语音 Agent 被背景噪音干扰 0/5 应答,自适应门控修复至 4/4

shrapknife · reddit · 2026-11-17

一位开发者在 WhatsApp 线索资格筛选产品中加入语音 Agent,浏览器采集的麦克风音频直接流式传输到托管实时对话模型,由模型的服务端 VAD 判断客户何时说完。问题:当背景持续有人声(办公室交谈、电视)时,服务端检测器永远等不到静音,Agent 要么不应答要么被打断,且服务端 VAD 没有降噪设置。测试通过混入合成办公室噪音和 TTS 客户回复进行,尚未接真实电话线。

各方案实测结果

自适应门控伪代码要点

作者也声明局限:每条件仅 4–5 轮、噪音为合成、客户回复是 TTS,真实电话线噪音下表现可能不同。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →