Todo lo que descubrimos, en el orden en que lo descubrimos.
Le estamos pidiendo a una industria que acepte nuestras mediciones, así que el razonamiento tiene que estar a la vista. Estas son las notas de trabajo: qué dicen las afirmaciones publicadas, dónde se contradicen entre sí, qué midió nuestro propio harness y qué es lo que todavía no puede decirte.
- 24 oct 20268 min
Alternativas a ai-coustics para agentes de voz y centros de llamadas (2026)
Por qué hay equipos que buscan más allá de ai-coustics Quail Voice Focus, y una lista corta con fuentes según figuraba en octubre de 2026: Krisp VIVA, AssemblyAI Voice Focus, el aislamiento de voz de LiveKit Cloud, NVIDIA Speaker Focus, Anecho y referencias de código abierto. Hemos comparado ai-coustics con nuestro propio modelo en conversaciones en vivo: empate con faster-whisper, ventaja de v8_2 con Gemini Live, menos interrupciones falsas para ai-coustics, y la condición decide quién va delante.
Anecho Engineeringcomparisonai-cousticsspeaker-isolationalternatives - 22 oct 20268 min
Alternativas a Krisp para agentes de voz y centros de llamadas (2026)
Por qué hay equipos que buscan más allá de Krisp VIVA, y una lista corta con fuentes según figuraba en octubre de 2026: ai-coustics Quail Voice Focus, AssemblyAI Voice Focus, el aislamiento de voz de LiveKit Cloud, NVIDIA Speaker Focus, Anecho y referencias de código abierto, con dónde se ejecuta cada uno, su precio público y si lo hemos medido. No hemos medido Krisp.
Anecho Engineeringcomparisonkrispspeaker-isolationalternatives - 20 oct 202614 min
Comparativa de SDK de aislamiento de hablante (2026): Krisp, ai-coustics, AssemblyAI, LiveKit y Anecho
Una comparación con fuentes del aislamiento de hablante para agentes de voz y centros de llamadas, tal como figuraba en octubre de 2026: dónde se ejecuta cada producto, latencia declarada, frecuencias de muestreo, integración, precio público y licencias. Krisp VIVA y Anecho declaran 15 ms en CPU; ai-coustics indica menos de 30 ms; AssemblyAI y LiveKit venden el aislamiento dentro de un servicio en la nube. Los números de calidad vienen solo de nuestro propio benchmark.
Anecho Engineeringcomparisonspeaker-isolationkrispai-coustics - 20 oct 202614 min
Conversaciones en vivo: v8_2 frente a ai-coustics Quail VF 2.2 S con dos reconocedores, y la condición decide quién va delante
200 conversaciones construidas de 30–60 s, con voces reales y salas medidas mezcladas por nosotros, procesadas enteras como audio sin procesar, con v8_2 y con ai-coustics Quail VF 2.2 S, y puntuadas con dos reconocedores. Con faster-whisper base.en es un empate y ningún motor supera al audio sin procesar (37.82%, 38.46%, 38.59%). Con la transcripción de entrada de Gemini Live, v8_2 supera al audio sin procesar y va delante de VF S en el agregado (40.50%, 36.40%, 42.87%). VF S va delante con un hablante lejano a −10 dB, mantiene las pausas más silenciosas y provoca menos interrupciones falsas (barge-ins).
Anecho Engineeringbenchmarkspeaker-isolationconversationresults - 17 oct 20264 min
El estado del audio para IA de voz, octubre de 2026
Una instantánea a 2026-10-17: Null Test puntúa once mejoradores frente a un control que no hace nada en diecinueve condiciones, el control está en 14.32% de WER y nuestra fila v8_2 en 16.59%, y el mercado se movió hacia el aislamiento del hablante principal integrado en plataformas y STT.
Anecho Engineeringbenchmarkmarketnulltestresults - 16 oct 20263 min
Precios del aislamiento de voz en 2026: tarifas públicas por minuto comparadas
Las tarifas públicas por minuto de aislamiento de voz en octubre de 2026 van de $0.0010 (la nuestra, tras 10,000 minutos gratis) y $0.0012 (LiveKit) a $0.005 por dirección (Telnyx); dos proveedores no publican precio. Cada cifra lleva su fuente y fecha de consulta.
Anecho Engineeringpricinglivekitcomparisonvoice-isolation - 15 oct 20263 min
¿Cómo se añade aislamiento de hablante a un worker de LiveKit Agents?
Ejecuta el SDK de Anecho sobre el audio entrante dentro del stt_node del worker, en saltos de 240 muestras a 16 kHz. No existe un paquete de plugin para LiveKit, así que este artículo muestra el código que escribes tú, con notas de remuestreo y los números.
