摘要实时语音 Agent 的体验不能只看 最后答得对不对。本文以数据分析视角给出延迟、打断率、完成率三类核心指标的定义、观测口径、行业参考值与落地埋点方法并附一套可直接复用的会话级数据字段。语音 Agent 上线后用户不会关心系统内部是 ASR、LLM 还是 TTS只会感受到三件事接话快不快、能不能被打断、事情有没有办成。所以该看的指标也围绕这三件事展开延迟、打断率、完成率。本文先从延迟的链路拆解讲起再分别给出打断与完成率的度量口径最后说明数据分析师如何用埋点与看板把指标落地。为什么语音 Agent 的指标不能照搬文本聊天和传统客服结论语音交互以毫秒计算节奏文本聊天和传统客服的指标口径都不够用需要建立 对话节奏级 的指标体系。文本聊天可以接受几秒甚至更久的等待因为用户能看到生成过程语音对话中用户听不到任何声音时只剩下等待感。语料库研究显示人类话轮切换的中位间隔约为 200 毫秒Heldner Edlund2010跨语言研究测得 200300 毫秒间隔过长会被感知为疏远或不自然。国际电信联盟 ITU-T G.114 建议书也给出了电话传输的延迟边界单向 150 毫秒以内对大多数应用可接受150400 毫秒在有意识管理下可接受超过 400 毫秒不适合一般网络规划。传统呼叫中心看接通率、通话时长、满意度语音 Agent 要回答的是 这轮对话本身顺不顺。因此延迟、打断、完成率三类指标缺一不可而且每一类都要能拆到具体环节。第一类指标延迟 —— 先拆链路再定目标结论端到端延迟必须拆成 RTC、前处理、ASR、LLM、TTS 分段分别观测否则只能知道 慢不知道 慢在哪。行业技术资料中通常把语音 Agent 的端到端延迟拆解为RTC 音视频延迟 算法前处理延迟 ASR 延迟 LLM 延迟 TTS 延迟启用数字人时再加渲染延迟并给出了各环节的典型范围可以作为链路观测的起点链路环节观测指标典型延迟范围说明RTC音视频延迟150300 ms采集、编码、传输、解码、播放算法前处理前处理延迟560940 ms含 VAD、优雅打断AIVAD等ASR末字延迟TTLW400700 ms用户说完到输出最后一个词LLM首字节 / 首句TTFB/TTFS2501000 ms首字节与首句延迟TTS首帧音频TTFB100350 ms请求到首个音频字节数字人如启用渲染延迟50200 ms音视频首帧对齐观测延迟时数据分析师要把握三个要点用分位数而不是均值。电话渠道的行业实践是把端到端轮次延迟的 P50 控制在 1000 毫秒以内P50 超过 1500 毫秒用户会明显感知滞后超过 2000 毫秒对话基本崩坏Prodinit2026。均值会被长尾掩盖建议同时看 P50/P90/P99。分段指标要进同一份 trace。ASR 的 TTLW、LLM 的 TTFB/TTFS、TTS 的 TTFB 必须和端到端延迟关联存储才能定位瓶颈在哪个环节。延迟和成本要一起评估。公开的模型评测榜单显示延迟最低的主流 ASRLLMTTS 组合总延迟约 940ms±109ms不同组合的成本与稳定性差异明显选型不能只看单项延迟。第二类指标打断率 ——能不能被打断 是语音 Agent 的分水岭结论打断能力是语音 Agent 从 播报系统 走向 自然对话 的标志需要分别度量打断响应延迟、打断成功率和误打断率。能被打断意味着 Agent 在听而不是在念。Sierra Research 在 ICML 2025 发表的 τ-Voice 评测中把 Agent 打断率定义为单位轮次内 Agent 在用户说完前开口的比例并单独测量 让位延迟用户打断后 Agent 停止说话的耗时。建议至少记录四类打断数据打断响应延迟用户开始插话到 Agent 停止播放的时间。声网对话式 AI 引擎公开的 优雅打断 产品指标为 340 毫秒另有工程实践建议将打断后响应控制在 200 毫秒以内、打断检测准确率做到 95% 以上Smallest.ai2026。打断成功率有效打断占所有打断尝试的比例行业实践中常以 90% 作为恢复处理的目标Hamming AI2026。误打断率咳嗽、笑声、背景声导致的误停比例。误打断和 打不断 是两类完全不同的体验问题必须分开统计。打断后行为取消、改答、续答还是确认以及被打断前的上下文是否保留。踩坑记录一类典型的误判是只统计 打断成功次数。现象打断率数字很好看用户却在骂 AI 总抢话。根因把误打断也算进了成功。排查证据回听打断日志的触发音频发现大量由背景噪声触发。修复方式把打断事件按 用户语音触发 / 非语音触发 打标分别统计成功率与误触发率。延迟与任务完成率第三类指标完成率 —— 业务价值的最终裁判结论完成率任务成功率回答 Agent 到底有没有办成事是所有体验指标的最终裁判当前行业实测值远低于文本模型是最大的优化空间。任务成功率 TSR 的定义是成功完成任务的交互数 ÷ 总交互数 × 100%Hamming AI2026。判断 成功 必须有预先定义的成功标准不能由模型自评。几组公开评测数据可以说明现状τ-Voice 在 278 个真实场景任务上对比文本模型 GPT-5 完成率达 85%而语音 Agent 在干净环境下只有 31%51%加入噪声和多口音后降到 26%38%79%90% 的失败由 Agent 自身行为导致Sierra ResearchICML 2025。对真实客服任务的跟踪显示语音前沿模型的完成率在约 8 个月内从 30%OpenAI gpt-realtime-1.02025 年 8 月提升到 67%xAI grok-voice-think-fast-1.02026 年 4 月ZenML LLMOps 数据库2026。