Alles, was wir herausgefunden haben — in der Reihenfolge, in der wir es herausfanden.
Wir bitten eine Branche, unsere Messungen zu akzeptieren, also muss die Argumentation sichtbar sein. Dies sind die Arbeitsnotizen: was die veröffentlichten Behauptungen sagen, wo sie einander widersprechen, was unser eigener Harness gemessen hat und was er Ihnen noch nicht sagen kann.
- 24. Okt. 20267 Min.
ai-coustics-Alternativen für Voice-Agents und Callcenter (2026)
Warum Teams über ai-coustics Quail Voice Focus hinausschauen, und eine belegte Shortlist mit Stand Oktober 2026: Krisp VIVA, AssemblyAI Voice Focus, LiveKit Cloud voice isolation, NVIDIA Speaker Focus, Anecho und Open-Source-Baselines. Wir haben ai-coustics bei Live-Gesprächen gegen unser eigenes Modell gebenchmarkt: Gleichstand mit faster-whisper, ein Vorsprung von v8_2 mit Gemini Live, weniger falsche Barge-ins bei ai-coustics, und die Bedingung entscheidet, wer vorn liegt.
Anecho Engineeringcomparisonai-cousticsspeaker-isolationalternatives - 22. Okt. 20267 Min.
Krisp-Alternativen für Voice-Agents und Callcenter (2026)
Warum Teams über Krisp VIVA hinausschauen, und eine belegte Shortlist mit Stand Oktober 2026: ai-coustics Quail Voice Focus, AssemblyAI Voice Focus, LiveKit Cloud voice isolation, NVIDIA Speaker Focus, Anecho und Open-Source-Baselines, jeweils mit Einsatzort, öffentlichem Preis und der Angabe, ob wir es gemessen haben. Krisp haben wir nicht gemessen.
Anecho Engineeringcomparisonkrispspeaker-isolationalternatives - 20. Okt. 202612 Min.
Speaker-Isolation-SDKs im Vergleich (2026): Krisp, ai-coustics, AssemblyAI, LiveKit und Anecho
Ein belegter Vergleich der Sprecherisolation für Voice-Agents und Callcenter, Stand der Angaben Oktober 2026: wo jedes Produkt läuft, deklarierte Latenz, Abtastraten, Integration, öffentlicher Preis und Lizenzierung. Krisp VIVA und Anecho deklarieren 15 ms auf der CPU; ai-coustics nennt unter 30 ms; AssemblyAI und LiveKit verkaufen Isolation innerhalb eines Cloud-Dienstes. Qualitätszahlen nur aus unserem eigenen Benchmark.
Anecho Engineeringcomparisonspeaker-isolationkrispai-coustics - 20. Okt. 202612 Min.
Live-Gespräche: v8_2 gegen ai-coustics Quail VF 2.2 S mit zwei Erkennern, und die Bedingung entscheidet, wer vorn liegt
200 konstruierte Gespräche von 30–60 s, echte Stimmen und gemessene Räume, von uns gemischt, als Ganzes durch Roh-Audio, v8_2 und ai-coustics Quail VF 2.2 S gestreamt und von zwei Erkennern bewertet. Mit faster-whisper base.en herrscht Gleichstand, und keine Engine schlägt raw (37.82%, 38.46%, 38.59%). Mit der Eingangstranskription von Gemini Live schlägt v8_2 raw und liegt gepoolt vor VF S (40.50%, 36.40%, 42.87%). VF S liegt bei einem entfernten Sprecher bei −10 dB vorn, hält die Pausen leiser und löst weniger falsche Barge-ins aus.
Anecho Engineeringbenchmarkspeaker-isolationconversationresults - 17. Okt. 20264 Min.
Der Stand von Voice-AI-Audio, Oktober 2026
Eine Momentaufnahme zum 2026-10-17: Null Test bewertet elf Enhancer gegen eine Nichts-tun-Kontrolle über neunzehn Bedingungen, die Kontrolle liegt bei 14.32% WER und unsere v8_2-Zeile bei 16.59%, und der Markt bewegte sich zu Primärsprecher-Isolation, die in Plattformen und STT eingebaut ist.
