跳到主要內容
2026-11-20 日報
開發生態

作者批 OpenAI 語音 AI 仍用 WebRTC,主張改採 MoQ 以避免音訊封包遺失

Hacker News單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

本次未取得足夠原文證據

部落客 kixelated(MoQ 開發者)在部落格文章中批評 OpenAI 的語音 AI 產品採用 WebRTC,認為它不適合語音 AI。文章為作者觀點,OpenAI 尚未公開回應內容;作者表示 OpenAI 的 WebRTC 專家 Sean DuBois 與 Justin Uberti 曾私下與其聯繫,但未說明對方的具體立場。 作者的主要論點是:WebRTC 為即時會議設計,遇到延遲封包會直接丟棄以維持低延遲;音訊的重傳功能預設關閉,即使啟用,抖動緩衝也不會等待重傳結果。作者同時指出,WebRTC 依音訊抵達時間而非時間戳記來播放,而 TTS 通常快於即時生成,代理若要按時送出音訊,就得在傳送前等待,封包遺失時整段語音可能無法補傳。 作者提出以 MoQ(建立在 QUIC 上)取代:持續重傳封包直到 AI 真正需要該段音訊,並以時間戳記決定播放時機。文中估算 1 秒 Opus(64 Kbps)約 8 KB、原本分成約 50 個小封包,改以 QUIC 傳輸時約需 6 個封包,因此補傳成本低。這些數字皆來自作者的估算,未附獨立實測。
讀原始報導

社群討論

多數開發者質疑該文實為推廣 MoQ 的宣傳稿且技術描述有誤,指出 WebRTC 本身已有 NACK 與 FEC 機制,且語音推論實務上多以 20ms 至 200ms 的 chunk 運作無須 buffer,若以快於即時的速度緩衝更會面臨使用者打斷 AI 的難題。不過也有留言同理作者觀點,認為 WebRTC 本身架構極其複雜,其最初設計確實並非為了人機對話情境所打造。

相關主題