摘要： 文章把語音代理拆成電信傳輸、語音辨識、模型、工具與商業邏輯、文字轉語音、狀態護欄與可觀測性六層，並用延遲、部署模式、任務完成與成本評估平台。作者強調廣告每分鐘單價可能只涵蓋一層，決策應改用總成本除以成功解決通話數。
現在的語音代理，早已不是把語音辨識、規則回應與文字轉語音湊在一起的拼裝品。Firecrawl 的 Ninad Pathak 在 2026 年 9 月 8 日發表的文章裡提到，新一代 AI 語音代理可以一路把對話談下去、呼叫外部工具，甚至在通話還沒結束前就把任務辦完。只是市場上長相接近的平台為數眾多，想挑出適合自己的那個，得先弄清楚它們在「建構方式、底層跑了什麼、怎麼處理電話、成本結構怎麼算」這幾件事上的差別。
語音代理由哪六個零件協同組成
在 Pathak 的拆解裡，一個語音代理是由六個彼此協調的部分組成：
- 電信或即時傳輸：負責把音訊從電話、瀏覽器或 App 送進來。
- 語音轉文字與轉換偵測：將音訊轉為文字，同時判斷來電者什麼時候把話講完。
- 語言或語音轉語音模型：讀懂意圖，決定要回哪句話或動用哪個工具。
- 工具與商業邏輯：串接 CRM、行事曆等系統，執行獲得授權的變更，需要時把通話轉出去。
- 文字轉語音：把回應轉回音訊（前提是模型沒有直接生成音訊）。
- 狀態、護欄與可觀測性：讓對話維持連貫、把代理的行為框住，並在事後解釋失敗的原因。
把這六層看明白，你才有辦法辨別平台之間真正的差異在哪——比方說，有些平台只包了其中幾層，剩下的得由你自己補起來。
四個評估維度：延遲、部署、任務完成、成本
Pathak 提出四個評估維度，其中被低估得最嚴重的就是成本。
延遲與打斷：真人對話在轉換時的峰值落在 200ms 之內，回應要維持在 sub-500ms 才會讓人覺得自然。該測的項目包含 barge-in（來電者插話打斷）、錯誤打斷（背景雜音或一聲「嗯」造成的誤判），以及法律免責聲明這類受保護語音是不是可以設定為不可打斷。
部署模式：可組合平台（例如 Vapi、LiveKit）把模型、電信層與託管的控制權交到工程團隊手上，代價是要自己維護的系統變多；封裝平台（例如 Retell、Bland）則適合那些只想調整提示詞與通話流程的團隊。
任務完成：看的不是「能不能對話」，而是能不能把實際工作辦完。以重新預約來說，代理必須觸發工作流程、去查行事曆、確認變更已經成立。失敗路徑也同等重要——行事曆回應太慢或直接失敗時，不可以吐出假的確認，也不能重複更新，該做的是轉接給真人。
成本：廣告上的價格往往只涵蓋堆疊的某一層。Pathak 舉的例子是：一個每分鐘 $0.05 的平台，把其他語音堆疊加進去之後可能變成 $0.13，換算下來一通六分鐘的電話就要 $0.78。該看的決策指標是「總成本除以成功解決的通話數」，而不是每分鐘單價。
十個平台，歸納為四種定位
Pathak 拿十個平台互相比較，大致能歸類成四種定位：
- 封裝自助平台：Retell AI、Bland、ElevenLabs。適合想盡快上線、不願自己維護即時基礎設施的團隊。Retell 的價位是每分鐘 $0.07–$0.31，主打視覺化通話流程與自訂函式；ElevenLabs 則適合本來就繞著它的語音堆疊在開發的團隊，免費層給 15 分鐘。
- 可組合開發平台：Vapi、LiveKit、Deepgram、Twilio。Vapi 的託管編排每分鐘 $0.05，但語音、模型、電話的費用要另計；LiveKit 是開源方案，附 1,000 分鐘免費額度。
- 視覺化跨通道建構器：Voiceflow。設計師、營運與工程師可以在同一個地方共同做對話設計，不過公開頁面上看不到數字型的生產費率。
- 受管企業部署：Synthflow、PolyAI。對象是那些把採購、客服中心整合與治理看得比自助迭代更重要的企業，通常由銷售主導，價格不對外公開。
給產品建構者的務實提醒
Pathak 的比較其實在提醒我們一件事：挑選語音代理平台，本質上等於在決定「哪一層要由自己擁有」。假如語音是你產品的核心，像 Vapi 這類可組合平台能讓你自由更換模型與電信商，但每一個供應商都會變成你必須緊盯的服務。假如你只是想接住客服溢流或下班後的電話，Retell 這類封裝平台可以讓產品與營運團隊一起協作，工程端只要把 API 接上就好。
另一件常被漏掉的事，是錄音與逐字稿存在什麼地方、誰可以存取、保留多久，以及同意流程怎麼走，這些都必須符合公司政策。功能比較表不會列這一項，但它往往才是決定平台能不能用的關鍵。
如果你正在評估語音代理的技術棧，也可以回頭看看我們先前討論過的結構化資料擷取工具挑選指南，因為語音代理背後的工具呼叫與資料處理，同樣得考慮分層與可驗證性。
最後別忘了，成本指的是「每一通被解決的通話」的真實成本，而不是每分鐘的廣告價。先把你現行的客服成本算清楚，再拿這個數字去對比平台的總擁有成本，才不會被表面的低價帶著走。