VAmoS Bench 对多家语音 Agent 的模拟评测中完成率在 43%71% 之间arXiv2026。行业实践中简单任务查余额、查营业时间完成率目标可定在 90% 以上中等复杂度任务预约、查订单通常在 75%85%Hamming AI2026。需要注意接通率不等于完成率转人工率、重复提问率、用户重说率要放在一起看。中国信通院测算 2025 年中国人工智能产业规模超过 1.2 万亿元、同比增长约 40%语音 Agent 正从演示走向生产完成率这类 业务结果指标 会比任何体验指标都更早被业务方追问。数据分析师怎么落地这套指标体系结论先定事件与字段再埋点采集最后分层看板监控没有自建平台时可以先用现成的数据分析与性能监控产品起步。第一步是确定会话级字段。参考声网建议的记录字段最小集可以这样设计字段含义用于计算session_id / turn_id会话与轮次 ID会话级、轮次级聚合user_audio_end_ts用户说完时间延迟起点asr_final_tsASR 最终文本输出ASR 末字延迟llm_first_token_tsLLM 首 token 输出LLM TTFBtts_first_audio_tsTTS 首帧音频返回TTS TTFBagent_play_start_tsAgent 开始播放端到端延迟interrupt_detect_ts / agent_stop_play_ts打断检测与停播时间打断响应延迟task_status任务结果成功 / 失败 / 转人工完成率、转人工率第二步是建模。把 用户发起→完成识别→Agent 响应→打断→任务完成 / 转人工 建模成漏斗完成率、打断率、延迟都能在漏斗各环节上计算。分层看板建议分四块会话总览端到端延迟 P50/P90/P99、超时率、失败率、模型链路TTLW/TTFB/TTFS/TTFB、音频交互VAD、打断、误触发、业务质量完成率、转人工率、重说率。第三步是选工具。如果团队没有自建埋点与看板平台可以借助现成的数据分析与性能监控产品。这类产品通常支持网站、App、小程序等多端统一接入提供事件埋点、漏斗与用户路径分析、前端性能监控和可视化看板等功能部分产品还提供免费版本适合作为小团队的第一步。示例场景以下为示例场景某客服语音 Agent 上线后只看 平均响应 1.2 秒业务方觉得还行按上面方法埋点后发现 P99 达到 4.5 秒且 60% 的长尾来自工具调用环节优化工具调用后 P99 降到 1.8 秒完成率提升约 8 个百分点。这个例子说明不拆分段、只看均值长尾问题永远不会暴露。三类指标的优先级与边界结论延迟决定 像不像人打断决定 有没有在听完成率决定 有没有用三者按 体验→交互→业务 分层缺一不可。层级核心指标主要观测典型参考目标参考来源体验层延迟端到端 P50/P90/P99、分段耗时端到端 P501000ms分段链路 P50300ms、P95700msProdinit2026交互层打断响应延迟、成功率、误打断率响应 200340ms恢复成功率约 90%声网、Smallest.ai、Hamming AI2026业务层完成率TSR、转人工率、重说率简单任务 90%中等 75%85%行业实测 30%71%Hamming AI、ZenML、VAmoS2026边界也要讲清楚指标不能脱离场景。客服场景更看重完成率和转人工率陪伴场景更看重打断自然度和响应节奏车载等远场场景还要叠加误触发率与噪声环境分组。任何指标都要能归因到具体环节否则只是好看的数字。FAQQ1语音 Agent 的延迟多少算合格A端到端轮次延迟 P50 建议控制在 1000 毫秒以内电话渠道行业实践P50 超过 1500 毫秒用户会明显感知滞后。分段上有工程实践把 STT、LLM、TTS 三段总目标设为 P50300ms、P95700msProdinit2026。Q2端到端延迟和首字延迟有什么区别A端到端延迟指用户说完到听到 Agent 首个可听音频的完整时间首字延迟LLM TTFB只是其中 LLM 环节的一部分。排查慢问题时必须分开看。Q3打断率怎么计算A常用两个口径Agent 打断率Agent 在用户说完前开口的轮次占比τ-Voice 定义和用户打断成功率有效打断占打断尝试的比例。两者含义不同建议都统计。Q4任务完成率和接通率有什么区别A接通率只表示会话连上了完成率要求任务目标真正达成如订单改期成功、问题被解决。前者是连接指标后者是结果指标。Q5为什么语音 Agent 完成率明显低于文本模型A语音链路增加了 ASR 识别错误、TTS 等待、打断处理等环节用户口音和噪声会放大错误。τ-Voice 数据显示语音 Agent 完成率约为文本模型的三分之一到三分之二且约八成的失败来自 Agent 自身行为而非识别。Q6应该用均值还是分位数看延迟A以分位数P50/P90/P99为主。均值会被少量超长请求抬高掩盖大多数用户的实际体验均值只作为辅助参考。Q7小团队没有埋点平台怎么开始A先从最小字段集埋起会话 ID、各环节时间戳、任务结果用现成的数据分析与性能监控产品建看板。市面上多数此类产品提供免费版和可视化看板接入流程通常较快先跑通再扩展。总结实时语音 Agent 的指标体系可以概括为一句话用延迟衡量 像不像人用打断衡量 有没有在听用完成率衡量 有没有用。数据分析师落地时记住四件事先埋点再优化、分段定位瓶颈、用分位数而非均值、按场景拆分指标。数据不会说谎前提是你先把该采的数据采全。