不少人都有这样的经验：致电客服热线，对面是 AI 语音系统，你必须等它把一整段说完才能开口；一旦中途插话，它不是听不到，就是答非所问，最后只好不断重复「转接人工」。问题并非 AI 不够聪明，而是传统语音系统的对话方式本身太生硬。二零二六年九月十日，OpenAI 在开发者 API 推出语音模型 GPT-Live-1，以「全双工」（Full-duplex）技术让 AI 可以一边听、一边说。本文会详细说明这项技术改变了什么，以及企业要打造一个真正用得上的 AI 客服，需要准备哪些条件、成本应如何计算，以及导入时的注意事项。
什么是 Full-duplex？
「双工」原本是通信术语。对讲机属于「半双工」：同一时间只有一方可以说话，一方说完、松开按钮，另一方才能回应。电话则是「全双工」：双方可以同时说话和聆听。过往大部分 AI 语音系统，实际上都是半双工的对讲机模式。它们通常由三个步骤串连而成：先把客人的语音转成文字，再交给语言模型构思回应，最后把文字转回语音。每一个步骤都会增加延迟，也会丢失说话的节奏、停顿和语气等信息；系统可能把客人一个短暂停顿误当作说完，或者在客人插话时已经「决定」了要说什么。全双工模型则让输入和输出的声音同时保持畅通，AI 可以持续判断应该继续听、继续说、暂停，还是回应客人的打断。
GPT-Live-1 带来了哪些改变？
根据 OpenAI 公布的数据，GPT-Live-1 的轮流对话延迟由上一代 GPT-Realtime-2.1 的约一点四秒，缩短至约零点八秒；在全双工互动测试中的得分由百分之四十五点四提升至百分之八十点一；在对话中调用工具（例如查询系统、执行操作）的准确度，亦由约六成提升至约八成七。此外，它能处理打断、「嗯」、「是的」这类附和回应，以及说到一半改变方向的情况；对静默和背景噪音的判断亦有改善，减少因正常停顿或环境声音而误判客人插话。对客服特别实用的是，它支持关键词加权和更准确的英文字母及数字识别，适合处理姓名、订单编号、参考编号、地址和产品型号，亦支持电话系统接入。语言学习平台 Speak 的测试显示，改用 GPT-Live-1 后，在学员思考停顿期间被 AI 误打断的情况减少近八成。
关键设计：「语音层」与「后台」分工
GPT-Live-1 另一个值得企业留意的设计，是它不必自己完成所有思考工作。它负责维持即时、自然的对话，同时可以把需要较多运算、数据访问或长时间推理的工作，交给后台的其他模型或工具处理。例如简单的预约查询可以交给成本较低的模型，复杂的账户争议则交给 GPT-6 Astra 这类较强的模型，甚至可以接入第三方模型。这意味着，一通电话不需要全程运行最昂贵的模型；AI 一边和客人交谈，后台一边查数据库、读取账户资料、执行工作流程，客人不会感到「等机器」的空白。
打造 AI 客服的五大要素
技术只是基础，AI 客服成功与否，更取决于整体设计。第一，对话要自然：善用全双工能力，让客人可以随时打断和更正，并通过系统指示设定语气、语速和说话风格，使其符合品牌形象。第二，要能办事，而不只是答问题：把 AI 连接到订单系统、预约系统、会员数据库和工单系统，令它可以在对话中直接查订单、改预约、开个案，真正解决问题。第三，要有完善的知识库：把产品资料、价目、常见问题、退换政策、服务条款整理成清晰、最新的内容，AI 才能答得准确，减少「乱说」的风险。第四，要设计转接人工的规则：投诉、退款、涉及金钱或敏感个人资料的问题，应设定清楚的转接条件，让 AI 处理大量日常查询，人工专注处理复杂个案。第五，要有记录和质量检查：GPT-Live-1 会同时输出客人语音的文字稿和 AI 的回应文字，企业可据此定期抽查、分析常见问题，持续改善知识库和流程。
成本应该如何计算？
GPT-Live-1 语音层的收费为每分钟零点零五美元，按秒计算。以此推算，每月十万分钟通话，语音层成本约五千美元；若每通电话平均五分钟，即每通约零点二五美元。不过必须留意，这只是语音层的收费，后台模型的推理、工具调用、数据检索及相关系统基础设施都需另外计算。因此，比较成本时不应只看每分钟价钱，更有意义的指标是「每个成功解决的个案成本」：一个系统即使每分钟略贵，只要能更快完成对话、减少转接人工和重复来电，整体可能反而更划算。此外，OpenAI 引述一个早期客户案例，改用 GPT-Live-1 取代原本多层串连的语音系统后，相关程序代码减少约八成，即约二万三千行；这属个别案例，但反映系统复杂度的下降，同样会影响整体成本。
最适合的应用场景
全双工 AI 客服最适合「需要一边说话、一边完成动作」的电话工作，包括：一般客户查询与售后支持、餐厅或诊所的订座和预约、会籍及订单状态查询、账单提醒与追收、销售线索的初步筛选，以及公司内部的 IT 或人事支持热线。对于来电量大、非办公时间仍有查询需要的企业，AI 客服可以提供二十四小时接听，令客人不必再等候或留言。
导入步骤与注意事项
建议企业分阶段进行。第一步，选定一条来电量大、问题相对重复的热线，例如预约热线，或先由非办公时间的来电开始试行。第二步，整理知识库并连接必要系统，同时定义好转接人工的条件。第三步，进行充分测试：OpenAI 公布的是推出时的官方数据，实际效果仍需在真实环境中验证，包括不同口音、嘈杂环境、长时间通话的稳定性，以及工具调用的成功率。对香港企业而言，尤其要实际测试系统处理粤语及中英夹杂对话的表现，再决定服务范围。第四步，做好合规与透明度：清楚告知客人正在与 AI 对话，并按隐私规定处理通话录音和个人资料。最后，持续追踪成功解决率、转接率和客户满意度，逐步扩大 AI 处理的范围。
结语：AI 客服的成败在于设计
全双工技术令 AI 客服终于可以像真人一样自然对话，但真正决定成败的，仍然是背后的知识库、系统连接、转接规则和持续优化。技术已经准备好，关键在于企业能否把它设计成一个真正解决客人问题的服务。想了解如何为公司打造 AI 客服，并把 AI 员工部署到实际业务流程，欢迎前往 ai.ud.hk 了解 UD 的 AI 员工方案。
懂AI，更懂你｜UD相伴，AI不冷
