语音 AI 延迟已达标，「接话」成新瓶颈：抢话冷场如何破？

机器之心 · wechat · 2026-11-15

机器之心 PRO 专题解读语音交互从「快」到「会接话」的能力跃迁。端到端延迟已压缩至 150-300 毫秒、接近人类话轮转换间隙（约 200 毫秒），但抢话与冷场暴露系统缺乏「接话」（Turn-taking）能力：传统端点检测仅靠静音阈值，无法区分「思考停顿」与「发言结束」。文章梳理业界路线：全双工机制（发声同时持续收音理解）、浙大团队 2026 年 6 月发布的 L0-L3 四层架构综述（按双工决策发生位置分级）、连续预测、外挂状态判断等，并讨论评测标准、可控性与长时程运行等新问题。