电话语音 Agent 不像人的真因：不是 TTS，而是 VAD 时机
Kindly-Duty272 · reddit · 2026-10-27
作者分享调试电话语音 agent 的踩坑复盘：一开始以为是 TTS 音色太机械，反复调语音模型无效。真正的问题在「听」这一侧的时机：
- VAD 切入时机是「不自然感」的主因：用户刚换气就抢答显得没在听，等待太久又像死线；把 endpointing 放慢一点、允许短停顿不触发回复后，通话明显更自然，双方不再抢话。
- 填充音效应惊人：在用户说完到真实回答之间的空隙加一个轻微的确认音，就能让延迟「感觉上消失」，实际处理时间并未改变。
结论：语音体验的核心不是音色而是话轮转换(turn-taking)，endpointing 调优应作为独立里程碑，而不是流程末尾顺手加的东西。
「编程与Agent」频道最新
- dotey 长文反驳「多 Loop 浪费注意力」:每人终将转型管理一群 Agent 的 Manager — dotey · 2026-10-28
- Ghostty 1.4.0 发布:172 位贡献者 2889 次提交,首个完整实现 Kitty 动画的第三方终端 — jedisct1 · 2026-10-28
- Stripe 推出面向 AI Agent 的稳定币支付基础设施 Link balance — jeff_weinstein · 2026-10-28
- ReGE 论文：把 agent 执行经验合成指导，无需更强教师即可自我提升 — TIGER-Lab · 2026-10-28
- Polars 2.1 发布：group-by 支持落盘，90 余项性能改进 — calabi_and_yau · 2026-10-28
- 实测 5 模型操作 Salesforce:静默失败骗过所有 agent — TruthDeep8659 · 2026-10-28