人类对话轮间隔最短仅 200ms,且与语言无关

lluisantoni · reddit · 2026-10-19

Kottos AI(做语音 agent 路由基础设施)的作者引用一篇 2009 年 PNAS 论文,讨论语音 agent 的一个关键设计参数:人类对话中 turn 之间的间隔期望。论文两个最有意思的发现:1) 众数最多约 200ms——远快于当前大多数语音 agent 的响应延迟;2) 这个间隔几乎不依赖所讲的语言,是跨文化的普遍现象。

对构建语音 agent 的启示:要让对话听起来自然,响应延迟需向 200ms 量级靠拢,这也解释了为什么轮次预测/打断处理是语音基础设施的核心难题。