Tudo o que descobrimos, na ordem em que descobrimos.
Estamos pedindo que uma indústria aceite as nossas medições, então o raciocínio precisa estar visível. Estas são as notas de trabalho: o que as afirmações publicadas dizem, onde elas se contradizem, o que o nosso próprio harness mediu e o que ele ainda não consegue dizer.
- 24 de out. de 20268 min
Alternativas à ai-coustics para agentes de voz e call centers (2026)
Por que equipes olham além do ai-coustics Quail Voice Focus, e uma lista curta com fontes conforme listado em outubro de 2026: Krisp VIVA, AssemblyAI Voice Focus, isolamento de voz do LiveKit Cloud, NVIDIA Speaker Focus, Anecho e referências de código aberto. Comparamos a ai-coustics com o nosso próprio modelo em conversas ao vivo: empate com o faster-whisper, vantagem do v8_2 com o Gemini Live, menos barge-ins falsos para a ai-coustics, e a condição decide quem lidera.
Anecho Engineeringcomparisonai-cousticsspeaker-isolationalternatives - 22 de out. de 20268 min
Alternativas à Krisp para agentes de voz e call centers (2026)
Por que equipes olham além do Krisp VIVA, e uma lista curta com fontes conforme listado em outubro de 2026: ai-coustics Quail Voice Focus, AssemblyAI Voice Focus, isolamento de voz do LiveKit Cloud, NVIDIA Speaker Focus, Anecho e referências de código aberto, com onde cada um roda, seu preço público e se o medimos. Não medimos a Krisp.
Anecho Engineeringcomparisonkrispspeaker-isolationalternatives - 20 de out. de 202614 min
SDKs de isolamento de locutor comparados (2026): Krisp, ai-coustics, AssemblyAI, LiveKit e Anecho
Uma comparação com fontes do isolamento de locutor para agentes de voz e call centers conforme listado em outubro de 2026: onde cada produto roda, latência declarada, taxas de amostragem, integração, preço público e licenciamento. Krisp VIVA e Anecho declaram 15 ms em CPU; a ai-coustics lista menos de 30 ms; AssemblyAI e LiveKit vendem isolamento dentro de um serviço em nuvem. Números de qualidade apenas do nosso próprio benchmark.
Anecho Engineeringcomparisonspeaker-isolationkrispai-coustics - 20 de out. de 202614 min
Conversas ao vivo: v8_2 vs ai-coustics Quail VF 2.2 S com dois reconhecedores, e a condição decide quem lidera
200 conversas construídas de 30–60 s, com vozes reais e salas medidas mixadas por nós, transmitidas inteiras pelo áudio bruto, pelo v8_2 e pelo ai-coustics Quail VF 2.2 S e pontuadas por dois reconhecedores. Com o faster-whisper base.en é empate e nenhuma engine vence o bruto (37.82%, 38.46%, 38.59%). Com a transcrição de entrada do Gemini Live o v8_2 vence o bruto e lidera sobre o VF S no agrupado (40.50%, 36.40%, 42.87%). O VF S lidera com um falante distante a −10 dB, mantém as pausas mais silenciosas e dispara menos barge-ins falsos.
Anecho Engineeringbenchmarkspeaker-isolationconversationresults - 17 de out. de 20264 min
O estado do áudio para IA de voz, outubro de 2026
Um retrato em 2026-10-17: o Null Test pontua onze aprimoradores contra um controle que não faz nada em dezenove condições, o controle está em 14.32% de WER e a nossa linha v8_2 em 16.59%, e o mercado se moveu para o isolamento do falante principal embutido em plataformas e STT.
Anecho Engineeringbenchmarkmarketnulltestresults - 16 de out. de 20263 min
Preços de isolamento de voz em 2026: tarifas públicas por minuto comparadas
As tarifas públicas por minuto de isolamento de voz em outubro de 2026 vão de $0.0010 (a nossa, após 10,000 minutos grátis) e $0.0012 (LiveKit) a $0.005 por direção (Telnyx); dois fornecedores não publicam preço. Cada valor traz sua fonte e data de consulta.
Anecho Engineeringpricinglivekitcomparisonvoice-isolation - 15 de out. de 20263 min
Como adicionar isolamento de locutor a um worker do LiveKit Agents?
Execute o SDK da Anecho sobre o áudio de entrada dentro do stt_node do worker, em saltos de 240 amostras a 16 kHz. Não existe pacote de plugin para o LiveKit, então este artigo mostra o código que você mesmo escreve, com notas de reamostragem e os números.