Anecho Engineeringbenchmarkmarketnulltestresults - 16. Okt. 20263 Min.
Preise für Voice Isolation 2026: öffentliche Minutenpreise im Vergleich
Öffentliche Minutenpreise für Voice Isolation liegen im Oktober 2026 zwischen $0.0010 (unserer, nach 10,000 Freiminuten) und $0.0012 (LiveKit) bis $0.005 pro Richtung (Telnyx); zwei Anbieter veröffentlichen keinen Preis. Jede Zahl nennt Quelle und Abrufdatum.
Anecho Engineeringpricinglivekitcomparisonvoice-isolation - 15. Okt. 20263 Min.
Wie fügt man einem LiveKit-Agents-Worker Sprecherisolation hinzu?
Lassen Sie das Anecho-SDK im stt_node des Workers über das eingehende Audio laufen, in 240-Sample-Hops bei 16 kHz. Es gibt kein LiveKit-Plugin-Paket, daher zeigt dieser Beitrag den Code, den Sie selbst schreiben, mit Resampling-Hinweisen und den Zahlen.
Anecho Engineeringlivekitintegrationsdkvoice-agents - 15. Okt. 20265 Min.
Unsere Zeile steht in der Tabelle: Wir haben unsere eigene Engine auf unserem eigenen Benchmark bewertet — und auch sie schlug die Kontrolle nicht
Null Test bewertet jetzt elf Enhancer gegen eine Nichts-tun-Kontrolle über neunzehn Bedingungen, darunter eine Zwei-Stimmen-Bedingung für jede Engine. Die gepoolte Kontrolle liegt bei 14.32% WER. Unsere v8_2-Zeile liegt bei 16.59%. Nichts auf der Tabelle schlug die Kontrolle, unsere Engine eingeschlossen — und wir haben die Zeile trotzdem veröffentlicht, denn ein Hersteller-Benchmark ist nur lesenswert, wenn die eigene Zeile des Herstellers darauf verlieren kann.
Anecho Engineeringnulltestbenchmarkfocusresults - 15. Okt. 20265 Min.
Wie man Sprecher-Isolation bewertet: eine Checkliste mit sechs Fragen für jede Engine, auch für unsere
Zielreferenzierte WER auf einem Korpus, den Sie herunterladen können, Insertions separat gezählt, eine Nichts-tun-Kontrolle, die gewinnen darf, Latenz als algorithmische Verzögerung plus Block-Budget auf einem Kern, eine direkte Antwort darauf, wohin das Audio geht, und ein Minutenpreis, den Sie neben den öffentlichen Anker des Ökosystems legen können. Sechs Fragen, jede mit einem Bestehen und einem Durchfallen, die Sie vor dem Pilotprojekt ausführen können.
Anecho Engineeringevaluationspeaker-isolationbenchmarkwer - 13. Okt. 20263 Min.
Was kostet Hintergrundlärm ein Contact Center?
Unter den genannten Annahmen kostet Hintergrundlärm ein Contact Center mit 500,000 Minuten im Monat etwa $474 bis $6,000 pro Monat. Die WER-Eingaben sind gemessen; Minuten, Wiederholungsrate und Kosten pro Minute sind Annahmen, die Sie durch eigene Werte ersetzen sollten.
Anecho Engineeringcall-centerwercostbenchmark - 09. Okt. 20263 Min.
Warum ist die Verarbeitung von Audio im Prozess für DSGVO und Sprach-KI wichtig?
Die Verarbeitung im Prozess hält die Aufnahme im eigenen System: keine zusätzliche Kopie, kein neuer Auftragsverarbeiter oder Unterauftragsverarbeiter, kein neuer Ort, an dem das Audio gespeichert oder übermittelt wird. Dies ist technischer Kontext, keine Rechtsberatung.
Anecho Engineeringgdprprivacysdkvoice-agents - 06. Okt. 20263 Min.
Wie nutzt man die Anecho-Sprecherisolation als Pipecat-Audiofilter?
