LiveKit afirma que su agente de voz interrumpe al cliente el 4,5 % de las veces, frente al 9,9 % de la alternativa líder
Útil para
Jesse Hall, de LiveKit, presentó en AI Engineer un benchmark según el cual LiveKit corta al interlocutor el 4,5 % de las veces, frente al 9,9 % de la alternativa líder que comparó. Sostiene que la métrica útil en voz es el tiempo hasta el primer audio y no la velocidad de los modelos: un proveedor de TTS declara unos 210 ms hasta el primer byte, pero sus pruebas encontraron hasta 0,75 segundos de silencio antes de hablar. Además, mostró un agente de reservas de hotel que sigue conversando mientras escribe en el backend de forma asíncrona, y un caso en el que «quiero pagar el día 3» se entiende como «el 30».
Qué significa
En agentes de voz para atención al cliente, la latencia y el silencio antes de hablar pesan más que la velocidad del modelo. En servicios financieros, un error al entender una fecha de pago puede propagarse sin control por el LLM.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- StartupHub.aiLeer la noticia completa en StartupHub.ai