5 分鐘做出一個能用的 AI 語音助理：ElevenLabs 入門指南
有一類工具一年前還沒有成熟的「無代碼」入口：你可以在電話線、WhatsApp 或網站聊天視窗上部署一個語音 AI，整個過程不需要寫一行程式。ElevenLabs Agents 目前是最乾淨的入口，做出第一個能用的語音助理大約只需 5 分鐘。大多數實踐者尚未動手試，這正是值得認真看看它的原因。
本文會帶你了解 ElevenLabs 語音助理究竟是甚麼、它能做與不能做的事，以及一個 5 分鐘就能讓你看到實際 demo 的設定流程。文末附上一份針對香港前台場景優化的系統提示模板，因為「驚艷的 demo」與「無用的助理」之間的差距，幾乎完全來自提示詞。
ElevenLabs 語音助理是甚麼？
ElevenLabs Agents 是一個無代碼平台，把四件事打包在一起：超擬真的文字轉語音（TTS）、調校過的語音識別（STT）、決定何時聆聽何時開口的對話節奏模型，以及與 GPT-4o 或 Claude 等 LLM 的連接能力。你定義角色、撰寫提示、選擇性上傳知識檔，平台就會把助理部署到電話號碼、WhatsApp 商業號碼或網站聊天視窗。
產品支援 70 種以上語言，並具備工具呼叫（tool calling）能力，這代表助理在通話過程中可以執行真實動作：預約會面、查詢訂單、寄出跟進電郵、轉接真人。ElevenLabs 官方表示首個助理的建構時間大約 5 分鐘，這與實務上的體感一致。
對香港實踐者而言，真正落地的應用情境是：個人專業人士的接聽服務、非辦公時間的客戶分流、診所或美容院的預約處理、輕量級外撥資格篩查。這些情境裡，一個「七成準確」的語音助理勝過完全沒有助理。
如何建立你的第一個 ElevenLabs 語音助理？
每個應用情境的 5 分鐘流程其實一樣。登入後點擊 Agents，選一個起始模板或從空白開始，定義角色與個性，貼上系統提示，選擇性上傳 PDF 或貼上網址作為知識庫，最後挑一個聲音。語音識別、語音合成、對話節奏由平台自動處理。
步驟順序如下：
--- 步驟 1：到 elevenlabs.io 登入，打開 Agents 區。
--- 步驟 2：點擊 New agent。如果用途吻合「客戶支援」或「接待員」模板就用，不然從空白開始。
--- 步驟 3：填寫助理名稱與一句話描述。這是中介資料，使用者看不到。
--- 步驟 4：貼上系統提示。這是唯一決定助理是否好用的部分，模板見下文。
--- 步驟 5：上傳知識庫。PDF 菜單、FAQ、營業時間、價目表，所有穩定不變的事實。第一版控制在五份檔案以內。
--- 步驟 6：從聲音庫挑一把聲音。粵語為主的香港受眾，建議測試兩到三把多語言聲音，每把聽 30 秒樣本再決定。
--- 步驟 7：點擊 Test。用瀏覽器內建麥克風試講，邊講邊改提示，直到助理穩定守住劇本。
到這裡可以暫停，做一個內部 demo。要把它接上電話號碼或 WhatsApp，ElevenLabs 在同一個介面整合了 SIP 與 WhatsApp Business，這正是它比自建快的地方。
系統提示應該寫些甚麼？
系統提示決定助理九成的行為。提示寫得弱，助理會跑題、亂報價格、與來電者搶話。提示寫得強，助理的身份、範圍、對話規則、升級路徑都會被牢牢鎖住。下面這個結構適用於大多數接待、客服、分流場景。
把以下內容貼為助理的系統提示：
你是 Maya，[商號名稱] 的前台語音助理。[商號名稱] 是位於 [地段，例如香港銅鑼灣] 的 [行業，例如牙科診所]。你以 [英文／粵語／普通話] 回應，來電者切換語言時你跟著切。你語氣溫暖、平靜、簡潔，絕不機械化。
你的工作
--- 問候來電者，詢問可以怎樣幫忙。
--- 只根據已上傳的知識庫，回答關於營業時間、地點、價格、服務的問題。
--- 透過預約工具，建立或改期約會。
--- 來電者要求回覆時，記下訊息並寄出跟進電郵。
規則
--- 不得自行虛構價格、營業時間或服務。知識庫沒有的內容，請說「這個資訊我這邊沒有，幫你轉給同事」並觸發真人轉接工具。
--- 不得提供醫療、法律、財務建議，請轉接適當的真人。
--- 每次回覆控制在三句以內，除非來電者明確要求詳細解釋。語音不是文字，長答覆會像在訓話。
--- 來電者情緒激動時，先放下劇本。用一句話承認對方的不悅，再問一個具體釐清問題。
後備方案
--- 兩次仍無法理解來電者，請說「讓我請真人同事接手」，立即轉接。
--- 來電者要求找經理，立即轉接，不要嘗試自己處理。
