Tecnologia vocale
Latenza vocale
Detto anche: latenza di risposta · latenza di turno
La latenza vocale è il ritardo di andata e ritorno tra il momento in cui l'interlocutore finisce la frase e quello in cui l'agente inizia a rispondere. È la somma dei tempi di speech-to-text, modello linguistico e text-to-speech. Una latenza inferiore al secondo è lo standard per una conversazione naturale.
Le persone notano le pause più lunghe di circa 500–800 ms. Un'alta latenza fa sembrare l'agente robotico e induce chi chiama a parlargli sopra. Ridurre al minimo la latenza è una sfida ingegneristica centrale nella voice AI in tempo reale.
Termini correlati
Speech-to-textTecnologia che trascrive l'audio parlato in testo in tempo reale. Lo STT è il modo in cui un agente vocale comprende ciò che dice l'interlocutore.Text-to-speechTecnologia che converte il testo scritto in audio parlato naturale. Il TTS è ciò che dà la voce a un agente vocale AI.EndpointingRilevare quando l'interlocutore ha finito di parlare così che l'agente sappia che è il suo turno di rispondere. Un endpointing errato causa pause imbarazzanti o interruzioni.Barge-inLa possibilità per l'interlocutore di interrompere l'agente a metà frase facendolo fermare e ascoltare — essenziale per una conversazione naturale e non frustrante.
Vedi Latenza vocale in una chiamata reale.
Prenota una demo di 30 minuti e guarda Finn gestire chiamate in entrata e in uscita end to end — nessuno stack da assemblare.
Try Finn for free