用途:构建面向以色列企业的生产级希伯来语语音机器人与IVR系统,覆盖语音转文字、文字转语音、IVR流程设计、电话线路集成,以及口音处理和希伯来语-英语混说等难点。
架构选择:IVR(按键菜单,适合支付线路、预约)用TTS+DTMF+电话;对话式语音机器人(客服、订单状态、FAQ)用STT+LLM+TTS+电话;语音信箱转写用STT+通知管道;混合型同时用语音与按键。
STT:OpenAI gpt-transcribe 适合录播音频、gpt-live-transcribe 用于流式;whisper-1、gpt-4o-transcribe 系列已于2026-08-26弃用、2027-02-26关停,不宜新项目使用。Google STT 希伯来语走 Chirp 且为区域端点,编码用 iw-IL,须用 V2 客户端;Chirp 2 不支持希伯来语流式,须用 chirp_3(us/eu 多区域,Preview)。Azure Speech 支持 he-IL。ElevenLabs Scribe v2 列有希伯来语(heb,WER 表现中档)。
TTS:实时的 OpenAI Realtime API 支持包括希伯来语在内的多语种语音到语音,当前 GA 模型为 gpt-realtime-2.1,避免使用已弃用的 gpt-realtime 等;离线高质量用 ElevenLabs eleven_v4,注意 v3/v4 不走流式 WebSocket 而走 Text to Dialogue 接口。回退可用 Azure Neural TTS(he-IL-HilaNeural、he-IL-AvriNeural)与 Google Wavenet(he-IL-Wavenet-A/B)。Amazon Polly 不支持希伯来语;ElevenLabs Multilingual v2 语言表中也没有希伯来语。
电话与运营:Twilio 与 Vonage 均提供以色列号码,Twilio 公布以色列语音定价,Vonage 无同类公开文档,需自行比价;号码携转需与运营商确认。通话开始应播放录音告知(השיחה מוקלטת),声纹建议单表存储、支持按来电者删除。启动前应由运营方与专业人士确认合规义务。
IVR 设计:以色列工作周为周日至周四,周五半天(约至13:00),周六休息,路由逻辑需按 Asia/Jerusalem 时区处理。
限制:以上基于公开资料,涉及各提供商的价格、可用性及具体模型名称需以官方最新文档为准;希伯来语 WER 表现弱于英语,应在自有通话音频上实测,勿仅凭宣传指标选型。