ElevenLabs 研究：复杂对话中语音比文字聊天成功率高出 32%

隆重推出 Eleven v4，这是我们迄今为止最具情感表现力的模型。

当问题复杂或压力较大时，我们的研究表明，人们更愿意通过交谈来梳理问题，而不是打字表达。为了验证这一点，我们比较了数百个同时运行两种渠道的生产级智能体在语音通话（电话和 WhatsApp）与聊天会话中的表现，并开展了一项用户研究作为额外的对比参照。

我们发现，语音最适合处理复杂问题。在超过两分钟的对话中，语音的成功率比文字聊天高出32%。当这些较长的对话成功时，语音的解决速度约快三分之一。

在事情变得令人紧张时，人们也更偏好语音。在一场模拟航班取消的场景中，85%的参与者选择了语音。

这并不意味着聊天已经过时。在简短对话中，聊天略占优势。但对话持续得越久，语音的帮助就越大。

语音在复杂支持问题上表现突出

我们用对话时长作为复杂度的替代指标，并发现了一个规律。在不到一分钟的对话中，聊天表现更好，高出约9个百分点。在一到两分钟之间，两个渠道基本持平。超过两分钟后，语音开始领先：成功率高10.9个百分点——即提升31.7%——并且近三分之二的智能体在语音上表现明显更好。

语音还能更快地解决较长的对话。在超过两分钟的成功对话中，语音平均用时4.6分钟，而聊天为7分钟；在两个渠道上都有足够多成功长对话的90个智能体中，78%在语音上解决得更快。

时长并不是衡量复杂度的完美指标，对聊天尤其如此，因为客户可能在消息之间停顿。但规律很清晰：对话越长，语音的帮助越大。

部分原因可能在于语音能让客户覆盖更多内容。人们说话的速度大约是打字的三倍，而语音对话能让双方保持投入，而不是在消息之间等待。当对话变得复杂时，语音是更快达成解决的路径。

Voice sees a 31% higher success rate on conversations over 2 minutes

语音中的制胜公式：速度加共情

并非每一次语音对话都能成功，而最大的原因之一是延迟。在315个为降低延迟而切换到更快LLM的智能体对话中，平均端到端延迟降低16%与成功率提升26%相关。与此同时，在15秒内结束的通话占比从21.1%降至3.8%。

这表明延迟在通话开始时最为关键，因为此时人们会决定是否继续留在线上。如果智能体响应缓慢，来电者很可能认为线路已断或系统故障，从而挂断。更快的响应能让他们留在线上足够久以获得帮助。

速度只是其中一部分。当对话令人紧张时，智能体的声音听起来如何也很重要。在我们开展的一项用户研究中，98名参与者完成了一个模拟航班取消的场景，类似于这段视频, 以随机顺序分别通过语音智能体和聊天智能体重新预订。在完成场景后的调查中，85%的受访者表示他们更偏好语音，并将解决速度和共情列为他们的首要原因。

为什么做好语音很重要

客户忠诚度在风险最高时赢得或失去：被取消的航班、有争议的收费、已经占用客户太多时间的问题。无论渠道如何，未能解决问题会让你失去下一次对话的机会。

对于最艰难的对话，如果构建得当，语音能给你最大的解决机会。这始于一个能够完成任务的智能体。长对话需要一个能够跟踪上下文并连接到你系统的智能体，这样它就能自己重新预订航班或发放退款，而不是将客户转接出去。低延迟同样重要，因为它能保持对话自然并让来电者留在线上。而语音本身应该听起来平静且富有共情，尤其是在客户不平静的时候。

这就是我们正在通过 ElevenAgents构建的东西。它是一个智能体，在语音和聊天中拥有相同的知识和集成，因此客户可以选择他们喜欢的任何渠道来解决问题。但对话进行得越长，语音的帮助就越大，而且它能更快地达到目的。能够解决最艰难对话的公司，才是客户会再次光顾的公司。