AI语音助手，终于更像真人了

这周 AI 语音助手集体换了个打法。以前拼谁声音像人，现在第一梯队全在抢同一件事——它知不知道什么时候该开口。

10 月 1 日，Tavus 的新模型把“被当成真人”的比例从 2.4% 拉到了 48%。同一天，Decagon 的客服 AI 盲测骗过了九成听众。亚马逊也搞出了通话中后台查订单的功能。它们改的不是答案，是回答的时机。

这步难在哪？人类聊天时那些“嗯”“对”，其实是告诉对方“我在听”。机器得在一个词没说完时下注：现在插话还是再等半秒？早了是打断，晚了是尴尬。以前的助手只能等你闭嘴，是因为架构不允许它同时干两件事。

有意思的是，给 AI 装上眼睛后，有些表现反而更差了。测试发现两个毛病：要么看到人就忍不住评论，像个看图说话的；要么干脆无视画面。这说明视频信号变化太快，抓错时机，多出来的信息就成了噪音。

所以评估这类产品，别光听音色。故意打断它，看它是立刻换轨道，还是傻等一下。如果一段对话里最值钱的部分是“什么时候开口”，那下一个被学会的，会不会是“什么时候闭嘴”？