LiveKit 工程师拆解语音 Agent 的 1.5 秒延迟预算与打断处理

LiveKit 工程师 Jesse Hall 分享了面向金融服务的拟人语音 Agent 构建方法，强调不能只依赖模型榜单选型，而应以完整对话体验评估系统。方案建议用 time to first audio 和 time to first sentence 衡量体验，将整体延迟预算控制在约 1.5 秒，并通过异步工具调用和音频感知 turn detection 处理等待与打断。