自适应门控改善语音 Agent 噪音下应答
热点事件持续更新
自适应门控改善语音 Agent 噪音下应答
1 篇报道1 个报道来源37 分钟前更新
先了解这件事
AI 综述
开发者 shrapknife 实测发现,WhatsApp 线索资格筛选产品的语音 Agent 在持续背景人声下,服务端 VAD 无法正常结束应答;他改用最近 50 个音频块的环境噪音 p90 估计,并在客户端门控关闭时持续发送 100 毫秒数字静音,使服务端能检测到轮次结束。 三种合成噪音条件下的测试分别取得 4/4、4/4 和 5/5 成功应答,延迟约 1.1—1.3 秒,未出现打断。不过每种条件仅有 4—5 轮,回复来自 TTS,且尚未接入真实电话线,作者称实际电话环境中的表现可能不同。
AI 根据报道生成 · 14 分钟前更新
最新进展11月17日 18:11
语音 Agent 背景噪音实测:自适应客户端门控恢复应答报道时间线
沿着报道,了解事件的不同侧面。
11月17日
- AGI Hunt语音 Agent 背景噪音实测:自适应客户端门控恢复应答
开发者将浏览器麦克风音频流式传输至托管实时对话模型,实测发现服务端 VAD 在持续背景人声下无法正常结束应答。采用自适应客户端门控后,三种噪声条件下取得 4/4、4/4 和 5/5 应答,延迟约 1.1–1.3s,且无打断。方法以最近 50 个 chunk 的 p90 估计环境噪声,并在门控关闭时持续发送 100ms 数字静音,但测试仅覆盖合成噪声和 TTS 回复,尚未接入真实电话线。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。