Schreiben Sie einen kleinen Pipecat-BaseAudioFilter, der das eingehende Audio des Transports in 240-Sample-Hops bei 16 kHz neu zerlegt und das Anecho-SDK auf jeden Hop anwendet. Es ist Code, den Sie selbst schreiben, kein veröffentlichtes Plugin; der vollständige Filter und seine Zahlen stehen unten.
Anecho Engineeringpipecatintegrationsdkvoice-agents - 02. Okt. 20263 Min.
Warum die Turn-Erkennung bei TV-Audio versagt
Ein Fernseher ist ein zweiter Sprecher, und ein Voice-Activity-Detector markiert sprachähnliche Frames unabhängig davon, zu welcher Stimme sie gehören. In unserer Matrix markiert Silero VAD 58.2% der Frames ohne Zielsprache als Sprache, wenn eine konkurrierende Stimme bei 0 dB liegt, gegenüber 7.0% bei sauberem Audio.
Anecho Engineeringvadturn-takingbenchmarkbarge-in - 29. Sept. 20263 Min.
Warum scheitern Sprachagenten bei lauten Anrufen? Fünf Fehlermodi, mit Zahlen
Sprachagenten scheitern bei lauten Anrufen, weil Erkenner, Sprachaktivitätserkennung und Turn-Logik jede Stimme und jedes Codec-Artefakt für den Anrufer halten. Wir nennen fünf Fehlermodi und ordnen jedem eine Zahl aus unserem Null-Test-Lauf zu.
Anecho Engineeringvoice-agentsbarge-inbenchmarkstt - 25. Sept. 20263 Min.
8 kHz gegen 16 kHz für Voice Agents: was die WER-Daten sagen
In unserem Schmalbandtest kostet eine 8-kHz-Strecke den Erkenner 5.79% WER bei sauberer Sprache gegenüber 4.74% bei 16 kHz, und der Abstand wächst mit dem Rauschen. Kein Verbesserungspfad, den wir gemessen haben, weder nativ bei 8 kHz noch hochgetastet, schlug das unbearbeitete 8-kHz-Audio.
Anecho Engineeringtelephonynarrowbandbenchmarkstt - 22. Sept. 20262 Min.
Was ist Sprecherisolation, und wie unterscheidet sie sich von Rauschunterdrückung?
Sprecherisolation behält die Stimme eines Sprechers und entfernt alles andere, auch andere Sprechende. Rauschunterdrückung entfernt Nicht-Sprach-Geräusche und behält jede Sprache. Hier die Definition, ein Vergleich und was unser Benchmark zum Fall zweier Stimmen sagt.
Anecho Engineeringspeaker-isolationexplainerbenchmarknoise-cancellation - 16. Aug. 202616 Min.
Amazon Connect, Twilio, NICE CXone und Avaya: vier Medienpfade, zwei Stellen, an denen man stehen kann
Wir haben die veröffentlichten Spezifikationen der Echtzeit-Audio-Oberflächen von vier Contact-Center-Plattformen gelesen und jeder dieselbe Frage gestellt: Kann ein Dritter das Audio empfangen, es verarbeiten und das verarbeitete Audio zu dem machen, was die eigenen nachgelagerten Konsumenten der Plattform hören? Twilio und Avaya dokumentieren Ja. Amazon Connect und NICE CXone dokumentieren Nein. Unterwegs: Amazon veröffentlicht 8 kHz und „raw PCM" und sonst nichts, Avaya ist die einzige der fünf, die einen Breitband-Codec dokumentiert, und Twilio sagt nirgends das, von dem wir behauptet haben, dass sie es sagen.
Anecho Engineeringtwilioamazon-connectnice-cxoneavaya - 16. Aug. 20268 Min.
Der Resampler, der 92% eines Mikrofons gefressen hat
soxr.ResampleStream ist ein Burst-Emitter. Gefüttert mit dem 128-Sample-AudioWorklet-Quantum des Browsers gibt er bei 92% der Aufrufe ein leeres Array zurück und reicht dann 95 ms auf einmal heraus. Wir haben diese Leere als „noch am Primen" gelesen und den Block übersprungen — und damit auch den unangetasteten Mikrofonpuffer daneben übersprungen, sodass je 8% des Anrufers das Modell erreichten. Unsere eigene Telemetrie meldete es tagelang als 0.08. Das ist ein Control-Flow-Bug, nicht die von uns zurückgezogene Behauptung einer Resample-Steuer (resample tax) — und hier ist die vierzeilige Sonde, die ihn findet.
