← Каталог

· AI Engineer World's Fair 2025

Realtime-AI не выживет

Your realtime AI is ngmi — Sean DuBois (OpenAI), Kwindla Hultman Kramer (Daily)

Голосовой AI надо строить на WebRTC, а не на WebSockets: TCP ждёт потерянные пакеты и ломает разговорную задержку, которая должна укладываться в секунду.

  • Почему TCP мешает аудио — WebSocket доставляет пакеты строго по порядку и переотправляет потерянные, поэтому один пропуск задерживает весь поток. WebRTC отбрасывает пакеты, которые не уложились в бюджет задержки.
  • Цифра по сетям — по словам спикеров, в 10–15% соединений без такой обработки появляются искажения звука, рост задержки или обрывы.
  • Что уже есть в WebRTC — передискретизация, упаковка аудио в пакеты, оценка пропускной способности и стандартный API статистики. На WebSockets всё это придётся писать самому.
  • Разделение ролей — WebSockets оставьте для связи сервер–сервер и прототипов, а WebRTC берите для аудио и видео из браузера или нативного приложения.

Кому полезно: тем, кто выводит голосовых агентов в продакшен и видит задержку больше секунды.

Статья по теме

Главы

Ещё доклады: Kwindla Hultman Kramer

Страница спикера →

Похожие доклады