·tian
视频会议中的数字人：构建用于视频会议的实时对话头像 AI
45 毫秒的音视频偏移是人类将对话头像 AI 判定为伪造的阈值。深入实时工程内部——视素调度、音频主时钟，以及那些从未在离线评估中出现的失败模式。
insider
ai-engineering
real-time
multimodal
+2·tian
为什么你的语音智能体显得很没礼貌：话轮转换是你从未记录过的延迟预算
为什么语音智能体显得很没礼貌：解析四阶段延迟预算、混合话轮检测、全双工音频以及保护状态的抢占协议。
ai-engineering
voice-ai
latency
real-time
·tian
语音智能体并非带麦克风的聊天机器人：半双工税
语音智能体继承了人类的半双工协议，而非聊天的舒适感。轮换协商、插话处理以及真实的 200 ms 预算，决定了你的智能体听起来是专注还是诡异。
voice-ai
latency
agents
real-time