Anecho Engineeringlivekitintegrationsdkvoice-agents - 15 de out. de 20265 min
Nossa linha está na tabela: pontuamos nossa própria engine no nosso próprio benchmark, e ela também não venceu o controle
O Null Test agora pontua onze engines de aprimoramento contra um controle que não faz nada, em dezenove condições, incluindo uma condição de duas vozes para cada engine. O controle agrupado fica em 14.32% de WER. Nossa linha v8_2 fica em 16.59%. Nada na tabela venceu o controle, nossa engine incluída, e publicamos a linha mesmo assim — porque um benchmark de fornecedor só vale a leitura se a própria linha do fornecedor puder perder nele.
Anecho Engineeringnulltestbenchmarkfocusresults - 15 de out. de 20266 min
Como avaliar isolamento de falante: uma lista de seis perguntas para qualquer engine, incluindo a nossa
WER referenciada ao alvo sobre um corpus que você pode baixar, inserções contadas separadamente, um controle que não faz nada e que tem permissão para vencer, latência expressa como atraso algorítmico mais orçamento por bloco em um núcleo, uma resposta direta sobre para onde o áudio vai, e um preço por minuto que você pode colocar ao lado da âncora pública do ecossistema. Seis perguntas, cada uma com um passa e um reprova que você pode executar antes do piloto.
Anecho Engineeringevaluationspeaker-isolationbenchmarkwer - 13 de out. de 20263 min
Quanto o ruído de fundo custa a uma central de atendimento?
Com as premissas indicadas, o ruído de fundo custa a uma central de 500,000 minutos por mês entre $474 e $6,000 mensais. As entradas de WER são medidas; minutos, taxa de repetição e custo por minuto são premissas que você deve substituir pelas suas.
Anecho Engineeringcall-centerwercostbenchmark - 09 de out. de 20263 min
Por que processar o áudio em processo importa para a LGPD/GDPR e a IA de voz?
Processar o áudio em processo mantém a gravação dentro do seu próprio sistema: sem cópia extra, sem novo operador ou suboperador para contratar e sem novo lugar onde o áudio seja armazenado ou transferido. É contexto de engenharia, não aconselhamento jurídico.
Anecho Engineeringgdprprivacysdkvoice-agents - 06 de out. de 20263 min
Como usar o isolamento de locutor da Anecho como filtro de áudio do Pipecat?
Escreva um pequeno BaseAudioFilter do Pipecat que reagrupa o áudio de entrada do transporte em saltos de 240 amostras a 16 kHz e roda o SDK da Anecho em cada salto. É código que você escreve, não um plugin publicado; o filtro completo e seus números estão abaixo.
Anecho Engineeringpipecatintegrationsdkvoice-agents - 02 de out. de 20264 min
Por que a detecção de turno quebra com o áudio da TV
Uma televisão é um segundo falante, e um detector de atividade de voz marca como fala os quadros que parecem fala, seja qual for a voz. Na nossa matriz o Silero VAD marca 58.2% dos quadros sem fala-alvo como fala com uma voz concorrente a 0 dB, contra 7.0% em áudio limpo.
Anecho Engineeringvadturn-takingbenchmarkbarge-in - 29 de set. de 20263 min
Por que agentes de voz falham em chamadas ruidosas? Cinco modos de falha, com números
Agentes de voz falham em chamadas ruidosas porque o reconhecedor, o detector de atividade de voz e a lógica de turnos tratam toda voz e todo artefato de codec como se fosse quem ligou. Listamos cinco modos de falha e associamos cada um a um número da nossa execução do Null Test.
Anecho Engineeringvoice-agentsbarge-inbenchmarkstt - 25 de set. de 20263 min
8 kHz versus 16 kHz para agentes de voz: o que os dados de WER dizem
No nosso teste de banda estreita, um trecho a 8 kHz custa ao reconhecedor 5.79% de WER em fala limpa contra 4.74% a 16 kHz, e a diferença cresce com o ruído. Nenhum caminho de aprimoramento que medimos, 8 kHz nativo ou com reamostragem para cima, superou o áudio de 8 kHz sem tratamento.
Anecho Engineeringtelephonynarrowbandbenchmarkstt - 22 de set. de 20262 min
O que é isolamento de locutor, e como ele difere do cancelamento de ruído
O isolamento de locutor mantém a voz de um locutor e remove todo o resto, incluindo outras pessoas falando. O cancelamento de ruído remove ruído que não é fala e mantém toda a fala. Aqui estão a definição, uma comparação e o que nosso benchmark diz sobre o caso de duas vozes.
