Người mua doanh nghiệp và những người mà họ phục vụ muốn những điều trái ngược nhau: 67% lãnh đạo doanh nghiệp hiện gọi voice AI là cốt lõi trong chiến lược của họ, trong khi 79% người tiêu dùng Mỹ nói rằng họ rất muốn có con người hơn là tác nhân AI. Khoảng cách đó, chứ không phải các benchmark của mô hình, mới là số liệu thống kê định hình voice AI năm 2026. Thị trường đang rót vốn mạnh vào phía người mua: riêng ElevenLabs đã huy động $500 triệu với mức định giá $11 tỷ vào tháng 2 năm 2026, và Grand View Research dự báo hạng mục tác nhân giọng nói AI sẽ tăng trưởng từ $2.54 tỷ năm 2025 lên $35.24 tỷ vào năm 2033. Trong khi đó, 91% lãnh đạo dịch vụ khách hàng báo cáo chịu áp lực từ ban lãnh đạo cấp cao để triển khai AI trong năm nay. Các số liệu dưới đây được lấy từ khảo sát State of Voice AI của Deepgram phối hợp với Opus Research, các thông cáo báo chí của Gartner, nghiên cứu về tác nhân giọng nói của a16z, khảo sát người tiêu dùng tháng 12 năm 2025 của SurveyMonkey, báo cáo Amplified 2026 của Voices.com, Grand View Research, Fortune Business Insights, và bảng giá API được OpenAI công bố.
TL;DR
- Thị trường tác nhân giọng nói AI đạt $2.54 tỷ vào năm 2025, dự báo lên $35.24 tỷ vào năm 2033 với CAGR 39.0% (Grand View Research)
- Thị trường AI đàm thoại rộng hơn đạt $17.97 tỷ vào năm 2026, dự báo lên $82.46 tỷ vào năm 2034 (Fortune Business Insights)
- 67% lãnh đạo doanh nghiệp gọi voice AI là cốt lõi trong chiến lược sản phẩm và kinh doanh của họ (Deepgram / Opus Research, State of Voice AI)
- Chỉ 21% rất hài lòng với các hệ thống tác nhân giọng nói truyền thống mà họ đang vận hành (Deepgram / Opus Research)
- 91% lãnh đạo dịch vụ khách hàng và hỗ trợ đang chịu áp lực từ ban lãnh đạo cấp cao để triển khai AI vào năm 2026 (Gartner, tháng 2 năm 2026)
- Gartner dự báo agentic AI sẽ tự động giải quyết 80% các vấn đề dịch vụ khách hàng thông thường vào năm 2029, cắt giảm 30% chi phí vận hành
- 79% người trưởng thành tại Mỹ rất muốn có con người hơn là tác nhân AI, và 89% muốn luôn có sẵn lựa chọn con người (SurveyMonkey, tháng 12 năm 2025)
- ElevenLabs huy động $500 triệu với mức định giá $11 tỷ vào tháng 2 năm 2026, trên nền doanh thu định kỳ hàng năm hơn $330 triệu (ElevenLabs)
- 22% trong một lớp Y Combinator gần đây đang xây dựng sản phẩm với giọng nói, trong tổng số 90 công ty tác nhân giọng nói kể từ năm 2020 (a16z)
- Âm thanh đầu ra của gpt-realtime-2.1 có giá $64.00 mỗi triệu token, với âm thanh đầu vào được cache ở mức $0.40 mỗi triệu (OpenAI)
- 55% người tiêu dùng sử dụng giọng nói để tương tác với AI, nhưng chỉ 29% công ty đã triển khai voice AI hướng tới khách hàng (Voices.com, Amplified 2026)
- Tự động hóa dịch vụ khách hàng chiếm 44.2% doanh thu tác nhân giọng nói AI năm 2025; y tế là lĩnh vực ứng dụng tăng trưởng nhanh nhất với CAGR 42.0% (Grand View Research)
1. Quy Mô Thị Trường: Hai Dự Báo Đo Lường Hai Thứ Khác Nhau
