延迟是预算，像人才是目标 — Jesse Hall，LiveKit

这是 LiveKit 资深开发者布道师 Jesse Hall 的演讲，讲如何构建听起来自然的语音智能体。他指出排行榜无法用于选型，因为分数只衡量单个模型而你交付的是从语音识别到 LLM 再到语音合成的整条管线、误差会累积；实测延迟也不等于来电者听到的体验。内容涵盖：在工具调用执行时像人一样“买时间”、一个能处理打断和来电者改变主意的酒店前台演示、LiveKit 基于音频的轮次检测（被打断率 4.5%，最佳替代方案为 9.9%）、端到端 1.5 秒仍可用而约 600 毫秒开始显得像人，以及可对自己的智能体运行的开源基准、LiveKit Inference 上的语音微调 Gemma 模型预览和一份检查清单。适合开发语音智能体的工程师观看。