Anecho Engineeringlivekitintegrationsdkvoice-agents - 15 oct 20265 min
Nuestra fila está en la tabla: puntuamos nuestro propio motor en nuestro propio benchmark, y tampoco le ganó al control
Null Test ahora puntúa once motores de mejora contra un control que no hace nada, en diecinueve condiciones, incluida una condición de dos voces para cada motor. El control agregado queda en 14.32% de WER. Nuestra fila v8_2 queda en 16.59%. Nada en la tabla le ganó al control, nuestro motor incluido, y publicamos la fila de todos modos — porque un benchmark de proveedor solo merece leerse si la propia fila del proveedor puede perder en él.
Anecho Engineeringnulltestbenchmarkfocusresults - 15 oct 20266 min
Cómo evaluar el aislamiento de hablante: una lista de seis preguntas para cualquier motor, incluido el nuestro
WER con referencia al objetivo sobre un corpus que puedas descargar, inserciones contadas por separado, un control que no hace nada y que tiene permitido ganar, latencia expresada como retardo algorítmico más presupuesto por bloque en un núcleo, una respuesta directa sobre adónde va el audio, y un precio por minuto que puedas poner junto al ancla pública del ecosistema. Seis preguntas, cada una con un aprobado y un suspenso que puedes ejecutar antes del piloto.
Anecho Engineeringevaluationspeaker-isolationbenchmarkwer - 13 oct 20263 min
¿Cuánto cuesta el ruido de fondo a un centro de contacto?
Con los supuestos indicados, el ruido de fondo cuesta a un centro de contacto de 500,000 minutos al mes entre $474 y $6,000 mensuales. Las entradas de WER están medidas; los minutos, la tasa de repetición y el coste por minuto son supuestos que debe sustituir por los suyos.
Anecho Engineeringcall-centerwercostbenchmark - 09 oct 20263 min
¿Por qué importa procesar el audio en proceso para el RGPD y la IA de voz?
Procesar el audio en proceso mantiene la grabación dentro de tu propio sistema: sin copia adicional, sin un nuevo encargado o subencargado que contratar y sin un nuevo lugar donde se almacene o transfiera el audio. Es contexto de ingeniería, no asesoramiento legal.
Anecho Engineeringgdprprivacysdkvoice-agents - 06 oct 20264 min
¿Cómo usar el aislamiento de hablante de Anecho como filtro de audio de Pipecat?
Escribe un pequeño BaseAudioFilter de Pipecat que reagrupe el audio entrante del transporte en saltos de 240 muestras a 16 kHz y ejecute el SDK de Anecho en cada salto. Es código que escribes tú, no un plugin publicado; el filtro completo y sus números están abajo.
Anecho Engineeringpipecatintegrationsdkvoice-agents - 02 oct 20264 min
Por qué la detección de turnos falla con el audio de la televisión
Un televisor es un segundo hablante, y un detector de actividad de voz marca como habla los fotogramas que lo parecen, sea cual sea la voz. En nuestra matriz Silero VAD marca el 58.2% de los fotogramas sin habla objetivo como habla con una voz concurrente a 0 dB, frente al 7.0% con audio limpio.
Anecho Engineeringvadturn-takingbenchmarkbarge-in - 29 sept 20263 min
¿Por qué fallan los agentes de voz en llamadas ruidosas? Cinco modos de fallo, con números
Los agentes de voz fallan en llamadas ruidosas porque el reconocedor, el detector de actividad de voz y la lógica de turnos tratan cada voz y cada artefacto de códec como si fuera quien llama. Listamos cinco modos de fallo y asociamos cada uno a un número de nuestra ejecución de Null Test.
Anecho Engineeringvoice-agentsbarge-inbenchmarkstt - 25 sept 20263 min
8 kHz frente a 16 kHz para agentes de voz: lo que dicen los datos de WER
En nuestra prueba de banda estrecha, un tramo a 8 kHz cuesta al reconocedor 5.79% de WER con voz limpia frente a 4.74% a 16 kHz, y la brecha crece con el ruido. Ninguna ruta de mejora que medimos, ya fuera 8 kHz nativo o con sobremuestreo, superó al audio de 8 kHz sin tocar.
Anecho Engineeringtelephonynarrowbandbenchmarkstt - 22 sept 20263 min
Qué es el aislamiento de hablante, y en qué se diferencia de la cancelación de ruido
El aislamiento de hablante conserva la voz de un hablante y elimina todo lo demás, incluidas otras personas hablando. La cancelación de ruido elimina el ruido que no es habla y conserva todo el habla. Aquí van la definición, una comparación y lo que dice nuestro benchmark sobre el caso de dos voces.