Các tỷ lệ tăng trưởng nổi bật của voice AI không thể so sánh trực tiếp với nhau, và sự khác biệt này quan trọng với bất kỳ ai đang lập ngân sách dựa trên chúng. Grand View Research theo dõi tác nhân giọng nói AI theo nghĩa hẹp, tức các hệ thống tự động có thể duy trì một cuộc hội thoại bằng lời nói, và cho ra một nền tảng nhỏ với đường cong tăng trưởng dốc: $2.54 tỷ năm 2025 với CAGR 39.0%. Fortune Business Insights đo lường AI đàm thoại theo nghĩa rộng, bao gồm cả chatbot văn bản, tạo ra một nền tảng lớn hơn khoảng bảy lần nhưng tăng trưởng với tốc độ chỉ bằng một nửa. Hạng mục chỉ-giọng-nói hẹp hơn được dự báo tăng trưởng gần 14 lần vào năm 2033, trong khi thị trường AI đàm thoại rộng hơn tăng trưởng khoảng 4.6 lần vào năm 2034.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Thị trường tác nhân giọng nói AI, 2025 | $2.54 billion | Grand View Research |
| Thị trường tác nhân giọng nói AI, dự báo 2033 | $35.24 billion | Grand View Research |
| CAGR tác nhân giọng nói AI, 2026-2033 | 39.0% | Grand View Research |
| Thị trường AI đàm thoại, 2025 | $14.79 billion | Fortune Business Insights |
| Thị trường AI đàm thoại, 2026 | $17.97 billion | Fortune Business Insights |
| Thị trường AI đàm thoại, dự báo 2034 | $82.46 billion | Fortune Business Insights |
| CAGR AI đàm thoại, 2026-2034 | 21.0% | Fortune Business Insights |
| Thị phần Bắc Mỹ trong AI đàm thoại, 2025 | 35.10% ($5.19 billion) | Fortune Business Insights |
Mức độ tập trung theo khu vực nhất quán ở cả hai công ty nghiên cứu: Bắc Mỹ chiếm 38.1% doanh thu tác nhân giọng nói AI và 35.10% doanh thu AI đàm thoại. Để biết cách lớp tổng hợp giọng nói bên dưới được định giá và đo lường quy mô riêng biệt so với lớp tác nhân, xem bài tổng hợp thị trường trình tạo giọng nói AI của chúng tôi. Báo cáo đầy đủ: Grand View Research và Fortune Business Insights.
2. Mức Độ Áp Dụng Trong Doanh Nghiệp: Chuyển Giọng Nói Thành Văn Bản Trở Thành Điều Kiện Tối Thiểu
Khảo sát của Deepgram phối hợp với Opus Research, bao phủ 400 lãnh đạo doanh nghiệp trên hơn chục ngành nghề, cho thấy sự chuyển dịch không nằm ở việc áp dụng voice AI mà nằm ở việc đẩy mạnh nó. 92% tổ chức đã thu thập dữ liệu giọng nói của họ, và 56% hiện chuyển hơn một nửa số tương tác bằng giọng nói thành văn bản, tăng so với trạng thái trước đó khi 84% chỉ chuyển được dưới một nửa. Việc thu thập và chuyển giọng nói thành văn bản đã ổn định; câu hỏi còn mở là điều gì chạy phía trên đó. Đó chính là nơi mức độ hài lòng sụp đổ: 80% vận hành hệ thống tác nhân giọng nói truyền thống nhưng chỉ 21% rất hài lòng với chúng, đây là lời giải thích rõ ràng nhất hiện có cho lý do vì sao 84% có kế hoạch tăng ngân sách trong mười hai tháng tới.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Số lãnh đạo doanh nghiệp được khảo sát | 400 | Deepgram / Opus Research |
| Thu thập dữ liệu giọng nói của họ | 92% | Deepgram / Opus Research |
| Chuyển hơn một nửa tương tác thành văn bản | 56% | Deepgram / Opus Research |
| Gọi voice AI là cốt lõi chiến lược kinh doanh | 67% | Deepgram / Opus Research |
| Vận hành hệ thống tác nhân giọng nói truyền thống | 80% | Deepgram / Opus Research |
| Rất hài lòng với tác nhân giọng nói truyền thống | 21% | Deepgram / Opus Research |
| Có kế hoạch tăng ngân sách trong 12 tháng tới | 84% | Deepgram / Opus Research |
| Nêu việc tinh chỉnh mô hình là yếu tố then chốt để áp dụng rộng rãi hơn | 46% | Deepgram / Opus Research |
Khoảng cách 80% so với 21% là điểm bất thường đáng chú ý: sự bất mãn với các hệ thống kiểu IVR hiện có, chứ không phải nhu cầu hoàn toàn mới, mới là thứ đang tài trợ cho phần lớn các dự án thay thế. Nguồn: Báo cáo State of Voice AI của Deepgram.
