实测 xAI 实时语音引擎:回复延迟下限约 1.3 秒

Kindly-Duty272 · reddit · 2026-09-10

一位开发者在 xAI 实时语音引擎上搭建电话 agent 时,写脚本实测了模型回复前的停顿,得出几个可操作的结论:

• 用 xAI 自带的服务端 turn 检测,回复延迟下限约 1.3 秒,单独调静音阈值无法突破
• 改用客户端自己的 VAD 驱动 end-of-turn,下限降到约 1.2 秒,长通话累积可观
• 固定开场白有坑:用户在 TTS 播完前插话「hello?」时,xAI 会在句子中间重复播报预设语句;解决办法是弃用固定字符串,把开场白写进 prompt 让模型实时生成

作者询问 deepgram、cartesia、elevenlabs 等其他实时语音栈是否存在类似服务端下限。实测基于其开源 SDK patter,脚本 xAI-ttfa.mjs 已公开。

原文链接 →

「编程与Agent」频道最新

• kafka-mcp 上线:让 LLM Agent 检查 Kafka 主题并安全重置消费位点 — modelcontextprotocol · 2026-09-10
• 评论：被 Agent 生态甩开的企业系统将滑向无关紧要 — matt_slotnick · 2026-09-10
• SOR 不进化，Agent 将在其上建出全新平台层 — matt_slotnick · 2026-09-10
• Agent 崛起将把权力转移至现有系统之上的新层 — matt_slotnick · 2026-09-10
• Agent 工作层才是支出所在，现有系统无切入路径 — matt_slotnick · 2026-09-10
• SOR 系统尚未适配 Agent 原生用法，状态变更背后数据全在平台外 — matt_slotnick · 2026-09-10

更多「编程与Agent」频道 AI 资讯 →