🔧 tick 编排与解耦
音频离散成 200ms tick、每 tick 双方各交换恰好 τ ms 音频；关键：被测 API 按 audio timestamps 而非墙钟索引事件——仿真时间与墙钟解耦。
原文：'audio can be sent faster or slower than real-time and the API processes it according to audio timestamps'。解耦用途：用户模拟器可用最强 LLM 不受实时约束地做打断/backchannel 决策；打断时清 buffer 截断进行中回复；重叠语音线性化喂模拟器；给定 seed 全确定可复现。
音频环境全参数化：背景噪声 SNR+漂移、burst 噪声（电话铃/狗叫）、G.711 μ-law 8kHz 电话压缩、Gilbert-Elliott 丢帧模型、动态 muffling、口音/语速 persona、非面向 agent 的语音（'hold on'）、vocal tics（咳嗽）。时序参数全部可配置：静默阈值、打断检查间隔、让位时机——比 FDB-v2 的实时流式方案控制粒度更细（作者自己对比）。
📊 结果
Clean 31–51% vs 文本 GPT-5 (reasoning) 85%；Realistic（噪声+口音+turn-taking）26–38%，仅保留文本能力 30–45%；79–90% 失败归因于 agent 行为。
口音是最伤因素且厂商特异：xAI 掉 38% 而 Google 几乎不受影响。厂商三角：Google 最抗降级（掉 17% vs others 24–28%）；OpenAI 延迟最快（0.90s）响应率近 100% 但选择性最差（6%，什么都接话）；xAI 任务完成略领先（51%/38%）但打断率 84% 最高。没有厂商同时掌握任务完成与会话动态。
评测双轨：pass@1 沿用 τ²（终态数据库比对 + 口头承诺用 LLM 验证以容忍口语变体）+ 四维会话质量（responsiveness/latency/interrupt rate/selectivity）。三域 278 任务：Retail 114（主域，slot filling 密集——名字/邮箱/订单号是端到端语音已知弱点）/ Airline 50 / Telecom 114。
💡 对主线的启示
audio-time 解耦=语音域现成的调速旋钮：以 N 倍速喂音频即环境时钟加速，被测 API 无感——变速重跑零改造可行，但论文自己没做阶梯。
划界：它自述与墙钟解耦，测'会话动态×任务完成'不测'墙钟压力下的成败'；引 31–51% vs 85% 时说明是通道税不是时延税。协议件可抄：tick 交换、失败人工归因流程、LLM 验证口头承诺。
对我们最有价值的是它证明了三大 realtime API 的事件索引都在 audio-time 上——这是调速阶梯在语音域的协议基础（团队估计变速重跑 FDB v1/1.5 为最便宜入口，τ-Voice 的任务完成型载体是第二档）。局限：三域全客服无视觉/GUI；用户模拟器上限即评测上限；realistic 音频仍是合成混音。对照：DuplexSLA（模型侧动作通道）、Gaia2（时间敏感 API 宇宙）、FDB 系（纯会话动态）。