3. Áp Lực Từ Ban Lãnh Đạo Và Mục Tiêu Năm 2029
Tiêu đề khảo sát tháng 2 năm 2026 của Gartner rất thẳng thắn: 91% lãnh đạo dịch vụ khách hàng và hỗ trợ đang chịu áp lực từ ban lãnh đạo cấp cao để triển khai AI trong năm nay. Áp lực đó gắn với một dự báo dài hạn hơn mà công ty này công bố vào tháng 3 năm 2025, dự đoán agentic AI sẽ tự động giải quyết 80% các vấn đề dịch vụ khách hàng thông thường mà không cần con người can thiệp vào năm 2029, cùng với mức cắt giảm 30% chi phí vận hành. Từ khóa quan trọng nhất trong dự báo đó là “thông thường”, vì việc đặt lại mật khẩu định kỳ hay kiểm tra trạng thái đơn hàng là một vấn đề khác hẳn so với tranh chấp hóa đơn hay khiếu nại gian lận. Đọc cùng với dữ liệu người tiêu dùng ở mục 5, mục tiêu năm 2029 mô tả một trần giới hạn cho khối lượng có thể tự động hóa, chứ không phải một dự đoán rằng hỗ trợ qua điện thoại sẽ biến mất.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Lãnh đạo dịch vụ khách hàng chịu áp lực triển khai AI năm 2026 | 91% | Gartner, February 2026 |
| Vấn đề dịch vụ khách hàng thông thường được giải quyết tự động vào năm 2029 | 80% (forecast) | Gartner, March 2025 |
| Mức giảm chi phí vận hành dự kiến vào năm 2029 | 30% | Gartner, March 2025 |
| Người tiêu dùng muốn luôn có lựa chọn con người | 89% | SurveyMonkey, December 2025 |
| Người tiêu dùng tin nhân viên con người chính xác hơn | 84% | SurveyMonkey, December 2025 |
| Công ty đã triển khai voice AI hướng tới khách hàng | 29% | Voices.com, Amplified 2026 |
Kinh tế học trung tâm liên hệ đã được định hình lại qua mọi làn sóng tự động hóa kể từ những cây quyết định IVR đầu tiên, và nền tảng lịch sử này được đề cập trong bài tổng hợp thống kê ngành trung tâm liên hệ của chúng tôi. Nguồn: Gartner, tháng 2 năm 2026 và Gartner, tháng 3 năm 2025.