Anecho Engineeringdspresamplingvoice-agentsdebugging - 16. Aug. 202612 Min.
Genesys AudioHook ist 8 kHz µ-law, und es gibt keine Stelle, an der man stehen könnte
Das AudioHook-Protokoll von Genesys Cloud nagelt seine Abtastrate im Typsystem fest: MediaRate ist das Literal 8000, und 16000 kommt in der Spezifikation nirgends vor. AudioHook Monitor ist ein Einweg-Abgriff, dessen Server-Ausgabe ausdrücklich verworfen wird; Audio Connector kann Audio zurückspielen, ist aber eine Bot-Verzweigung innerhalb der IVR, die den Flow pausiert und nie einen Agenten erreicht. Eine Lesart dessen, was ein Dritter in diesem Medienpfad tun kann und was nicht, Spezifikation für Spezifikation — mit den vier Dingen, die wir nicht bestätigen konnten, ausgewiesen als unbestätigt.
Anecho Engineeringgenesystelephonycontact-centrenarrowband - 16. Aug. 202610 Min.
audio_stream_end=True beendet in der Gemini Live API keinen Turn
Gemessen auf Vertex gegen gemini-live-2.5-flash-native-audio mit einem einzelnen 5-Sekunden-Clip: Audio allein liefert 0 Bytes zurück, Audio plus audio_stream_end=True liefert 0 Bytes, und Audio plus 1.5 Sekunden nachlaufende Stille liefert 229,994 Bytes. Der Server beendet einen Turn, wenn seine eigene VAD Stille hört — Ihr Uplink muss eine Pause also als echte Samples transportieren und nie als ausbleibende Chunks. Googles eigene Dokumentation sagt zwei verschiedene Dinge über dieses Feld, und die Vertex-Doku erwähnt es überhaupt nicht.
Anecho Engineeringgemini-livevoice-agentsvadturn-taking - 13. Aug. 202614 Min.
Null Test v0.1: zehn Sprachverbesserungs-Engines, achtzehn Bedingungen, und im gepoolten Mittel schlug nichts das rohe Signal
Der Harness, der Datensatz, die Configs und jetzt die Ergebnisse. Zehn Engines zur Sprachverbesserung, bewertet gegen eine rohe Kontrolle auf WER, Fehlerzerlegung, VAD und Kosten. Bei der gepoolten WER gewann roh — aber in 11 der 18 Einzelbedingungen schlug mindestens eine Engine das rohe Signal, und die Einfügungen stiegen, statt zu sinken.
Anecho Engineeringnulltestbenchmarkmethodologyopen-source - 09. Dez. 202511 Min.
Die geteilte Pipeline: Warum Ihre VAD und Ihr STT verschiedenes Audio wollen
Turn-Erkennung will einen sauberen Stream. Transkription will den rohen. Für beide Hälften dieser Behauptung haben wir jetzt eigene Zahlen: Verbesserung kostete uns fünf Punkte gepoolte WER und senkte die VAD-Fehlalarme um ein Drittel — und schlug in 11 von 18 Einzelbedingungen das rohe Signal glatt.
Anecho Engineeringarchitecturevadturn-takingsdk - 18. Nov. 202511 Min.
Hilft Rauschunterdrückung Speech-to-Text wirklich? Wir haben es gemessen.
Krisp bewirbt eine WER-Reduktion von 46%. Wir haben zehn Engines zur Sprachverbesserung über achtzehn Bedingungen gegen eine rohe Kontrolle laufen lassen. Keine schlug das Nichtstun bei der gepoolten Wortfehlerrate — wobei in 11 der 18 Einzelbedingungen mindestens eine Engine das rohe Signal schlug — und die Einfügungen stiegen, statt zu sinken.
Anecho Engineeringspeech-to-textnoise-suppressionbenchmarkswer