腾讯的 Hy Realtime 主打实时语音,两个能力很扎眼:边聊边调工具,以及唱歌。它已经在元宝和客服场景上线。问题随之而来:客服这活是不是要被替掉了。

实时语音难在哪?

难在延迟和打断。传统语音方案是分段处理:先识别,再理解,再合成,三段串起来,延迟就上去了。人说话是不等你的,一卡就露馅。

实时方案要做的是流式处理,边说边算,还要能被打断后立刻调整。这一条做不到,对话就永远是机器味。

工具调用为什么关键?

因为客服的核心不是闲聊,是办事。查订单、改地址、退差价,都要调系统。语音模型如果不能调工具,它就只是个会说话的播报器。

能调工具之后,它才算真正进入业务流。但风险也随之上升:说错一句话,可能真的改错一单。

唱歌这个能力有什么用?

看起来是噱头,其实测的是韵律控制。能唱,说明模型对音高、节奏、停顿的控制到了细粒度。这种控制力用在客服上,就是语气和情绪的把控。

一个只会平铺直叙的语音,用户听两句就想转人工。语气对了,很多小问题能在自动环节解决。

能替掉多少客服?

我的判断是能替掉重复度高的那一半,替不掉需要判断的那一半。查单、改单、常见问题,可以自动。投诉、纠纷、例外处理,还是得人。

而且替掉的比例不只看技术,还看责任。自动客服说错话造成损失,谁负责?这个问题不解决,企业不敢全自动。

落地要先改什么?

先改知识库,再改流程,最后才是换模型。知识库乱,语音再自然也答不准。流程没有例外分支,模型遇到特殊情况只能瞎编。

很多企业顺序反了:先买模型,再发现答不准,最后回去补知识库。绕了一大圈。

该不该现在上?

如果你的客服量在每天几百通以上,且问题集中在少数几类,可以上。如果问题高度分散,先做知识库治理,别急。

上线方式建议人机混合:自动接前段,判断不了的转人工,转接时把上下文带过去。这样用户不会重复描述,体验不会断。

语音模型的进步是真实的,但客服的瓶颈从来不只是语音。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论