Anecho Engineeringspeaker-isolationexplainerbenchmarknoise-cancellation - 16 de ago. de 202619 min
Amazon Connect, Twilio, NICE CXone e Avaya: quatro caminhos de mídia, dois lugares para pisar
Lemos as especificações publicadas das superfícies de áudio em tempo real de quatro plataformas de contact center e fizemos uma pergunta a cada uma: um terceiro pode receber o áudio, processá-lo e fazer com que o áudio processado seja o que os próprios consumidores rio abaixo da plataforma ouvem? Twilio e Avaya documentam que sim. Amazon Connect e NICE CXone documentam que não. No caminho: a Amazon publica 8 kHz e 'raw PCM' e nada mais, a Avaya é a única das cinco a documentar um codec de banda larga, e a Twilio nunca diz a coisa que vínhamos dizendo que ela diz.
Anecho Engineeringtwilioamazon-connectnice-cxoneavaya - 16 de ago. de 20269 min
O reamostrador que comeu 92% de um microfone
O soxr.ResampleStream é um emissor de rajadas. Alimentado com o quantum de 128 amostras do AudioWorklet do navegador, ele retorna um array vazio em 92% das chamadas e então devolve 95 ms de uma vez. Lemos esse vazio como "ainda preparando o filtro" e pulamos o bloco — o que também pulou o buffer intocado do microfone ao lado dele, de modo que só 8% de quem ligava chegou, em algum momento, ao modelo. A nossa própria telemetria reportou isso como 0.08 por dias. Isto é um bug de fluxo de controle, não a alegação do imposto de reamostragem (resample tax) que retiramos, e aqui está a sonda de quatro linhas que o encontra.
Anecho Engineeringdspresamplingvoice-agentsdebugging - 16 de ago. de 202614 min
O Genesys AudioHook é 8 kHz µ-law, e não há onde pisar
O protocolo AudioHook do Genesys Cloud fixa a sua taxa de amostragem no sistema de tipos: MediaRate é o literal 8000, e 16000 não aparece em lugar nenhum da especificação. O AudioHook Monitor é um tap de mão única cuja saída do servidor é explicitamente descartada; o Audio Connector pode reproduzir áudio de volta, mas é um fork de bot dentro do IVR que pausa o fluxo e nunca chega a um agente. Uma leitura especificação por especificação do que um terceiro pode e não pode fazer nesse caminho de mídia, com as quatro coisas que não conseguimos confirmar nomeadas como não confirmadas.
Anecho Engineeringgenesystelephonycontact-centrenarrowband - 16 de ago. de 202611 min
audio_stream_end=True não encerra um turno na Gemini Live API
Medido no Vertex contra o gemini-live-2.5-flash-native-audio com um único clipe de 5 segundos: áudio sozinho retorna 0 bytes, áudio mais audio_stream_end=True retorna 0 bytes, e áudio mais 1.5 segundos de silêncio ao final retorna 229,994 bytes. O servidor encerra um turno quando a própria detecção de atividade de voz (VAD) dele ouve silêncio, então o seu uplink precisa carregar uma pausa como amostras reais, e nunca como chunks ausentes. A própria documentação do Google diz duas coisas diferentes sobre esse campo, e os docs do Vertex nem o mencionam.
Anecho Engineeringgemini-livevoice-agentsvadturn-taking - 13 de ago. de 202616 min
Null Test v0.1: dez aprimoradores de fala, dezoito condições, e nada venceu o bruto na média agrupada
O harness, o dataset, as configs e agora os resultados. Dez engines de aprimoramento de fala (speech enhancement) pontuadas contra um controle bruto em taxa de erro de palavras (WER), decomposição de erros, detecção de atividade de voz (VAD) e custo. O bruto venceu na WER agrupada — mas pelo menos uma engine venceu o bruto em 11 das 18 condições individuais, e as inserções subiram, em vez de descer.
Anecho Engineeringnulltestbenchmarkmethodologyopen-source - 09 de dez. de 202513 min
O pipeline dividido: por que o seu VAD e o seu STT querem áudios diferentes
A detecção de turnos quer um stream limpo. A transcrição quer o bruto. Agora temos os nossos próprios números para as duas metades dessa afirmação: o aprimoramento de fala (speech enhancement) nos custou cinco pontos de taxa de erro de palavras (WER) agrupada e cortou os falsos alarmes de detecção de atividade de voz (VAD) em um terço — enquanto vencia o bruto de forma direta em 11 das 18 condições individuais.
Anecho Engineeringarchitecturevadturn-takingsdk - 18 de nov. de 202512 min
A supressão de ruído realmente ajuda o speech-to-text? Nós medimos.
A Krisp divulga uma redução de 46% na WER. Rodamos dez engines de aprimoramento em dezoito condições contra um controle bruto. Nenhuma venceu não fazer nada na taxa de erro de palavras agregada, embora pelo menos uma engine tenha vencido o bruto em 11 das 18 condições individuais — e as inserções subiram, em vez de descer.
Anecho Engineeringspeech-to-textnoise-suppressionbenchmarkswer