为什么电话里的 AI 总是听错数字?浏览器里跑得飞起的语音 AI,一接电话就翻车:8 kHz 把识别率打回原形
一位每天扛 4 万通电话的语音平台作者直言:同一套模型、同一份提示词,从网页换到电话线,效果立刻崩,问题不在模型而在网络。
大白话有开发者在 Dev.to 写了篇长文,讲自己运营的实时语音平台每天处理约 4 万通电话,几乎全走传统电话网。他发现很多人在浏览器里测试语音 AI 一切正常,一接真实来电就拉胯。原因之一是电话网用的是上世纪 70 年代就定下的 8 kHz 窄带音频,高频被削掉,S 和 F 这类音开始糊,数字和带口音的话更容易听错。他建议用真实通话录音去测识别模型,并找运营商要 16 kHz 的 G.722 编码。另外他提醒,LiveKit 的调度规则选错,会把第二个来电者直接塞进第一个人的对话里。
对你意味着做 AI 客服、电话外呼、语音助手的团队都绕不开这一关;网页 demo 跑通不等于能上线接电话。
Dev.to 开发者个人实战经验分享,数据与结论来自作者自述,非官方文档
原文:Your LiveKit agent works great on WebRTC. The phone network will humble it
打开巨象雷达,看今天全部 AI 动态