Anecho Engineeringspeaker-isolationexplainerbenchmarknoise-cancellation - 16 ago 202619 min
Amazon Connect, Twilio, NICE CXone y Avaya: cuatro rutas de medios, dos lugares donde apoyarse
Leímos las especificaciones publicadas de las superficies de audio en tiempo real de cuatro plataformas de contact center y le hicimos una misma pregunta a cada una: ¿puede un tercero recibir el audio, procesarlo, y que el audio procesado sea lo que oyen los propios consumidores aguas abajo de la plataforma? Twilio y Avaya documentan que sí. Amazon Connect y NICE CXone documentan que no. Por el camino: Amazon publica 8 kHz y 'PCM crudo' y nada más, Avaya es la única de las cinco que documenta un códec de banda ancha, y Twilio nunca dice la cosa que veníamos diciendo que dice.
Anecho Engineeringtwilioamazon-connectnice-cxoneavaya - 16 ago 202610 min
El remuestreador que se comió el 92% de un micrófono
soxr.ResampleStream es un emisor a ráfagas. Alimentado con el quantum de 128 muestras del AudioWorklet del navegador devuelve un array vacío en el 92% de las llamadas y luego entrega 95 ms de golpe. Leímos ese vacío como 'todavía cebándose' y saltamos el bloque — lo que también saltaba el buffer intacto del micrófono que estaba al lado, de modo que solo el 8% del llamante llegó jamás al modelo. Nuestra propia telemetría lo reportó como 0.08 durante días. Esto es un bug de flujo de control, no la afirmación del impuesto de remuestreo (resample tax) que retractamos, y aquí está la sonda de cuatro líneas que lo encuentra.
Anecho Engineeringdspresamplingvoice-agentsdebugging - 16 ago 202613 min
Genesys AudioHook es 8 kHz µ-law, y no hay dónde apoyarse
El protocolo AudioHook de Genesys Cloud fija su frecuencia de muestreo en el sistema de tipos: MediaRate es el literal 8000, y 16000 no aparece en ninguna parte de la especificación. AudioHook Monitor es un tap unidireccional cuya salida del servidor se descarta explícitamente; Audio Connector puede reproducir audio de vuelta, pero es una bifurcación de bot dentro del IVR que pausa el flujo y nunca llega a un agente. Una lectura especificación por especificación de lo que un tercero puede y no puede hacer en esa ruta de medios, con las cuatro cosas que no pudimos confirmar nombradas como no confirmadas.
Anecho Engineeringgenesystelephonycontact-centrenarrowband - 16 ago 202611 min
audio_stream_end=True no termina un turno en la Gemini Live API
Medido en Vertex contra gemini-live-2.5-flash-native-audio con un solo clip de 5 segundos: el audio solo devuelve 0 bytes, el audio más audio_stream_end=True devuelve 0 bytes, y el audio más 1.5 segundos de silencio final devuelve 229,994 bytes. El servidor termina un turno cuando su propio VAD oye silencio, así que tu enlace ascendente tiene que transportar una pausa como muestras reales y nunca como chunks ausentes. La propia documentación de Google dice dos cosas distintas sobre este campo, y los docs de Vertex no lo mencionan en absoluto.
Anecho Engineeringgemini-livevoice-agentsvadturn-taking - 13 ago 202616 min
Null Test v0.1: diez mejoradores de voz, dieciocho condiciones, y nada superó al audio sin procesar en la media agregada
El arnés, el dataset, las configuraciones y ahora los resultados. Diez motores de mejora puntuados contra un control sin procesar en WER, descomposición de errores, VAD y coste. El audio sin procesar ganó en la WER agregada — pero al menos un motor lo superó en 11 de las 18 condiciones individuales, y las inserciones subieron en lugar de bajar.
Anecho Engineeringnulltestbenchmarkmethodologyopen-source - 09 dic 202513 min
El pipeline dividido: por qué tu VAD y tu STT quieren audio distinto
La detección de turnos quiere un stream limpio. La transcripción quiere el crudo. Ahora tenemos nuestros propios números para las dos mitades de esa afirmación: la mejora nos costó cinco puntos de WER agregada y recortó las falsas alarmas del VAD en un tercio — mientras superaba de forma clara al audio sin procesar en 11 de 18 condiciones individuales.
Anecho Engineeringarchitecturevadturn-takingsdk - 18 nov 202513 min
¿La supresión de ruido ayuda de verdad al STT? Lo medimos.
Krisp comercializa una reducción de WER de 46%. Ejecutamos diez motores de mejora de voz en dieciocho condiciones contra un control sin procesar. Ninguno superó a no hacer nada en la tasa de error de palabras agregada, aunque al menos un motor sí superó al audio sin procesar en 11 de las 18 condiciones individuales — y las inserciones subieron en lugar de bajar.
Anecho Engineeringspeech-to-textnoise-suppressionbenchmarkswer