Vapi

這是什麼、解決什麼問題

Vapi 是給開發者用的語音 AI 平台。你要做一個會接電話、會講話的 AI——客服專線、預約系統、外撥提醒——不用自己把語音辨識、大語言模型、語音合成、電話線路四件事串起來，Vapi 把這條管線包好，你用 API 或儀表板組裝就行。

語音 agent 這個賽道 2024 年之後爆炸性成長，Vapi 跟 Retell AI、Bland AI 是最常被一起比較的三家。Vapi 的特色是組件自由度最高：STT、LLM、TTS 三層都可以自己挑供應商、自己換模型，甚至接自己的模型端點。

實際用起來

上手流程大概是：在儀表板建一個 assistant，選轉錄引擎（Deepgram 之類）、選 LLM（GPT、Claude 都行）、選聲音（ElevenLabs、PlayHT 等），寫好系統提示詞，綁一個電話號碼，就能打電話測試。網頁版有即時測試介面，迭代速度很快。工具呼叫（function calling）支援完整，可以讓 agent 查庫存、寫進 CRM、轉真人接手。

該潑的冷水：第一，成本是疊加的。平台費之外，STT、LLM、TTS、電話線路每一層都各自計費，粗估每分鐘通話的總成本時要全部加起來，量大之後這筆帳很有感，實際費率以官方定價頁為準。第二，延遲調校是真功夫，選錯模型組合，使用者講完話要等一兩秒才有回應，體驗立刻崩掉。第三，中文場景要自己下功夫：預設組合以英文最佳化，台灣口音的辨識、自然的中文 TTS 聲音，都需要自己測過幾家供應商才會找到能用的組合。

適合誰、替代方案

有工程能力、想快速驗證語音 AI 應用的團隊最適合；它的自由度對「想控制每一層品質」的人是優點，對只想要成品的人是負擔。想要更接近開箱即用的體驗可以看 Retell AI；完全不想寫程式的話，這個品類目前都不算友善，先從需求明確的小場景開始。

評語：語音 agent 基礎設施裡的「樂高組」，自由度和天花板都高；但中文語音體驗不會自己從天上掉下來，願意調校的團隊才拿得到它的上限。