4. Vốn Đầu Tư Và Định Giá: Dòng Vốn Đã Đổ Vào Đâu
ElevenLabs là chỉ dấu công khai rõ ràng nhất cho các mức định giá voice AI vì công ty tự công bố số liệu của mình. Công ty này huy động được $500 triệu do Sequoia Capital dẫn đầu với mức định giá $11 tỷ vào ngày 4 tháng 2 năm 2026, gần như gấp ba lần so với khoảng $3.7 tỷ một năm trước đó, trên nền doanh thu định kỳ hàng năm hơn $330 triệu vào cuối năm 2025. Tổng vốn huy động đạt $781 triệu qua năm vòng gọi vốn, nghĩa là công ty đã huy động gần hai phần ba tổng vốn trọn đời của mình chỉ trong một vòng duy nhất. Hệ sinh thái startup phía sau cũng tập trung tương tự: a16z đếm được 90 công ty tác nhân giọng nói trong các lứa Y Combinator kể từ năm 2020, với 22% một lớp gần đây đang xây dựng sản phẩm dựa trên giọng nói.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Vòng Series D của ElevenLabs, tháng 2/2026 | $500 million | ElevenLabs |
| Định giá ElevenLabs, tháng 2/2026 | $11 billion | ElevenLabs |
| Định giá ElevenLabs, mười hai tháng trước đó | approx. $3.7 billion | ElevenLabs |
| Doanh thu định kỳ hàng năm của ElevenLabs cuối 2025 | $330+ million | ElevenLabs |
| Tổng vốn huy động của ElevenLabs, năm vòng | $781 million | ElevenLabs |
| Số ngôn ngữ ElevenLabs hỗ trợ | 70+ | ElevenLabs |
| Công ty tác nhân giọng nói tại YC kể từ 2020 | 90 | a16z |
| Tỷ lệ một lớp YC gần đây xây dựng sản phẩm với giọng nói | 22% | a16z (per Cartesia) |
Chất lượng tổng hợp giọng nói là yếu tố đầu vào khiến việc triển khai tác nhân trở nên khả thi ngay từ đầu, và năng lực phần mềm nhân bản giọng nói bên dưới chính là thứ phân biệt một giọng tác nhân dùng được với một giọng máy móc. Nguồn: thông báo Series D của ElevenLabs và cập nhật Tác Nhân Giọng Nói AI của a16z.
5. Kinh Tế Học Đơn Vị: Một Phút Giọng Nói Thực Sự Tốn Bao Nhiêu
Bảng giá API được công bố là con số theo đơn vị duy nhất trong bài tổng hợp này không xuất phát từ khảo sát, và nó đã giảm rất nhanh. a16z ghi nhận đợt điều chỉnh giá tháng 12 năm 2024 của GPT-4o realtime, giảm 60% cho âm thanh đầu vào và 87.5% cho âm thanh đầu ra. Bảng giá niêm yết hiện tại cho thấy cùng một khuôn mẫu tiếp diễn qua các cấp mô hình: phiên bản mini realtime có giá bằng khoảng một phần ba mô hình đầy đủ, và âm thanh đầu vào được cache có giá $0.40 mỗi triệu token so với $32.00 khi không cache, chênh lệch 80 lần khuyến khích việc tái sử dụng prompt. Chuyển giọng nói thành văn bản giờ đây gần như là một sai số làm tròn, ở mức $0.0045 mỗi phút cho gpt-transcribe, đây là lý do vì sao dữ liệu khảo sát cho thấy việc thu thập và chuyển văn bản đã trở nên phổ biến trong khi việc triển khai tác nhân vẫn còn tụt lại.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Âm thanh đầu vào của gpt-realtime-2.1, mỗi 1 triệu token | $32.00 | OpenAI API pricing |
| Âm thanh đầu ra của gpt-realtime-2.1, mỗi 1 triệu token | $64.00 | OpenAI API pricing |
| Âm thanh đầu vào được cache của gpt-realtime-2.1, mỗi 1 triệu token | $0.40 | OpenAI API pricing |
| Âm thanh đầu vào của gpt-realtime-2.1-mini, mỗi 1 triệu token | $10.00 | OpenAI API pricing |
| Âm thanh đầu ra của gpt-realtime-2.1-mini, mỗi 1 triệu token | $20.00 | OpenAI API pricing |
| Chuyển giọng nói thành văn bản gpt-transcribe, mỗi phút | $0.0045 | OpenAI API pricing |
| Chuyển giọng nói thành văn bản Whisper, mỗi phút | $0.006 | OpenAI API pricing |
| Chuyển văn bản thành giọng nói tts-1, mỗi 1 triệu ký tự | $15.00 | OpenAI API pricing |
| Mức giảm giá âm thanh đầu ra realtime của GPT-4o, tháng 12/2024 | 87.5% | a16z |
Giá niêm yết không phải là chi phí triển khai thực tế. Viễn thông, điều phối, việc thử lại các cuộc gọi thất bại và việc chuyển tiếp cho con người đều có khoản mục chi phí riêng, và không có dữ liệu khảo sát công khai nào tách bạch tổng chi phí cho mỗi cuộc gọi được giải quyết. Về phía tổng hợp giọng nói trong chuỗi công nghệ đó, trang trình tạo giọng nói AI miễn phí của chúng tôi trình bày những gì lớp đầu ra đó thực hiện. Nguồn: bảng giá API của OpenAI.
