End-of-turn detection in production
Five 2026 stacks compared on the same recorded audio set. How do LiveKit, Pipecat, Vapi, Retell, and a VAD-only baseline handle slow speakers, backchannels, and noise?
Metodické studie, vlastní benchmarky, srovnávací analýzy a zprávy z praxe; právě v přípravě. Každá publikovaná studie obsahuje datovou sadu, skripty a předem registrovanou metodiku. Žádná PDF za formulářem, žádné prodejní prezentace převlečené za whitepaper.
Každé studie projde 6 fázemi pipeline. Karty se aktualizují s postupem studií.
Five 2026 stacks compared on the same recorded audio set. How do LiveKit, Pipecat, Vapi, Retell, and a VAD-only baseline handle slow speakers, backchannels, and noise?
P50 / P90 / P99 end-to-end "user stops speaking to first audio byte arrives" latency across four stacks, controlled for region, cold start, and prompt budget.
Where Spanish-English voice agents drop the turn. Four leading bilingual STT stacks scored on a 100-utterance gold-labelled set with controlled code-switch points.
01
Jmenujeme poraženého.
Pokud náš kalkulátor porazí X 3× a remizuje s Y, řekneme to jasně.
02
Zveřejňujeme data.
Repo s surovými daty, skripty a jedním příkazem pro reprodukcí každého čísla.
03
Oznamujeme konflikty zájmů.
Pokud přeprodáváme nebo spolupracujeme s nástrojem, který benchmarkujeme, řekneme to hned na začátku.
04
Limitace jsou upřímné.
Žádná schvátka „je třeba více výzkumu“. Konkrétní věci, ke kterým článek nemůže dojít.
Hutné jednostránkové přehledy pro úzké oblasti, které zkoumáme. Číslované tematické bloky, vzorce, na kterých záleží, a způsoby selhání, které se objevují v produkci.
Ten dense topic blocks covering the production voice-agent stack in 2026: pipeline shape, end-of-turn detection, backchannel handling, latency budgets, streaming TTS, code-switching, mid-turn tool calls, audio + token cost models, failover, and the eval harness that catches regressions before customers do.
Ten compact blocks on the production RAG stack: embeddings, chunking, hybrid retrieval, reranking, citation grounding, caching, index sizing math, per-query cost, the eval harness, and the failure modes that show up after launch.
Ten dense blocks on the 2026 browser-automation fingerprint surface: detection vectors, canvas + WebGL signals, audio fingerprint, TLS JA3/JA4, behavioural signals, the stealth library stack, residential proxy economics, the CAPTCHA solver pipeline, total cost per successful session, and the eval harness used to track block rates over time.
Navrhněte téma výzkumu. Pokud spadá do našeho zaměření a máme k němu data, pustíme se do něj a publikujeme; autora návrhu uvedeme v poděkování.
Navrhněte téma paperu