跳到正文
  1. 声网博客74

    声网首测 GPT-Live:响应延迟中位数 1099ms、波动缩 5 倍

    Agora 实验室用 iPhone 13 加人工发声设备、可控网络模拟丢包、双轨录音逐帧取时、每项 n=30 的方法测试三代 ChatGPT 语音模式:GPT-Live-1 正常网络中位响应 1099ms(P90 1203ms、SD 104ms),Advanced Voice Mode 为 1304ms(P90 2318ms、SD 489ms),Standard 级联模式 5197ms;10% 上行丢包下 GPT-Live 仅增 314ms,同级丢包的 P90 仍优于零丢包的上一代;插话停止延迟中位数 1399ms 比上一代慢 498ms,但背景人声误触发从 22 次降到 1 次。

    推荐理由:方法论透明、样本量与局限都交代清楚的端到端延迟实测,弱网下的对比尤其有信息量。

  1. 声网博客64

    OpenAI 未公布 GPT-Live 时延,Agora 自行实测给出数据

    针对 OpenAI 未公布 GPT-Live 的端到端时延,Agora 自行搭建测试并公布实测数据,为语音 Agent 开发者选型实时语音模型提供延迟参考。

    推荐理由:第三方对 GPT-Live 时延的受控实测,是实时语音模型选型的稀缺数据点。

  1. LiveKit Blog64

    LiveKit 实测:叠加摄像头与屏幕共享后音频质量是否劣化

    针对“开视频会拖累音频”的外部说法,作者在 LiveKit Cloud 上做三组 60 秒对照测试:纯音频时约 50kbps、0% 丢包、约 7ms 抖动、约 27ms RTT;加入 720p 摄像头(2.3Mbps)和屏幕共享(合计 3.9Mbps)后音频的码率、丢包、抖动、RTT 均无变化,视频侧则自动降码率;作者同时列明局限:单设备、单地点、理想网络、仅测音频带宽/丢包/抖动。

    推荐理由:用可复现的对照实验回应具体性能质疑并如实标注测试边界,是少见的音频质量实证。

已经到底了