廣東
從OpenAI的實時電話AI到蘋果的語音指揮棒，語音交互正迎來爆發式創新。大廠們紛紛將語音能力嵌入核心場景，而初創公司則在細分領域打造極致工具。本文將拆解語音交互的最新戰場，看AI如何讓對話從機械應答進化到自然交互。
———— / BEGIN / ————
前幾天寫了一篇關于語音交互的文章，大家有不少討論，于是我特意找了一些聚焦語音交互的 AI 公司和產品，想和大家一起看看，現在做語音交互的公司們都在做什么。
大廠：卷場景，爭入口1. OpenAI：讓 AI 像真人一樣接電話
OpenAI 最近的動作非常快，他們把實時語音對話提升到了核心戰略位置。
打斷式對話：現在的對話模型不再是你一句、我一句的死板對講，你可以在它說話時隨時打斷、糾正，它的反應速度和真人幾乎沒區別。
接管電話網絡：最關鍵的動作是他們發布了支持 SIP（會話發起協議）的 Realtime API。通俗點說，開發者可以直接把 OpenAI 的語音能力接進公司的電話交換機里。
這意味著，你接到的客服電話、預約電話，背后可能就是一個反應極快、邏輯清晰的 AI 智能體。
2. 蘋果：語音變成指揮棒
蘋果在 Apple Intelligence 蘋果智能里，把語音能力切得很碎，塞進了最常用的溝通場景：
通話與錄音的一條龍服務：現在的 iPhone 不僅能錄音，還能實時轉寫成文字，并自動生成摘要。你打完一個半小時的電話，它直接給你列出三個待辦事項。
AirPods 的實時翻譯：戴上耳機，對方說外語，你聽到的是中文，幾乎沒有感官上的延遲。
快捷指令：以前復雜的“快捷指令”需要手動編排，現在你只要動動嘴，Siri 就能直接調用這些能力幫你完成跨 App 的操作。
3. 谷歌：一邊搜索，一邊聊天
谷歌把 Gemini Live 的能力深度嵌入到了搜索里，搞出了一個Search Live：
追問式搜索：語音搜索不再是“問一個問題，給一個答案”。你可以邊聊邊找，比如：“幫我找下周去大理的機票。”
搜出來后直接追問：“要下午出發的，價格不要超過一千。”它會根據之前的對話內容持續更新搜索結果。
4. 亞馬遜：Alexa 終于要變聰明了
亞馬遜推出了下一代Alexa+。這次他們很明確，Alexa+ 不再只是控制燈泡的開關，而是要走能聊天、能辦事的路線。
它能記住你的生活習慣，處理更復雜的家務指令，比如“幫我訂一份常吃的那個披薩，要在半小時內送到”。
5. 微軟：Copilot 成了 Windows 的聲卡
微軟開始在 Windows 系統里大規模測試“Hey Copilot”喚醒詞。他們想讓語音成為辦公的常駐入口。
不管是寫 PPT 還是查表格，你不需要到處點菜單，直接說話，Copilot 就能在后臺幫你把活兒干了。
初創公司：拼效率、搶速度
Product Hunt 2025 年專門做了“AI 聽寫應用”的 Orbit Awards，我梳理了上面風頭最勁的幾家語音初創公司。
1. Wispr Flow：想讓你徹底扔掉鍵盤
它是做什么的：一個系統級的語音輸入工具。
規模：剛拿到 8100 萬美元融資，估值約 7 億美元。
怎么用：你在電腦上任何能打字的地方（微信、郵件、Word），按下快捷鍵直接說話。
特點：它最厲害的地方在于“自動整理”。你說話的時候可能有口音、有廢話、有重復，但它轉出來的文字是邏輯嚴密、排版工整的。它就像一個全能速記員+文案編輯，目前已經有大量用戶用它替代了 70% 以上的鍵盤輸入。
2. Aqua Voice：專門為寫長文設計
它是做什么的：針對長篇文檔、劇本、報告的語音寫作工具。
怎么用：你坐在椅子上，像講故事一樣把內容說出來。
特點：普通的語音轉文字很難處理分段和語氣。Aqua Voice 擅長捕捉你的情緒和語氣，自動幫你判斷哪里該分段，哪里是重點。它不是簡單地記錄，而是像個影子作者一樣，幫你把零散的思想變成有可讀性的長文章。
3. Superwhisper：主打隱私和本地化
它是做什么的：一個運行在本地設備上的極速語音轉寫工具。
怎么用：適合醫生、律師、財務等對數據安全極度敏感的職業。
特點：它的模型是跑在你自己電腦里的（比如 Mac 的本地芯片），不需要聯網。這意味著你的談話內容永遠不會傳到云端，安全性極高，而且轉寫速度極快，幾乎是話音剛落，文字就出來了。
4. Known：聲音驅動的新社交
它是做什么的：一個基于語音匹配的社交平臺。
規模：最近剛獲得 9700 萬美元融資。
怎么用：拋棄了傳統的“看照片、左右劃”模式。
特點：它讓 AI 識別用戶的聲音特征、語調和表達邏輯，幫你找“聊得來”的人。他們認為聲音包含的信息比文字和照片多得多。
對比過去，語音交互也在進化：
容錯率變高了：以前你要適應機器，說話得字正腔圓；現在是 AI 適應你，你隨便亂說，它能聽懂意思并幫你整理好。
延遲消失了：現在的實時 API 讓對話延遲降到了毫秒級，你感覺不到是在和機器說話。
有了記憶和上下文：它知道你剛才說了什么，也知道你現在在處理什么任務。
我們也看到目前的語音交互市場，已經分成了兩條明顯的路徑：
大公司在做底座：把語音接進系統、接進搜索、接進電話網，讓它無處不在。
創業公司在做工具：針對寫文檔、防泄密、甚至社交等具體場景，把效率做到極致。
語音交互確實更符合用戶習慣和認知，但我也同樣期待下一個交互的 iPhone 時刻。
本文來自公眾號：Fun AI Everyday 作者：張艾拉
想要第一時間了解行業動態、面試技巧、商業知識等等等？加入產品經理進化營，跟優秀的產品人一起交流成長！
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
