从接听、听懂，到下单、办结——ASR · 语义理解 · 语音合成 · 数字人视频全部在我们自己的机器上跑，全链路 16kHz，数据不出内网。中文语音客服、英文语音客服、视频通话三条链路均已上线运行。
不列愿景清单，只列我们已经建成、能当场验证的东西。每张卡右上角是它此刻的真实阶段。
从 FreeSWITCH 板卡模块、通话状态机、调度服务到 VAD 服务，链路是自己写的；SIP 软电话前端也是自己改的。
不是只应答的机器人——电话里真把一笔业务办完：问品、报价、核对、下单、给回执。
浏览器里就是视频通话：客户看得见形象、听得到声音，口型跟着语音走，音频与画面做了同步配平。
话术、音色语速、业务流程、知识范围、形象素材——按客户的业务改，配置在服务端下发。
语音识别、语音合成、大模型、数字人渲染全部在自有 4×RTX3090 上推理，通话数据不出内网。
400 落地通道已经建成，来电直达中文下单店，已实拨验证；知识库检索 API 也已经上线。把两者接起来这一段，正在进行。
可以只买一条语音线，也可以整套私有化落地；可以拿现成的业务流程，也可以按你的系统定制对接。
接听、听懂、多轮追问、办结。替代重复性来电应答，7×24 在线，来电即接。
电话里走完一笔完整业务并给出回执：点单、预约、查询、登记。
带形象的视频通话：客户看得见人，口型跟着语音走。可用于展厅、柜台、远程服务。
接你们的业务系统、知识库、话术与工单流程，按接口对接，按场景调参。
部署到你指定的机房或内网，模型与数据都在你这边，我们负责上线与后续维护。
上面「自研组件」是我们自己写的部分；「采用的模型」是开源模型，我们不把它算作自研。
我们把每项能力的当前阶段直接摊开——省得你打电话来问，也省得你按已完成的预期去验收还没完成的东西。
| 能力 | 此刻阶段 | 说明 |
|---|---|---|
| 中文语音客服 | 已上线 | 拨 9020 即可接通，含下单流程 |
| 英文语音客服 | 已上线 | 拨 9600 即可接通 |
| 视频通话（数字人画面） | 已上线 | 浏览器 SIP 软电话，视频链路已通 |
| 音频与画面同步 | 已上线 | 0.7s 配平值，用户目检"基本同步" |
| 本地大模型私有化 | 已上线 | 35B 本地部署，数据不出内网 |
| 知识库检索 API | 已上线 | KB V2 流式检索接口 |
| 400 落地通道 | 已上线 | 400 号码直达中文下单店（演示），已实拨验证 |
| 400 与知识库对接 | 在做 | 通道与检索各就位；知识库查询通道仍为预留占位，对接联调进行中 |
| 数字人商业形象 | 待素材 | 渲染链路已通；正式形象待客户提供素材后定制 |
| 视频通话录制 | 在做 | 语音侧录制已可用，视频侧录制在开发 |
这张表就是我们对"目前到哪一步"的回答。并发路数我们已经真机压测过了——见下方「并发压测」一节，25 路同时在线全部达标、掉话 0。 但「可靠性百分比」仍然没有：那个数要靠长期运行统计，我们现在报不出来，所以宁可不写。 实际承载还取决于你部署的硬件规模，我们可以在你的验收环境里现场跑给你看。
每一项都标了口径——它量的是什么、在什么条件下量的。没有口径的数字，我们不放上来。
| 指标 | 实测 | 口径 |
|---|---|---|
| VAD 语音起点延迟 | ~32ms | 逐帧 32ms 判定，Silero-VAD |
| ASR 单段识别延迟 | 0.3 – 0.7s | FireRedASR2（int8 ONNX），真实通话逐段计时（08-11 日志） |
| TTS 首段出声 | ~0.7s | 本地合成，从收到文本到吐出第一段音频 |
