全双工语音 AI：真实对话需要双向同时畅通

如今大多数语音 AI 说起话来仍像对讲机。您说完，等待，它再回答；如果您想插话，它要么自顾自说下去，要么完全跟丢思路。

人与人之间不是这样交谈的。在真实的通话中，双方会同时听和说。对方话说到一半时，我们会“嗯嗯”回应；我们会打断对方来纠正某个细节；我们会停下来思考，但并不把话语权交出去。

全双工语音模型正是为应对这类对话而构建的。下面介绍它们的工作原理、对客户体验的重要意义，以及 Maven Voice 如何将其应用于真实的支持通话。

什么是“全双工”

这个术语源自电信领域，用于描述信道如何处理双向传输。

• **半双工：**数据可以双向传输，但同一时间只能单向传输。对讲机就是典型例子：按下说话，松开收听，还要说“完毕”让对方知道轮到他们了。
• **全双工：**数据同时双向传输。电话通话就是全双工，您在说话的同时也能听到对方。

如今大多数语音智能体的表现都像半双工系统，尽管它们运行在全双工电话线路上。智能体等待静音，判断来电者已说完，生成回复再播放出来。在它说话期间，基本上是“听不见”的。

全双工语音模型则在说话的同时持续倾听。它并行处理输入音频和生成输出音频，因此能够实时响应来电者。

全双工语音模型的工作原理

要理解其中的变化，先来看看如今大多数语音智能体是如何构建的。常见做法是级联流水线：

1. 语音转文本：转录来电者的音频。
2. 话轮检测：等待足够长的停顿，以判断来电者已经说完。
3. 语言模型：读取转录文本并撰写回复。
4. 文本转语音：将回复重新转换为音频。

每一次交接都会增加延迟，每一个步骤都会丢失信息。转录会去掉语气、迟疑和重音。话轮检测依靠静音来猜测，因此停下来查找账号的来电者会被打断，而语速快的来电者则要忍受尴尬的空白。

全双工模型将这条链路合而为一。它们直接处理双向音频（通常称为语音到语音），并以两条连续的流同时进行倾听和说话。这带来了几项在实时通话中至关重要的能力：

• **插话打断。**当来电者插话说“不对，是另一个地址”时，模型会停下来，吸收这一更正并作出调整，而不会继续念完来电者已经否定的话术。
• 反馈应答。“明白了”“好的”这类简短回应，表明智能体在跟进对话，却不会抢走话轮。
• **自然的话轮转换。**模型会结合语调、上下文和静音进行判断，因此能区分思考时的停顿与说完话的停顿。
• **副语言信号。**沮丧、困惑和紧迫感都体现在说话的方式中。直接听取音频的模型可以对此作出回应，而转录文本则会把这些信息抹平。

对客户体验的重要意义

电话支持是对话质量最直观的体现。来电者往往压力大、一心多用，或者是因为自助服务已经失败才打来电话。每一次尴尬的停顿、每一次更正被打断，都在消耗他们的耐心。

全双工带来的改变，正是支持负责人所关心的：

• **减少因不满而升级的情况。**来电者觉得自己没被倾听时，就会按 0 键转人工。能够处理打断和更正的智能体可以让他们留在对话中。
• **通话更快。**来电者可以跳过步骤、在话说到一半时确认细节，并略过不需要的提示。
• **数据采集更准确。**账号、地址和订单详情往往是零散地给出，还夹杂着更正。持续倾听让首次即准确记录变得更容易。
• **听起来更有人情味的品牌体验。**语音仍是客户处理最紧急问题时使用的渠道。智能体听起来是什么样，公司给人的感觉就是什么样。

Maven Voice 的独特之处

自然的声音只是基础。在支持通话中，智能体还必须理解问题、在您的系统中执行操作，并遵守您的政策。Maven Voice 将全双工对话与 Maven AGI 平台的推理和集成能力相结合。

**语音到语音已投入生产。**Maven Voice 在实时企业通话中运行语音到语音模型，从来电者开口的那一刻起，语气和节奏都完整保留。我们的合作伙伴 IBEX 称，Maven 是首家将语音到语音技术全面投入企业级生产的厂商。

**灵活选择引擎，无需重建。**Maven Voice 支持 OpenAI 和 Phonic 等领先的语音服务商。您可以根据用例选择合适的引擎。Maven 负责编排、推理和集成，因此更换或新增引擎都无需从头开始。

**对话以行动收尾。**Maven Voice 连接支持团队背后的各类系统。它可以在同一通电话中核实订单并寄出替换品、冻结卡片并补发新卡，或重新安排预约。

专为嘈杂的真实环境音频打造。我们在地铁、机场和体育场测试了 Maven Voice。来电者并不总是在安静的房间里打电话，但您的智能体都需要听清他们的声音。

**支持 57 种语言，通话中随时切换。**来电者可以在对话过程中切换语言，Maven Voice 会随之跟进。

**契合您的联络中心。**客户拨打的仍是原来的号码。Maven Voice 与您现有的路由和平台协同工作；需要人工介入时，它会携带完整上下文进行转接，来电者无需重复说明。

**企业级安全。**内置的音频和文本脱敏功能保护传输中和静态存储的敏感信息，并拥有 15 项认证和评估，包括 ISO 42001 和 PCI-DSS 4.0 Level 1。

Papaya Pay 等语音客户已在使用 Maven Voice 提供 24/7 电话支持，同时将质量和控制权牢牢掌握在自己手中。

亲耳听听

理解全双工语音最快的方式就是和它对话。打断它，话说到一半改变主意，切换语言，然后看它端到端地解决问题。

** 预约 Maven Voice 演示 **，听听您的通话可以是什么样子。