轮次结束检测。
语音智能体响应延迟里最大的那一项，通常不是模型——而是它用来判定「人类说完了没有」的那段时间；而一个固定的静音定时器，会把这段延迟加到每一个轮次上，无论来电者是不是真的说完了。轮次结束检测，就是那个放行智能体开口的判定。2026 年，它不再是一个你去调的阈值，而成了一个你去买的分类器——于是问题从「我们该等多久」，变成了「我们能接受多高的打断率」。
步骤 1它是对「说完了」的预测，不是对静音的测量。
语音栈里有三样东西经常被混为一谈，而把它们分开，就是这个术语的大半价值。
- 语音活动检测（VAD）回答的是「这一帧里有没有语音？」它便宜、是声学的、持续运行。它对「一句话有没有说完」一无所知。
- 端点检测是把 VAD 输出变成判定的策略层：典型形式是「语音停了，并且持续停了 N 毫秒，所以这个轮次结束了」。
- 轮次结束检测是对这句话已经完整的预测——说话人已经说完他想说的，正在让出发言权。「完整」是内容与韵律的属性，不是能量水平的属性。
这个区分有一个经典例子。来电者说「我的账号是四、七」，然后停顿。VAD 正确地报告了静音。一个 500 ms 定时器的端点检测器正确地报告静音已持续 500 ms。两者都没错，而在这里插话的智能体错了——因为对任何听见了那些词的人来说，这句话显然还没说完。
语音智能体打断人，几乎从来不是 VAD 的 bug。VAD 通常把自己的活干完了。缺陷在于：一个没有「完整性」模型的系统，被要求从时长里推断完整性。
步骤 2没有哪条静音阈值能把两个分布分开。
定时器调不到正确，理由是统计上的，而非工程上的。轮次内部的停顿与轮次末尾的间隔，来自两个重叠严重的分布。你挑的任何一条阈值都会同时切过两者，于是每一档设置，都是用一种错误的减少去换另一种错误的增加。
# The timer's two errors, and why they trade threshold too low # fires inside a mid-turn pause -> false cutoff threshold too high # waits out a finished utterance -> dead air, every turn # And the second cost is unconditional: added_latency = threshold # paid on EVERY turn, not just the ambiguous ones cutoff_rate = P(pause > threshold | mid-turn)
这个重叠还会随说话人移动，而这正是「按部署逐一调参」这件事失败的地方。第二语言使用者、年长的来电者、照着屏幕念号码的人，以及任何边想边说的人，在停顿分布上都比一个说完一句话的流利母语者更靠右。一份厂商文章把普通话—英语双语者的平均停顿放在约 686 ms，而母语英语者约 546 ms——这个数字我们没能追到原始数据集，但方向上是大家熟悉的那个。一条在你自己团队身上调出来的阈值，是一条在你最快、最流利的那十分之一来电者身上调出来的阈值。
这对多语种智能体的后果比看上去更锋利：一条全局超时为你服务的每一个语言群体编码了不同的打断率，而你的仪表盘里没有任何东西会按那个维度把它拆开。
步骤 32026 年的形态：最大的那一项如今是一个模型。
市场给出的答案是：直接从信号里预测「说完了」，而不是从时长里推断。一个基于模型的轮次结束检测器吃进音频、部分转写文本，或两者，并吐出一个「说话人已让出发言权」的概率——在一句听上去已完整的话上，它可以早于静音定时器触发；而在一句听上去没完的话上，它可以穿过一段长停顿把发言权继续留着。
2026 年的架构动作，是把这件事收进识别模型本身。Deepgram 当年发布的 Flux，在一个模型里同时做转写与轮次检测，因此不需要单独的「VAD 加端点检测」环节；Deepgram 文档给出的轮次结束判定约为 260 ms，其多语种变体在十种语言上低于 400 ms。这些是厂商在自家链路上测出的厂商数字，照例要打折扣，但底下那个结构性主张更可核查、也更要紧：把两者融合消掉了一个串行跳，而串行跳正是延迟预算的构成材料。
有两点实践注记能熬过厂商的更替。基于模型的检测通常与声学 VAD 并行运行，而不是取代它——VAD 近乎免费，而且仍是知道「来电者开口了」的最快办法，这正是抢话所需要的。另外，检测器会暴露一条判定阈值，所以采用它并不消掉下面那个工作点的选择；它只是给了你一条更好的曲线去挑点。
步骤 4挑一个工作点，并且绝不只报告它的一面。
可接受的误打断率没有标准，所以这个数字由你来定、也由你来辩护。按用例去定：一个在收银行卡号或预订编号的智能体，应该穿过长停顿把发言权留住、并接受多出来的延迟，因为在那里打断一次的代价是整个取值要从头来过；而一个处理简短确认的智能体可以早触发，因为切错一次的代价只是一个词再说一遍。
团队跳过的是报告纪律那一半。一项靠调低阈值买来的延迟改进不是改进，是一次转移；而它会在几周后以「被挂断的通话」的形式出现，而没人会把它和那次改动连起来。
响应延迟与误打断率是同一次测量的两张脸。单独公布其中一个——在厂商对比里、在冲刺评审里，或在一份基准里——正是这笔交易被不知不觉做掉的标准方式。要么一起记录，要么等于什么都没记录。
最后，要知道这个事件消失时会发生什么。一个边说边听的全双工模型根本不发出轮次结束事件，而每一个默默订阅着它的下游消费者——工具派发、追踪 span、护栏检查点、转接逻辑——都会失去自己的触发器。那是架构的改变，而非延迟的改变，也是全双工语音所讨论的主题。