| 音画同步 | 0.7s 配平 | 数字人视频腿的音频延迟配平值，目检基本同步 |
| 全链路采样率 | 16kHz | 仅 TTS 内部为 24kHz，对外统一 16kHz |
| 生产算力 | 4× RTX 3090 24GB | 语音、大模型、数字人渲染同机部署 |
说明两句实在话：① 上表量的是单段链路——每一段自己花多久，不等于「客户说完到听见回答」的整轮延迟； 整轮的数字在下方「并发压测」一节，那里把口径和并发数一并标了，两张表请不要混着看； ② 算力被争抢时这些数会明显变差——我们在一通真实通话里，实测到语音识别从平时的 0.3s 被拖到 7.0s。 最好的判断方式是直接拨一通听听。
并发数字脱离口径就没有意义，招标现场也一定会被追问口径。所以我们把硬件、测法和结果一并摆出来——你可以直接拿这套口径去横向比较任何一家。
| 场景 | 同时在线 | 首轮响应（中位） | 最差 | 达标情况 |
|---|---|---|---|---|
| 逐路进线 | 25 路 | 658 ms | 1.46 s | 全部达标（0/40 超标） |
| 逐路进线 | 28 路 | 757 ms | 2.36 s | 个别超标（3/30） |
| 逐路进线 | 30 路 | 757 ms | 6.46 s | 明显劣化（11/32） |
| 同一瞬间齐发 | 16 路 | 6.35 s | 14.1 s | 明显劣化（97/102） |
数据来自 2026-09-20 夜的真机拨测；25 路那一档经两次独立运行复现，全程掉话 0。
以上是我们自己环境里的实测边界。你部署的硬件规模不同，这个数会跟着变——我们可以在你的验收环境里现场跑一遍给你看。
真实来电不在录音棚里：客户的电视开着、旁边有人说话、店里放着背景音乐、信号还时断时续。我们没有把"抗干扰"做成一个开关，而是拆成四层，逐层解决能解决的问题，并且如实标出哪一层还没做到。
对真实静音片段实测 0% 误识别；同一批 16 段真静音，对照方案 16 段全部编出字。
这是"抗噪"里最硬、也最容易被现场验证的一条：您可以对着话筒不说话，看系统会不会凭空生成内容。
逐帧语音活动检测，语音起始判定约 32 ms。环境底噪、空调声、键盘声这类稳态声音不会触发识别。
门槛低到不丢字，又不至于被底噪推着走——这个区间是逐帧调出来的，不是拍一个固定值。
不依赖一个固定的静音时长，而是按当前环境噪声自适应判断"这句话说完了"。
噪声大的场合不会过早把客户截断，安静场合也不会长时间干等——两种失败模式我们都实测到过，才有了这一层。
AI 正在说话时，外界声音不会打断当前播报去另起一轮。
代价是"抢话"的响应会慢一点——我们选择了让 AI 把话说完，保证报价、电话核对这类关键信息不被环境音切碎。
| 处理层 | 我们做的 | 此刻 | 验证到什么程度 |
|---|---|---|---|
| 收段层 | 爆发段合并 + 180 ms 预卷；开段保持 10 帧、收尾静音 9 帧 | 已上线 | 生产在跑，未单独量 |
| 收段层 | 噪声看门狗：段开着 1.6 s 仍无真字，不弃段 | 已上线 | 生产在跑，未单独量 |
| 收段层 | 静默自适应闭合（不靠固定静音时长） | 已上线 | 真机通话验证 |
| 判定层 | 真静音不编字 | 已上线 | 实测 0/16 片段编字 |
| 判定层 | 低电平碎段丢弃（按能量上限） | 已上线 | 生产在跑，未单独量 |
| 判定层 | 空字段级联抑制 | 已上线 | 生产在跑，未单独量 |
| 打断层 | 打断字数门：不因"嗯 / 对"这类短回应误切 AI | 已上线 | 生产在跑，未单独量 |