6. Niềm Tin Người Tiêu Dùng: Khoảng Cách Chưa Ai Lấp Đầy
Cuộc khảo sát tháng 12 năm 2025 của SurveyMonkey với 2,017 người trưởng thành tại Mỹ là bộ dữ liệu người tiêu dùng minh bạch nhất về mặt phương pháp trong bài này, với sai số công bố là cộng trừ 2.5 điểm và được cân chỉnh theo độ tuổi, chủng tộc, giới tính, học vấn và địa lý. Kết quả của nó đối lập trực tiếp với các kế hoạch triển khai của doanh nghiệp. 79% rất muốn có nhân viên con người, 81% tin rằng AI được triển khai để tiết kiệm tiền hơn là cải thiện dịch vụ, và 56% cho biết có cảm xúc tiêu cực về việc các công ty sử dụng AI nói chung. Các lý do được đưa ra khá cụ thể chứ không phải sự ác cảm mơ hồ: 61% nói rằng nhân viên con người hiểu nhu cầu của họ tốt hơn, 53% nêu ra các giải thích kỹ lưỡng hơn, và 52% đơn giản là thấy con người ít gây khó chịu hơn.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Người trưởng thành Mỹ được khảo sát (10-11/12/2025) | 2,017 (±2.5 pts) | SurveyMonkey |
| Rất muốn có con người hơn là tác nhân AI | 79% | SurveyMonkey |
| Tin rằng nhân viên con người chính xác hơn | 84% | SurveyMonkey |
| Nói rằng công ty nên luôn cung cấp lựa chọn con người | 89% | SurveyMonkey |
| Tin rằng AI được dùng để tiết kiệm tiền, không phải cải thiện dịch vụ | 81% | SurveyMonkey |
| Không tin AI có thể thay thế con người | 63% | SurveyMonkey |
| Gen Z thích AI hơn | 14% | SurveyMonkey |
| Thế hệ Boomer thích AI hơn | 4% | SurveyMonkey |
| Tự tin có thể nhận diện được chatbot AI | 54% | SurveyMonkey |
Báo cáo Amplified 2026 của Voices.com, được Censuswide thực hiện trên 700 lãnh đạo doanh nghiệp và người tiêu dùng và công bố ngày 28 tháng 1 năm 2026, bổ sung góc nhìn từ phía thương hiệu: 79% lãnh đạo doanh nghiệp nói rằng giọng AI nên đến từ diễn viên lồng tiếng thật, 79% nói rằng giọng AI thiếu chân thực gây tổn hại đến nhận thức thương hiệu, và 61% người tiêu dùng thấy giọng AI dễ nhớ hơn khi gắn với một thương hiệu duy nhất. Nguồn: SurveyMonkey và Voices.com.
