语音 AI 的“ChatGPT 时刻”还没来，卡点可能不是声音像不像人，而在上下文层。PolyAI 的 CTO 说，ASR 经常漏掉重要关键词；关键词一漏，后续要抓的完整上下文就断了，整条流水线跟着出问题。

Otter 的 CMO 把后果说得更直接：转录从来不是终点，可原始转录如果不够准，后面的摘要、动作都会建在错处，用户对平台的信任也就没了。全双工模型已经能边听边说，但上下文这层还没解决。