Cartesia Blog·· 2026-06-30评分30
如何为真实场景选择语音 AI 模型：ASR、TTS 与轮次检测评估指南
A Guide to Choosing Voice AI ModelsA practical framework for evaluating ASR, TTS, and turn-detection models against your real-world use case — not lab conditions.[Product]Jun 30, 2026
导读
Cartesia 提出按真实用例而非实验室基准选择语音 AI 模型，指出演示中 600–800ms 的往返延迟在真实电话网络上会升至 2–4 秒、P95 达 5 秒。评估 ASR 应看完整转写时间 TTCT 而非首 token 延迟，端到端低于 200ms 对话才自然，超过 1 秒用户会重复发言；轮次检测的精确率与召回率决定打断和响应表现。
来源：Cartesia Blog · cartesia.ai