--- 通話結束前，給出明確的下一步：已確認的預約、約定的回電時間、或一封電郵摘要。
把方括號內的細節換成你商號的實際資訊。先做 60 秒測試，30 秒內你就能聽出語氣與規則是否到位。
運行一個語音助理要多少錢？
ElevenLabs Agents 的計費按通話分鐘數計算，由三層成本構成：語音識別、語音合成、LLM 呼叫。截至 2026 年初，採用中等聲音與 GPT-4o-mini 作為底層 LLM 的典型配置，實務成本大約落在每分鐘 USD 0.08 至 0.20 之間。頂級聲音與旗艦級 LLM 會把費用推高。
以一間診所每天接 15 通電話、平均每通三分鐘為例，每天大約 USD 4–9，每月 USD 120–270。這明顯低於聘用兼職前台的成本，但也不是免費，所以關鍵是通話量。如果你每天通話總時長低於 30 分鐘，數學上要成立的關鍵，是把目前漏接的「下班時段」也算進去。
大多數團隊忘記計算的隱藏成本是反覆優化的時間。任何語音助理的第一版都只有六成水準，從六成走到九成大約要做 3 到 5 輪測試通話與提示修改。第一次建構預留兩小時，第一個月每週再預留一小時。
語音助理在哪些情境最容易出狀況？
語音助理在範圍狹窄、規則明確的任務裡可靠，在範圍蔓延時不可靠。最常見的失敗模式，是要一個助理在一通通話裡同時處理太多事。預約、查詢、投訴、外撥推介塞在同一個助理裡，全部都會做不好。一個助理只做一份工作。
第二個失敗模式是處理複雜姓名與數字。即使是最好的語音識別，遇到粵語拼音化的英文名字、快速說出的香港門牌號碼、三位一組的電話號碼，都會出錯。系統提示裡務必加入確認步驟：「我重複一次給你聽。」
第三個失敗模式是沉默處理。舊式語音助理不是搶話就是冷場數秒。ElevenLabs 的對話節奏模型處理得比大多數產品好，但你還是要找一個說話會中途停頓的人來測試，看助理如何回應。系統提示裡關於停頓長度與釐清問題的規則能補上這一段。
最後一條也是最關鍵的注意事項：語音助理會留下客戶對話紀錄。請確保你的私隱聲明與通話錄音告知條款明確涵蓋「自動語音助理」這一項。在香港，《個人資料（私隱）條例》同樣適用，「是 AI 接的電話」並不是免責理由。
第一個應該做的語音助理是哪一種？
對實踐者最容易上手的第一個助理，是非辦公時間的資訊熱線。範圍：來電者問營業時間、地點、服務、價格；助理依知識庫回答，再提供留言或安排回電。沒有預約、沒有付款、沒有複雜邏輯。這是一個週六下午能從構想做到上線的助理。
第二個容易上手的是單一服務預約助理。加上 Calendly 或 Cal.com 之類的日曆工具，讓助理能查可預約時段並建立預約。先只支援一種服務（例如「30 分鐘諮詢」），跑順之後再一次新增一項服務。
第三層才是外撥資格篩查。助理打電話給名單，問三到四條預先設計好的問題，再把結果寫回 CRM。這只適合對暖名單，不適合冷名單；冷名單的外撥語音 AI 在香港在道德與法律上都很複雜。
跳過複雜的多步助理，先把簡單版本上線，看看真實來電者的反應。語音的容錯空間遠不及文字，因為來電者無法往上滑、再讀一次。
5 分鐘測試法：判斷助理是否可以上線
把任何語音助理接上真實電話號碼前，先跑一遍以下五分鐘測試。這是團隊內部使用的腳本，能找出八成你最終會在真實顧客身上才發現的問題。
--- 測試 1（清楚提問）：「請問你們星期六幾點開？」助理應該乾淨地從知識庫回答。如果它虛構，代表知識庫不完整或提示沒有把它鎖在知識庫範圍內。
--- 測試 2（範圍外提問）：「可以教我怎樣投資強積金嗎？」助理應該禮貌拒絕並提出留言。如果它真的開始回答，護欄太鬆。
--- 測試 3（打斷）：在助理講話途中插話。它應該停下、聆聽、回應新內容。如果它繼續講，對話節奏設定有誤。
--- 測試 4（含糊姓名）：很快地報出你的名字。助理應該請你拼出來或重複念給你聽。如果它直接接下去，提示裡的確認規則沒有寫好。
--- 測試 5（升級）：要求找經理。助理應該立即轉接或記下留言。如果它嘗試自己處理投訴，升級規則沒有寫好。
五項全過的助理，可以對內部使用者軟啟動。一項以上沒過的助理，還沒準備好接付費客戶，硬上線是團隊一週後悄悄把語音助理關掉的最常見原因。
懂AI的冷，更懂你的難 — UD 同行28年，讓科技成為有溫度的陪伴。 對的語音助理不會取代真人，它只負責真人接不到的那些電話。
📞 想為你的業務部署語音助理嗎？
掌握了這個技術，下一步是為你的業務挑選合適的聲音、知識庫與整合方式。UD 團隊手把手帶你完成每一步，從提示設計到電話號碼上線部署，讓你的 AI 助理替團隊接住那些原本接不到的電話。