7. Tác Nhân Giọng Nói Xuất Hiện Ở Đâu Trước Tiên
Việc triển khai không lan tỏa đồng đều. Grand View Research báo cáo tác nhân cuộc gọi đến chiếm 52.1% doanh thu năm 2025 và tự động hóa dịch vụ khách hàng chiếm 44.2%, với y tế là lĩnh vực ứng dụng tăng trưởng nhanh nhất với CAGR 42.0% đến năm 2033. Phân tích của a16z về các nhà sáng lập tác nhân giọng nói tại Y Combinator cũng khớp với điều này: khoảng 69% nhắm vào B2B, 18% y tế và 13% tiêu dùng. Trong lĩnh vực y tế, mức độ chuyên môn hóa còn chi tiết hơn những gì hạng mục chung gợi ý: 11.2% y khoa tổng quát, 3.4% nha khoa, 2.2% thú y và 1.1% vật lý trị liệu. Khuôn mẫu này ưu ái các lĩnh vực có khối lượng cuộc gọi cao, kịch bản chuẩn hóa, tình trạng thiếu nhân sự kinh niên, và một lộ trình tuân thủ được ghi chép rõ ràng.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tác nhân giọng nói cuộc gọi đến, tỷ trọng doanh thu 2025 | 52.1% | Grand View Research |
| Tự động hóa dịch vụ khách hàng, tỷ trọng doanh thu 2025 | 44.2% | Grand View Research |
| CAGR lĩnh vực ứng dụng y tế, 2026-2033 | 42.0% | Grand View Research |
| Nhà sáng lập tác nhân giọng nói YC xây dựng cho B2B | approx. 69% | a16z |
| Nhà sáng lập tác nhân giọng nói YC trong lĩnh vực y tế | approx. 18% | a16z |
| Nhà sáng lập tác nhân giọng nói YC trong lĩnh vực tiêu dùng | approx. 13% | a16z |
| Nhà sáng lập tác nhân giọng nói B2B của YC trong fintech | 16.9% | a16z |
| Nhà sáng lập tác nhân giọng nói B2B của YC trong vận hành và hỗ trợ | 12.4% | a16z |
| Doanh thu ngành nhân sự thời vụ hàng năm (bối cảnh cho tác nhân tuyển dụng) | $650 billion | a16z |
Chỉ số kết quả duy nhất được ghi nhận trong bài viết của a16z là một công ty nhân sự thời vụ đã cải thiện tỷ lệ ứng viên qua vòng sàng lọc đầu tiên từ 50% lên 90%, đây là một nghiên cứu tình huống đơn lẻ chứ không phải một benchmark. Nguồn: cập nhật Tác Nhân Giọng Nói AI của a16z.
Tóm Tắt: Tác Nhân Giọng Nói AI Qua Các Con Số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Thị trường tác nhân giọng nói AI, 2025 | $2.54 billion | Grand View Research |
| Thị trường tác nhân giọng nói AI, dự báo 2033 | $35.24 billion | Grand View Research |
| CAGR tác nhân giọng nói AI, 2026-2033 | 39.0% | Grand View Research |
| Thị trường AI đàm thoại, 2026 | $17.97 billion | Fortune Business Insights |
| Thị trường AI đàm thoại, dự báo 2034 | $82.46 billion | Fortune Business Insights |
| Lãnh đạo doanh nghiệp gọi voice AI là cốt lõi chiến lược | 67% | Deepgram / Opus Research |
| Rất hài lòng với tác nhân giọng nói truyền thống | 21% | Deepgram / Opus Research |
| Có kế hoạch tăng ngân sách voice AI trong 12 tháng tới | 84% | Deepgram / Opus Research |
| Tổ chức thu thập dữ liệu giọng nói của họ | 92% | Deepgram / Opus Research |
| Lãnh đạo dịch vụ khách hàng chịu áp lực triển khai AI năm 2026 | 91% | Gartner |
| Vấn đề dịch vụ thông thường được giải quyết tự động vào năm 2029 | 80% (forecast) | Gartner |
| Mức giảm chi phí vận hành dự kiến vào năm 2029 | 30% | Gartner |
| Người trưởng thành Mỹ rất muốn có nhân viên con người | 79% | SurveyMonkey |
| Người trưởng thành Mỹ muốn luôn có lựa chọn con người | 89% | SurveyMonkey |
| Người trưởng thành Mỹ tin AI được triển khai để cắt giảm chi phí | 81% | SurveyMonkey |
| Người tiêu dùng sử dụng giọng nói để tương tác với AI | 55% | Voices.com |
| Công ty có voice AI hướng tới khách hàng đang hoạt động | 29% | Voices.com |
| Định giá ElevenLabs, tháng 2/2026 | $11 billion | ElevenLabs |
| Doanh thu định kỳ hàng năm của ElevenLabs cuối 2025 | $330+ million | ElevenLabs |
| Công ty tác nhân giọng nói tại YC kể từ 2020 | 90 | a16z |
| Âm thanh đầu ra của gpt-realtime-2.1, mỗi 1 triệu token | $64.00 | OpenAI |
| Chuyển giọng nói thành văn bản gpt-transcribe, mỗi phút | $0.0045 | OpenAI |
Phương Pháp Và Nguồn
- Số liệu về mức độ áp dụng trong doanh nghiệp, chuyển giọng nói thành văn bản, mức độ hài lòng và ngân sách đến từ khảo sát State of Voice AI của Deepgram, thực hiện phối hợp với Opus Research trên 400 lãnh đạo doanh nghiệp thuộc hơn chục ngành nghề (Deepgram).