| 打断层 | AI 忙时不开新轮 | 已上线 | 真机通话 + 完整下单验证 |
| 分离前级 | 判定为噪声时，先过一道人声分离再送识别 | 在做 | 通路已打通；降噪效果尚未验证，未计入已有能力 |
| 环境电平闸 | 按环境参考音的电平决定是否让位 | 在做 | 尚未部署到生产 |
三句实话：① 表里标「在做」的两项目前还没有部署到生产，请不要按已完成的预期来验收； ② 我们不做「电视声 / 旁人说话与客户分离」，也不做「目标说话人提取 / 人声分离」——这两项我们没有可交付的能力，页面上也不会写； ③ 当干扰源和客户的声音混在同一路音频里时，我们靠的是"电平 + 时长 + 完整性判定"这一套工程手段，而不是"听出谁在说话"。 把边界写清楚，你才好判断这套东西能不能扛住你的实际现场——也欢迎你拿你自己最吵的一段录音来试。
下面是一通完整的点单电话：AI 侧是知枢自己合成的声音，客户侧是我们用微软语音合成的配音，两边交替播放，和真实通话的节奏一致。
同一套对话引擎，把输出接上数字人渲染就是视频对话。下面是几个形象的渲染样片——形象本身可以按客户要求替换。
定制的不是皮肤，是四件实际影响通话效果的东西。
按行业和客户偏好选音色、调语速，上面播放器里的客户配音就是四种不同音色的演示。
开场白、追问方式、确认口径、结束语都按业务写进配置，不是套模板。
下单、查单、预约、登记——按你的业务步骤配，接你已有的系统。
视频场景下，形象按客户提供的素材渲染；也可以用我们准备好的测试形象先跑通流程。
不管你是想上语音客服的终端用户，还是手里有资源、有场景的同行，都可以直接找我们。
如果你正在考虑用语音客服替代重复来电、或者想在业务里加一条语音/视频入口，带上你的场景来聊：
如果你手里有客户场景、有集成能力、或者有语音相关的资源缺技术落地，我们可以这样合作：
无需安装、无需申请——浏览器打开测试软电话，用预置测试坐席拨入 9020，与知枢语音客服真实对话，从"想点喝的"到"已下单"，全程听完整。
浏览器访问 voice.pian-ai.com，手机 / 电脑均可，WebRTC 免安装。
已预填分机 1001，密码 pVisb4XtuFwdNJsW0RBrlu2W，一键登录即注册上线。
说一句"我想点个喝的"，听 AI 问品、报价、核对电话、确认下单的完整闭环。
不用换号、不用改运营商。你现有的 400 号码继续由原运营方提供，只需在后台做一个中继转接，把来电转到我们的落地通道。
保留你现有 400 号码与运营方，将 400 来电以 SIP 中继方式转接至我方落地通道。
我方提供落地接入地址、支持的语音编码、落地号位；贵方提供真实主叫号透传与中继出局源 IP。
配置中继与路由映射并生效。不影响任何在途通话——实测零停机。
验收不看"接通了没有"，而是三项同时对齐：落地路由正确、到 AI 引擎的长连接已建立、AI 侧一整通完整跑完且时长正常。
两个我们实拨踩过的坑，提前对齐可省一轮联调：① 语音编码要按号段确认——只提 PCMU 会被回 488，需按我方支持的编码协商；
② 主叫号必须透传——不透传则每一通都是"新客户、无档案"，欢迎语与历史记录都会退化。
具体接入参数（落地地址、端口、可用号位等）我们会在对接时定向提供，不放在公开页面上。
可以先在线拨测听完整闭环；也欢迎带着业务场景与技术要求来，我们逐条对照应答，并给到部署方案与交付节奏。
想看自己的业务场景怎么落地？预约一次演示：拨入电话，现场听完 AI 从接听到订单号的完整对话。也欢迎带着贵司的技术要求来，我们逐条对照应答。
打电话给我们 13319282382