人类对话轮替中位停顿为 -120ms，语音 AI 的 500ms 仍与真实节奏相距甚远

一项实证研究显示，真人对话的轮替中位停顿约为 -120ms，即人们常在对方说完前开始接话。语音 AI 虽然已处于较好水平，但约 500ms 的停顿仍远未达到真实人类对话节奏，除了降低延迟，还需处理抢话、叠话等负停顿场景。