实测 14 个语音 agent：背景开台电视，任务完成率 38.7% 跌至 8.6%

solyarisoftware · x · 2026-10-14

joshmeyer 团队对 14 个语音 agent 栈做了「开着电视」压力测试：总体任务完成率从安静环境的 38.7% 暴跌到 8.6%。图表显示各家差距巨大：gpt-live 1 最抗噪（59.1%→36.1%），grok voice 次之（39.7%→33.8%）；而 deepgram、vapi、livekit 在电视噪声下完成率直接归零，openai realtime 系从约 49% 跌到 3-4%。对语音产品落地是关键警示：真实环境噪声几乎能摧毁大部分语音 agent 的可用性。