为什么今天替你接电话的 AI，听起来忽然像一个人，而一年多前同类系统却像地铁广播？答案是一项名字相当不起眼的工程改动：全双工（full-duplex）。
2026 年 9 月 10 日，OpenAI 把旗下全双工语音模型 GPT-Live-1 正式开放至公开 API，语音层定价为每分钟 0.05 美元，资料来自 OpenAI 官方公告。这个价钱，把「会说话的 AI 电话」第一次放进了一间普通香港小店的预算之内。本文说明全双工到底指什么、它改变了什么，以及它至今仍然做不到什么。
什么是全双工语音 AI？
全双工语音 AI，是一种能够同时聆听与说话的语音系统。它在播放自己回复的同时，仍然持续处理对方传入的声音，因此当客人插话，它可以在句子中途立即停下。半双工系统则严格轮流：先听后讲，说话期间完全听不见你。
这个词来自电讯业，而非 AI 业。电话线是全双工，因为双方可以同时开口；对讲机是半双工，因为同一时间只有一方能发话，讲完还要说一句「完毕」。
在这一代之前，几乎所有 AI 电话助理，本质上都是一部披着电话外衣的对讲机。
全双工语音 AI 如何运作？
全双工模型同时运行两条音讯通道：一条承载客人正在说的话，另一条承载模型正在说的话。两条通道持续开启，因此模型可以在不足一秒之内侦测到对方插话，并即时切断自己的语音。
旧式系统则是三段接力，每一段都必须等上一段完成：
--- 语音转文字：侦测到静音之后，才把客人的声音转成文字。
--- 语言模型：读取文字，写出回复。
--- 文字转语音：把回复合成音讯，并完整播放。
这条接力线，正是两个人人讨厌的毛病的来源。第一，每次回答之前都有一至三秒空白。第二，它会不断盖过你说话，因为它早已决定要把整段音讯播完。
全双工模型把这三段压缩成一个持续听、持续讲的系统。在 OpenAI 的架构中，语音层只负责对话本身，较复杂的思考交由后端另一个模型处理，这也是语音层可以单独、廉价计费的原因。
全双工能处理哪些旧系统做不到的情况？
全双工与半双工之间，有四种具体的对话行为差异。单看描述似乎琐碎，但在真实通话中，这四项正是「勉强可用」与「请帮我转真人」之间的全部距离。
处理插话
客人在助理仍在介绍第一间分店时说「不是，我问另一间」。全双工助理会在不足一秒内停下；半双工助理则会把整段话讲完。
处理停顿
客人低头看收据，静了三秒。半双工系统会把静音当成「讲完了」而抢着开口；全双工系统则能分辨「思考中的停顿」与「完整的句子」。
回应式应声
人类在听对方讲话时会发出细小的声音表示仍在线上。全双工助理不但能发出这类声音，更重要的是能够辨识它们，而不会误当成新问题。
轮次判断
决定什么时候开口才不会打断客人。这是四项之中最难的一项，也是决定一通电话听起来自然还是令人疲累的关键。
香港中小企可以用它来做什么？
只要有电话在响、而没有人腾得出手去接，语音 AI 就值得考虑。在香港，这份清单既具体又昂贵，因为电话最多的那一小时，通常正是服务最忙的那一小时。
晚上七时的餐厅
订座电话在所有人手上都端着碟子时打进来。电话漏接，那一台客人就去了先接电话的那一家。语音助理可以接下订座、确认人数，并直接写进系统。
将近收工的诊所或发型屋
改期的电话总在下班后涌来。每一通进了留言信箱的电话，翌日早上都要回拨一次，等于同一件事花掉两次人手。
不停回答「还有货吗」的店铺
存货与营业时间，是零售业重复最多的电话。它们同时也是最容易自动化的，因为答案本质上只是一次资料查询。
外拨确认
预约前一天的提醒电话能有效减少爽约，而几乎没有一间小店抽得出人手去打。
第一次部署，务实的目标是一项窄任务，而不是一个全能接待员。只做订座，或只答存货。窄的助理会成功，贪心的助理只会被不断转真人。
全双工语音 AI 实际运行成本是多少？
语音层的牌价是每分钟 0.05 美元，按现时汇率约为每分钟 0.39 港元。这只是前端语音成本。负责思考的后端模型要另外计费，承载通话的电讯线路亦是独立收费。
以一间每月接 300 通电话、每通约三分钟的小店粗略估算：
--- 900 分钟语音，以 0.05 美元计约 45 美元，折合约 350 港元。
--- 后端模型与工具呼叫另计，实际金额视乎助理需要查多少资料，量级通常相近。
--- 香港本地电讯线路与号码月费，属于另一笔由电讯商收取的支出。
把这个数字与一位兼职接线人员相比，差距并不接近。但必须诚实指出：决定这类项目成败的，很少是软件的价钱，而是把它接上你订座系统所需的功夫。
关于全双工语音 AI，人们最常误解什么？
三个误解造成了大部分失望。
误解一：全双工代表 AI 变聪明了。
并非如此。全双工改变的是对话的时间感，而不是答案的质素。一个接上劣质知识库的全双工助理，只会很有礼貌地让你插话，然后告诉你一个错误答案。
误解二：广东话、英文、普通话都会一样流畅。
香港的电话往往一句之内就转语言，而中英夹杂至今仍是所有供应商最难处理的情况。决定采用之前，请用你自己客人的真实录音去测试，而不是看一段照稿演出的示范。
误解三：一个下午就能上线。
语音模型是最容易的部分。真正的工作在于接驳：你的订座系统、你的存货资料、客人动气时的升级规则，以及助理曾经承诺过什么的纪录。一个没有升级机制的语音助理，本质上是一部投诉制造机。
你的业务现在适合用全双工语音 AI 吗？
对于窄范围、重复性高、数量大的来电，答案是适合。凡涉及判断、金钱，或情绪不佳的客人，它都应该交回真人处理，而这条交接路线必须在上线之前就设计好。
合理的推进次序是这样的：
--- 先数清楚你一星期到底漏接多少通电话。若数字不足十通，这并不是你最该先解决的问题。
--- 选一种答案属于事实查询的来电类型。
--- 写下助理在「不知道」时说的那一句话。那一句是整个部署里最重要的一行字。
--- 录下并检视首两星期的通话。每一次失败，都是一条你还未写下的规则。
如果你的客人主要用讯息而非电话找你，同样逻辑适用于文字渠道，而那边的成本结构今年同样改变了。可参考我们关于 WhatsApp 回复对香港企业的新收费 的说明。
技术终于听起来像人。但它能否帮到你的生意，取决于一件比 AI 古老得多的事：清楚知道你请它来做哪一份工。懂AI，更懂你 UD相伴，AI不冷。
由 UD AI 团队（香港）审阅。
想知道语音 AI 是否适合你的业务？
哪些电话该交给 AI、哪些必须留给真人，正是最值得做对的一步。UD 陪伴香港企业走过 28 年，最熟悉这类决定。我们手把手教你，由评估通话量到正式上线，全程陪你走每一步。
