专业场景的语音 AI，知识库才是产品本身
在专业场景里，语音 AI 能不能真的替专家去服务客户，取决于知识库，模型只占很小一部分。没有知识库，它要么答错，要么答浅，在专业领域这两样都接近没用。
知识库为什么比通用模型重要
通用大模型很强，它有一个结构性的问题，它没有边界感。
问一个专业问题，它会按训练数据里最常见的那个答案回答。有时候是对的，有时候半对半错，有时候完全是编的却听起来非常合理。这个行业里的人都见过某个助手在医疗、法律或者化学问题上给出一个自信、专业、错误的答案。
在教育、知识服务、医疗器械、化学试剂这些领域，差一个数字、少一个条件，后果是事故级的。
知识库把答案锁在你导入的内容里。系统在你划定的边界内回答，超出边界就说不知道，而不是自己推一个听起来合理的出来。在专业工作里这是硬要求，不是锦上添花。
真正的瓶颈是专家的时间
一个做化学试剂销售的朋友，客户整天在微信上问型号、替代方案、存储条件。有的要查规格表，有的要做比对，一个来回聊很久。一个人能对接的客户数有硬上限。
做医疗器械售前的朋友是同一类问题。常见的专业问题覆盖面其实很固定，八九成都能列出来。而这八九成把她一天吃掉了，真正复杂的案例反而分不到足够的注意力。
知识库加语音设备补的就是这个缺口。把能标准化的部分放进去，也就是常见问题、产品规格、适用场景、基础比对，让设备在前面接住。剩下需要判断的，交给腾出时间的专家。
专家没有被替代，他的注意力被挪到了最值钱的地方。
链路是怎么搭的
我们把 ASR 和 TTS 整合进 4G 语音硬件。专家在后台配好智能体、上传知识库，设备就能用这位专家的知识回答用户的语音提问。
ASR 把用户说的话转成文字，模型加知识库给出答案，TTS 再把答案说回去。整条链路在设备上跑，客户侧不需要额外开发。
这个安排的意义在于，专家不必自己做硬件。他把本来就有的知识整理一遍，它就进到了一台能替他服务客户的设备里。
适合哪些生意
特征是知识密度高，客户问的问题有规律可循，专家直接服务客户的时间成本很高。
- 医疗器械、化学试剂、药品询问。壁垒高，有标准答案，不允许幻觉。
- 保险、课程辅导、心理科普、培训。常见问题好归类，设备接住大多数，复杂的转人工。
- 博物馆与美术馆讲解。知识是固定的，语音导览是很自然的落地场景。
一个简单的判断
如果你在某个领域有三年以上积累，能把常被问到的问题列出来，基本上就能做知识库。不需要多系统，你反复讲的那些，恰恰是设备最容易接住的那些。