什麼是全雙工語音 AI？AI 接聽電話為何變自然

為什麼今天替你接電話的 AI，聽起來忽然像一個人，而一年多前同類系統卻像港鐵廣播？答案是一項名字相當不起眼的工程改動：全雙工（full-duplex）。

2026 年 9 月 10 日，OpenAI 把旗下全雙工語音模型 GPT-Live-1 正式開放至公開 API，語音層定價為每分鐘 0.05 美元，資料來自 OpenAI 官方公告。這個價錢，把「會說話的 AI 電話」第一次放進了一間普通香港小店的預算之內。本文說明全雙工到底指什麼、它改變了什麼，以及它至今仍然做不到什麼。

什麼是全雙工語音 AI？

全雙工語音 AI，是一種能夠同時聆聽與說話的語音系統。它在播放自己回覆的同時，仍然持續處理對方傳入的聲音，因此當客人插嘴，它可以在句子中途立即停下。半雙工系統則嚴格輪流：先聽後講，說話期間完全聽不見你。

這個詞來自電訊業，而非 AI 業。電話線是全雙工，因為雙方可以同時開口；對講機是半雙工，因為同一時間只有一方能發話，講完還要說一句「完畢」。

在這一代之前，幾乎所有 AI 電話助理，本質上都是一部披著電話外衣的對講機。

全雙工語音 AI 如何運作？

全雙工模型同時運行兩條音訊通道：一條承載客人正在說的話，另一條承載模型正在說的話。兩條通道持續開啟，因此模型可以在不足一秒之內偵測到對方插話，並即時切斷自己的語音。

舊式系統則是三段接力，每一段都必須等上一段完成：

--- 語音轉文字：偵測到靜音之後，才把客人的聲音轉成文字。

--- 語言模型：讀取文字，寫出回覆。

--- 文字轉語音：把回覆合成音訊，並完整播放。

這條接力線，正是兩個人人討厭的毛病的來源。第一，每次回答之前都有一至三秒空白。第二，它會不斷蓋過你說話，因為它早已決定要把整段音訊播完。

全雙工模型把這三段壓縮成一個持續聽、持續講的系統。在 OpenAI 的架構中，語音層只負責對話本身，較複雜的思考交由後端另一個模型處理，這也是語音層可以單獨、廉價計費的原因。

全雙工能處理哪些舊系統做不到的情況？

全雙工與半雙工之間，有四種具體的對話行為差異。單看描述似乎瑣碎，但在真實通話中，這四項正是「勉強可用」與「請幫我轉真人」之間的全部距離。

處理插話

客人在助理仍在介紹第一間分店時說「不是，我問另一間」。全雙工助理會在不足一秒內停下；半雙工助理則會把整段話講完。

處理停頓

客人低頭看收據，靜了三秒。半雙工系統會把靜音當成「講完了」而搶著開口；全雙工系統則能分辨「思考中的停頓」與「完整的句子」。

回應式應聲

人類在聽對方講話時會發出細小的聲音表示仍在線上。全雙工助理不但能發出這類聲音，更重要的是能夠辨識它們，而不會誤當成新問題。

輪次判斷

決定什麼時候開口才不會打斷客人。這是四項之中最難的一項，也是決定一通電話聽起來自然還是令人疲累的關鍵。

香港中小企可以用它來做什麼？

只要有電話在響、而沒有人騰得出手去接，語音 AI 就值得考慮。在香港，這份清單既具體又昂貴，因為電話最多的那一小時，通常正是服務最忙的那一小時。

晚上七時的餐廳

訂座電話在所有人手上都端著碟子時打進來。電話漏接，那一枱客人就去了先接電話的那一家。語音助理可以接下訂座、確認人數，並直接寫進系統。

將近收工的診所或髮型屋

改期的電話總在下班後湧來。每一通進了留言信箱的電話，翌日早上都要回撥一次，等於同一件事花掉兩次人手。

不停回答「還有貨嗎」的店舖

存貨與營業時間，是零售業重複最多的電話。它們同時也是最容易自動化的，因為答案本質上只是一次資料查詢。

外撥確認

預約前一天的提醒電話能有效減少爽約，而幾乎沒有一間小店抽得出人手去打。

第一次部署，務實的目標是一項窄任務，而不是一個全能接待員。只做訂座，或只答存貨。窄的助理會成功，貪心的助理只會被不斷轉真人。

全雙工語音 AI 實際運行成本是多少？

語音層的牌價是每分鐘 0.05 美元，按現時匯率約為每分鐘 0.39 港元。這只是前端語音成本。負責思考的後端模型要另外計費，承載通話的電訊線路亦是獨立收費。

以一間每月接 300 通電話、每通約三分鐘的小店粗略估算：

--- 900 分鐘語音，以 0.05 美元計約 45 美元，折合約 350 港元。

--- 後端模型與工具呼叫另計，實際金額視乎助理需要查多少資料，量級通常相近。

--- 香港本地電訊線路與號碼月費，屬於另一筆由電訊商收取的支出。

把這個數字與一位兼職接線人員相比，差距並不接近。但必須誠實指出：決定這類項目成敗的，很少是軟件的價錢，而是把它接上你訂座系統所需的功夫。

關於全雙工語音 AI，人們最常誤解什麼？

三個誤解造成了大部分失望。

誤解一：全雙工代表 AI 變聰明了。

並非如此。全雙工改變的是對話的時間感，而不是答案的質素。一個接上劣質知識庫的全雙工助理，只會很有禮貌地讓你插嘴，然後告訴你一個錯誤答案。

誤解二：廣東話、英文、普通話都會一樣流暢。

香港的電話往往一句之內就轉語言，而中英夾雜至今仍是所有供應商最難處理的情況。決定採用之前，請用你自己客人的真實錄音去測試，而不是看一段照稿演出的示範。

誤解三：一個下午就能上線。

語音模型是最容易的部分。真正的工作在於接駁：你的訂座系統、你的存貨資料、客人動氣時的升級規則，以及助理曾經承諾過什麼的紀錄。一個沒有升級機制的語音助理，本質上是一部投訴製造機。

你的業務現在適合用全雙工語音 AI 嗎？

對於窄範圍、重複性高、數量大的來電，答案是適合。凡涉及判斷、金錢，或情緒不佳的客人，它都應該交回真人處理，而這條交接路線必須在上線之前就設計好。

合理的推進次序是這樣的：

--- 先數清楚你一星期到底漏接多少通電話。若數字不足十通，這並不是你最該先解決的問題。

--- 選一種答案屬於事實查詢的來電類型。

--- 寫下助理在「不知道」時說的那一句話。那一句是整個部署裡最重要的一行字。

--- 錄下並檢視首兩星期的通話。每一次失敗，都是一條你還未寫下的規則。

如果你的客人主要用訊息而非電話找你，同樣邏輯適用於文字渠道，而那邊的成本結構今年同樣改變了。可參考我們關於 WhatsApp 回覆對香港企業的新收費 的說明。

技術終於聽起來像人。但它能否幫到你的生意，取決於一件比 AI 古老得多的事：清楚知道你請它來做哪一份工。懂AI，更懂你 UD相伴，AI不冷。

由 UD AI 團隊（香港）審閱。

想知道語音 AI 是否適合你的業務？

哪些電話該交給 AI、哪些必須留給真人，正是最值得做對的一步。UD 陪伴香港企業走過 28 年，最熟悉這類決定。我們手把手教你，由評估通話量到正式上線，全程陪你走每一步。