关键观点
语音交互是共同活动，不是单向流水线
人类对话依赖双方持续地听、说、回应并修正理解。用户会自然地期待语音机器人具备同样的协作能力，而不是机械执行预设步骤。即使底层组件分别可用，如果系统不能根据用户反馈更新行为，整体体验仍会失败。展开观点收起观点
人类对话依赖双方持续地听、说、回应并修正理解。用户会自然地期待语音机器人具备同样的协作能力，而不是机械执行预设步骤。即使底层组件分别可用，如果系统不能根据用户反馈更新行为，整体体验仍会失败。
为什么重要: 设计目标应从“完成语音处理”转为“与用户共同完成任务”，系统级协同比单项模型分数更重要。
支撑证据
voice AI is a joint activity between the bot and the user, not just a pipeline.
失败会跨层级连续累积
案例中的问题从声音识别错误开始，随后扩散到发音、轮次控制、上下文追踪和澄清策略。用户最初能够容忍姓名识别错误，但机器人继续打断并重复询问后，局部错误演变为整体信任崩溃。系统失败通常不是一个孤立…展开观点收起观点
案例中的问题从声音识别错误开始，随后扩散到发音、轮次控制、上下文追踪和澄清策略。用户最初能够容忍姓名识别错误，但机器人继续打断并重复询问后，局部错误演变为整体信任崩溃。系统失败通常不是一个孤立缺陷，而是一系列未被修复的小故障。
为什么重要: 评估语音 AI 时，应检查完整通话中的错误传播路径，而不能只统计 ASR 或 TTS 的局部准确率。
支撑证据
Without all of those, without any of those, any of those components, your voice agent will fail.