- Áp lực từ ban lãnh đạo cấp cao và dự báo tự động giải quyết vào năm 2029 đến từ hai thông cáo báo chí của Gartner: khảo sát lãnh đạo dịch vụ khách hàng tháng 2 năm 2026 (Gartner) và dự đoán agentic AI tháng 3 năm 2025 (Gartner).
- Dữ liệu về sở thích của người tiêu dùng đến từ khảo sát của SurveyMonkey trên 2,017 người trưởng thành tại Mỹ, thực hiện vào ngày 10-11 tháng 12 năm 2025, với sai số cộng trừ 2.5 điểm phần trăm, được cân chỉnh theo độ tuổi, chủng tộc, giới tính, học vấn và địa lý (SurveyMonkey).
- Số liệu về mức độ sử dụng giọng nói của người tiêu dùng, nhận thức thương hiệu và cấp phép giọng nói đến từ báo cáo Amplified 2026 State of Voice của Voices.com, do Censuswide thực hiện trên 700 lãnh đạo doanh nghiệp và người tiêu dùng, công bố ngày 28 tháng 1 năm 2026 (Voices.com).
- Số liệu về vốn huy động, định giá, doanh thu định kỳ hàng năm và số ngôn ngữ hỗ trợ là công bố trực tiếp từ thông báo Series D của ElevenLabs, ngày 4 tháng 2 năm 2026 (ElevenLabs).
- Dữ liệu về hệ sinh thái startup, phân tích theo lĩnh vực và đợt giảm giá API realtime tháng 12 năm 2024 đến từ nghiên cứu tác nhân giọng nói AI của a16z, trong đó tỷ lệ phần trăm lớp YC được ghi công cho Cartesia (a16z).
- Việc đo lường quy mô thị trường sử dụng hai công ty nghiên cứu với định nghĩa hạng mục khác nhau: Grand View Research cho riêng tác nhân giọng nói AI (Grand View Research) và Fortune Business Insights cho AI đàm thoại bao gồm cả chatbot văn bản (Fortune Business Insights).
- Giá theo token và theo phút đến từ trang bảng giá API được OpenAI công bố, cập nhật đến thời điểm này (OpenAI).
- Theo dõi cập nhật dữ liệu: hai dự báo thị trường ở đây không thể hoán đổi cho nhau, vì Grand View Research chỉ đo lường tác nhân giọng nói trong khi Fortune Business Insights bao gồm cả chatbot văn bản trong một hạng mục lớn hơn khoảng bảy lần; bất kỳ bài viết nào trình bày một “quy mô thị trường voice AI” duy nhất mà không nêu rõ định nghĩa đang sử dụng nên được xem xét thận trọng. Các tuyên bố ROI do nhà cung cấp công bố đang lưu hành trong hạng mục này (lợi nhuận ba năm trên 300%, chi phí mỗi cuộc gọi dưới $1) bắt nguồn từ các trang marketing chứ không phải các nghiên cứu được kiểm toán, nên bị loại khỏi bài này.
- Khảo sát của Deepgram là phiên bản gần nhất hiện có tại thời điểm viết bài; một đợt khảo sát mới dự kiến sẽ làm thay đổi nhiều nhất các số liệu về mức độ hài lòng và ngân sách.
- Cập nhật lần cuối: ngày 29 tháng 7 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý khi có các công bố mới từ Gartner, Deepgram và các nghiên cứu thị trường.