2025年是聊天代理的终点？ElevenLabs用“声音”给了AI第二次生命

当所有产品都在往聊天框里挤时，Luke Harries却在台上泼了一盆冷水：纯聊天的AI，不够未来。真正的拐点，是给Agent一副“会听、会打断、会共情”的声音。这不是炫技，而是一次产品形态的升级。

聊天代理赢了2025，却输给了“未来感”

Luke一上来就给行业下了判断：2025年，是聊天代理的年份。SaaS要么“死掉”，要么AI First——方式几乎只有一个：在产品里塞进一个聊天Agent。无论是PostHog把首页改成聊天界面，还是gov.uk用聊天作为政府服务入口，聊天已经成了默认的人机交互范式。

但问题在于——它不性感，也不够未来。聊天当然高效，RAG、tool calling 都很好用，但它更像是“AI时代的表单”，而不是下一代交互。Luke的评价很直接：Chat is cool， but it doesn’t feel like you’re building the future.

为什么“声音”才是Agent的下一站

真正让人起鸡皮疙瘩的，是他对语音的定义。语音不是一个输入输出形式，而是一种交互升级：更快、更自然、更可访问。对不擅长键盘、对阅读有障碍的人来说，语音不是锦上添花，而是唯一入口。

更关键的是，一旦加上语音，Agent的“活动范围”会被彻底打开：它可以进Zoom会议，实时纠正你说错的数据；它可以变成客服热线，而不是网页角落的聊天框。语音让Agent从“等你来问”，变成“随时介入”。这不是UI变化，而是交互范式的跃迁。

ElevenLabs的野心：不是做语音，而是“包住”你的Agent

ElevenLabs一开始只想做世界上最好的TTS，但在为真实客户（比如Revolut客服）落地时，他们发现：所有语音Agent架构最终都长得一样——底层是语音引擎（STT、TTS、turn taking），上层是Agent编排（LLM、RAG、工具调用、集成）。

问题来了：很多公司，上面的Agent早就搭好了。于是这次他们直接把“语音引擎”抽出来，做成一个一等公民的产品：Voice Engine。你不需要推倒重来，只要把现有的聊天Agent包一层，就能变成语音Agent。

Luke现场展示得很残忍：加语音，几乎就是“一行Prompt + SDK”。Server SDK、Client SDK、现成UI组件，全都给你配好。语音识别、情绪感知的turn taking、多语言多声音，都是开箱即用。

总结

Luke在结尾给了一个不太客气的预测：未来的Agent，要么升级成语音，要么就会被淘汰。对从业者来说，这意味着两件事：第一，别再把“加语音”当成后期优化，它很可能是产品形态本身；第二，评估你的Agent架构时，要开始把语音当成一等能力，而不是外挂。

一个值得思考的问题是：如果你的Agent明天就能“开口说话”，你现在的产品设计，还成立吗？

关键词： 语音AI， AI Agent， ElevenLabs， 对话AI， 语音识别

事实核查备注： 需要核查：1）“2025年是聊天代理之年”的判断为演讲者观点；2）ElevenLabs Voice Engine为即将发布的产品预览，发布时间未明确；3）提及Revolut客服为ElevenLabs客户案例；4）视频发布时间标注为2026-05-09。