Главная проблема телефонных AI-агентов — не модель, а управление очередями речи

Автор делится опытом настройки голосовых агентов, отмечая, что ключевая сложность заключается не в качестве языковой модели, а в алгоритмах определения моментов начала и окончания речи (VAD). Проблема решается не оптимизацией задержек, а использованием дополнительных сигналов, таких как уверенность STT и грамматическая завершность частичных транскриптов, для предотвращения прерываний собеседника.