语音 Agent 分不清说话人，语音隔离实测大幅降错

开发者 Div Pradeep 指出语音 Agent 的关键短板：语音转写在嘈杂环境尚可应对，但一旦有人中途插话，系统便分不清该听谁说话，会把背景同事的话混入用户指令。Krisp 基于 265 段录音的实测显示，采用语音隔离后，开放办公区的 STT 错误率从 31.8% 降至 6.3%，凸显该问题对语音 Agent 的重要性与可解性。

2026-09-24 ~ 2026-09-24 · 2 条相关

• 实测 265 段录音:语音隔离让开放办公区 STT 错误率 31.8%→6.3% — thetripathi58 · 2026-09-24
• 语音 Agent 硬伤:分不清房间里谁在说话 — Div_pradeep · 2026-09-24