cartesia - 2024.12 Index 种子轮 2700 万• WaveForms AI - 2024.12 a16z 种子轮 4000 万• Kore - 2024.1 融 1.5 亿 C 轮（FTV Capital + NVIDIA）• Rasa - 2024.2 PayPal 参投 3000 万 C 轮• Parloa - 2024.4 Altimeter 投 6600 万 B 轮• PolyAI - 2024.5 获 5000 万 C 轮（Zendesk 跟投）• Synthflow - 2024.6 种子轮 740 万（无代码神器）• Thoughtly - 2024.6 Greycroft 投 300 万种子• Bland - 2024.8 Scale 投 2200 万 A 轮• Retell AI - 2024.8 种子轮 460 万• 11x - 2024.9 A 轮 2400 万 / 10 月 B 轮 5000 万• Decagon - 2024.6 A 轮 3500 万 / 10 月 B 轮 6500 万• Sierra - 2024.10 Greenoaks 投 1.75 亿 B 轮• Artisan - 2024.10 种子轮 1150 万• Vapi - 2024.12 Bessemer 投 2000 万 A 轮• Hippocratic AI - 2024.3 A 轮 5300 万 / 2025.1 B 轮 1.41 亿• Assort Health - 2024.3 种子轮 350 万• Parakeet Health - 2024.10 种子轮 300 万• HelloPatient - 2024.10 种子轮 630 万• Hyro - 2024.12 B 轮 3500 万• Numa - 2024.10 B 轮 3200 万（4S 店智能销售）• HappyRobot - 2024.12 a16z 投 1560 万 A 轮• Prepared911 - 2024.10 B 轮 2700 万（急救调度）• Voicepanel - 2024.5 种子轮 240 万（客户回访）• Letter - 2024.6 种子轮 270 万（销售话术教练）• Solidroad - 2024.7 种子轮 120 万（客服培训）• Apriora - 2024.8 种子轮 280 万（AI 面试官）• Wayfaster - 2024.9 种子轮 250 万（招聘专线）• FullyRamped - 2024.10 种子轮 230 万（销售培训）• Maki - 2025.1 A 轮 2860 万（HR 猎头）• Tenor - 2024.12 种子轮 540 万（领导力培训）
如果公司员工只是偶尔接电话（比如 IT 小哥顺带处理客户问题）：• 老板根本不舍得买 AI——除非专门养了 10 个话务员• 省了多少钱根本算不清（财务小姐姐会撕了你的报价单）除了接电话，现在土豪公司也愿意为“给高薪岗位当 AI 陪练”买单：• 空中管制员实战演练（比请真人教练便宜，比看教学视频管用）2020 年至今，YC 孵化了 90 家语音 AI 公司。最近一期 W25（还没完全公布）就有 10 家，像滚雪球一样越滚越大。2023 年前的很多公司，其实都是中途转型杀进来的。• 客服系统（12.4%）：7x24 小时接投诉电话• 后台苦力：药房库存催货 AI（3.4%牙科诊所专用 / 2.2%宠物医院版 / 1.1%康复理疗师助手）Voice Agents 市场图谱 - B2B
Voice Agents 市场图谱 - B2C
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
