**AI语音对话的自然轮转，对延迟极度敏感。** Gnani.ai的CEO Ganesh Gopalan在2026年2月的一次访谈中直言：“如果你正在和语音AI系统进行电话对话，如果那个系统犹豫哪怕一秒，你就会挂断电话”。
端到端响应延迟低于800ms对话才可接受，低于500ms才感觉“像人”。超过1200ms，客户开始抢话;超过1800ms，直接挂断。在这条时间预算中，**媒体路径的单向延迟占据了40-120ms的固定成本**——如果SIP中继的媒体路径绕道海外，这个数字会翻倍甚至更多。将媒体延迟控制在**200ms以内**，是实现自然轮转的技术底线。
一次完整的Voice AI通话轮转，延迟由以下环节构成：
| 延迟环节 | 典型范围（ms） | 是否可控 |
|---|---|---|
| 运营商到AI的媒体路径（单向） | 40–120 | 取决于中继架构 |
| ASR语音识别 | 180–450 | 可优化（模型选择） |
| LLM推理 | 200–700 | 可优化（模型/路由策略） |
| TTS首字节 | 120–350 | 可优化（流式TTS） |
| AI到运营商的媒体路径（单向） | 40–120 | 取决于中继架构 |
| Jitter Buffer | 40–120 | 可调（Telnyx默认60-200ms） |
| 总往返延迟 | 620–1,860 | — |
**媒体路径的40-120ms是“固定成本”**。如果SIP中继的媒体锚定点在印度境外，这一项会飙升至150-200ms以上。Exotel的分析指出，地理位置本身就会增加150-200ms的往返延迟——当通话从孟买或班加罗尔发起，音频要绕地球半圈才能开始处理。
**印度TRAI的媒体锚定要求，既是合规约束，也是延迟优化的前提。** 涉及印度PSTN的通话，SIP信令和RTP媒体流都必须锚定在印度境内。将媒体路径留在印度，意味着延迟可以控制在**<200ms**的范围内。
Edesy的实测数据显示，使用印度本地PoP的SIP Trunk，**媒体延迟可稳定在200ms以内**，确保AI代理的轮转自然、ASR/TTS准确率不下降。Vobiz与Vapi的原生集成方案也强调，通过**UDP传输和直接信令路径**，最小化数据包开销和抖动，实现“近乎即时的音频交付”。
**如果媒体路径绕道海外，后果是连锁的**：ASR准确率因窄带音频和噪声而下降，TTS合成音变得机械，AI代理的回应节奏与用户预期脱节。Exotel指出，印度通话环境下的**G.729编解码器**(8kbps)会剥离语音AI模型所需的声学细节，而窄带音频(300Hz-3.4kHz)丢失了区分印度语音素和口音的关键频率。
**这是最根本的优化。** 供应商必须在印度境内有媒体锚定点，且与主要运营商(Jio、Airtel、Vi)有直接互联。
| 供应商 | 媒体延迟 | 定价模式 | 核心优势 |
|---|---|---|---|
| Edesy | <200ms | 按秒计费，₹0.50/分钟 | 印度本地PoP，BYOC方式接入Vapi/Retell/LiveKit |
| Vobiz | 优化延迟 | 按分钟 | 与Vapi原生集成，UDP直连路由 |
| Exotel | 印度锚定 | 按分钟 | UL-VNO牌照，支持动态SIP Trunking |
Jitter Buffer是平滑RTP数据包到达时间波动的缓冲区。Telnyx的配置指南指出，默认值**60-200ms**适用于大多数部署，但如果媒体路径本身延迟较高(如国际路由)，应**增加最大值**而不是最小值——因为提高最小值会给所有通话增加基线延迟。
**调优建议**：
- 印度本地路由：使用默认60-200ms
- 高抖动网络(移动运营商、国际路由)：将最大值提升至250-300ms
- 在印度高峰时段测试，验证抖动是否在可接受范围内
Vobiz/Vapi集成方案明确推荐**UDP端口5060**作为传输协议，通过直接信令路径**最小化数据包开销和抖动**。相比TCP或TLS，UDP避免了握手和重传带来的额外延迟——这对于实时RTP媒体流至关重要。
虽然ASR和TTS的延迟不完全由SIP中继控制，但**选择与印度本地基础设施兼容的AI组件**可以显著降低整体延迟。Gnani.ai的Vachana STT/TTS模型在**12种印度语言**上提供类人语音，且所有推理**运行在本地数据中心**，确保数据主权和低延迟。Murf.AI也指出，印度是“语音优先”的文化，但数字印度被迫点击、打字、触摸——语音AI需要**低延迟、高准确性和可承受的价格点**。
**将媒体延迟控制在200ms以内的核心，是确保SIP中继的媒体锚定点在印度境内。** 这不是一个“可以优化”的选项，而是TRAI的强制要求和Voice AI对话自然轮转的技术底线。
**行动清单**：
1. **选择印度本地的SIP Trunk供应商**(Edesy、Vobiz、Exotel)，确认媒体延迟实测<200ms
2. **启用自适应Jitter Buffer**，印度本地路由保持默认60-200ms
3. **使用UDP传输**(端口5060)，最小化信令开销和抖动
4. **在印度高峰时段测试**，验证真实网络条件下的端到端延迟
5. **监控ASR/TTS延迟**，选择与印度本地基础设施兼容的AI组件
