GPT-Live-1.1 这类实时对话里，语音识别参数作用的对象是「应用已经拿到的音频」，不是你对着麦克风说的话。如果系统默认输入选到了显示器麦克风、虚拟声卡或蓝牙耳机的免提通道，采样率在系统混音层被重采样，应用内增益又压得过低，那么输入端的信息量和信噪比已经损失，再怎么调识别参数也只是在残缺信号上做补偿。处理顺序建议是：先把麦克风到应用这条链路逐节点确认，尤其是默认输入设备、采样率、应用内增益三件事，再回到参数层做一次只改一个变量的对比测试。
实时对话识别效果差，先分清是「音频没进来」还是「参数没调好」。判断依据是链路上的三个可验证点：系统默认输入设备是否为目标麦克风、设备与应用采样率是否在同一档、应用内输入电平是否在正常说话时稳定可见。这三点没有确认之前，改识别参数得到的对比结果通常不可信，因为你无法区分是参数起了作用还是音频链路本来就不稳定。风险边界在于：系统级增强、虚拟音频设备和蓝牙免提通道会改变音色与延迟，即使参数调好也可能残留断续，需要结合具体环境逐一排除。
列出音频输入链路：麦克风→系统混音→应用
先把信号路径画出来，再决定哪一段值得查。实时语音的典型路径是三段：物理麦克风采集、操作系统混音层（默认设备、采样率转换、系统级增强、虚拟音频设备）、应用层（设备选择、增益、编码上传）。下面这条链路可以直接照着逐节点核对。
麦克风（USB / 3.5mm / 蓝牙 / 内置）
→ 系统输入设备（默认输入、独占模式、采样率与位深）
→ 系统混音与增强（降噪、回声消除、虚拟声卡插入）
→ 应用内输入设备与增益
→ 语音识别与对话模型- 麦克风节点：确认物理连接是否插在预期接口；检查耳机或麦克风上的硬件静音开关；确认没有第二个应用同时占用该设备；蓝牙耳机需要确认当前落在音乐通道还是免提通道，免提通道通常音质与延迟都更差。
- 系统混音节点：确认默认输入设备就是你要用的那支麦克风；确认采样率与位深设置；检查是否启用了「允许应用独占控制」这类选项；确认没有虚拟音频设备（会议软件虚拟麦克风、录屏工具虚拟声卡）被插在中间。
- 应用节点：确认 GPT-Live-1.1 客户端或调用它的应用是跟随系统默认设备，还是自己独立选择了设备；确认输入电平条在正常说话时是否有明显但不过顶的波动。
每个节点都只回答一个问题：这一段有没有改变声音。任何一段出现「设备不是我选的」「电平几乎不动」「有规律爆音」，就先修这一段，不要继续往下调参数。
在系统设置里确认默认输入设备与采样率
选错设备是最常见也最容易验证的一类原因。Windows 通常可以从「设置 → 系统 → 声音 → 输入」查看和切换默认输入，更细的格式设置在传统声音控制面板的「录制 → 属性 → 高级」里；macOS 通常在「系统设置 → 声音 → 输入」切换设备，采样率可在「音频 MIDI 设置」中查看。具体菜单名称会随系统版本变化，以你能找到的输入设备列表为准。
采样率方面，常见可选档位包括 16 kHz、44.1 kHz、48 kHz、96 kHz。实时语音链路里 16 kHz 单声道是常见的处理形态，但不必把某一档当成最佳值；更实际的做法是让设备端与应用端处在同一档，避免系统混音层反复做重采样。如果设备只支持 48 kHz 而应用按 16 kHz 取流，通常由其中一层完成转换，这一段是否引入额外延迟或音质损失，需要结合环境和实际录音判断。
确认完设置后做一次测试录音：用系统自带录音机或语音备忘录录 10 秒左右，内容是正常音量的一段连续说话，然后回放。听三件事——有没有爆音或削波、有没有周期性断续、安静段底噪是否明显。录音正常但应用里识别仍然差，问题就更可能落在应用层或参数层；录音本身就不干净，则优先修链路。
检查应用内音频输入设备与增益选项
不少客户端会在「设置 → 音频 / 语音」里提供独立的输入设备下拉框。这里有两个容易出错的状态：一是应用锁定了某个旧设备（比如已经拔掉的 USB 麦克风），二是应用跟随系统但系统默认又被别的软件改过。建议先看应用内下拉框当前选的是哪一项，再回系统设置核对默认输入是否一致，两边对齐后再继续。
增益调整的方法是把「正常说话」作为基准：对着麦克风用日常音量连续说话，观察应用内输入电平条，让它在说话时持续可见、峰值不贴顶，停顿时不至于完全贴底。不要照抄别人给的增益数值，因为不同麦克风的灵敏度、系统输入音量和应用内增益是叠加关系。调整时一次只动一个音量控制（先系统输入音量，再应用内增益），否则后面无法判断是哪一层起的作用。
另外留意应用内是否默认开启了自动增益、降噪或回声消除。这类选项对实时对话通常有帮助，但它们会改变音频特征，如果对比测试期间开关状态发生变化，识别结果的差异就不能归因到参数上。
调整参数前后各做一次相同语句测试
链路确认完之后，再做参数对比。核心约束是只改一个变量：同一支麦克风、同一位置、同一系统音量、同一条网络路径，唯一的差别是目标参数。测试语句建议固定一组，覆盖不同难点：
- 含数字与单位的短句，例如「把温度设到二十三点五度」。
- 含专有名词或英文缩写的句子，例如「打开 GPT-Live 的调试面板」。
- 一段 20 秒左右的连续口述，用来观察断句和长句是否被截断。
- 一句语速偏快的日常表达，用来观察首字到出结果的间隔。
每条语句说两遍，参数调整前后各做一轮，中间不要顺手改麦克风位置或系统音量。记录时不要只看「准不准」，把漏词、错字、是否重复触发、从说完到出现文字的大致间隔都写下来。下面是一个可以直接照抄的记录模板：
测试轮次：参数调整前 / 参数调整后
设备：麦克风型号 + 系统默认输入名称
采样率：系统设置值 / 应用内显示值
增益：系统输入音量 + 应用内增益（记录刻度，不写「最佳值」）
语句1（数字） 结果：正确 / 错字位置 / 漏词
语句2（专名） 结果：正确 / 错字位置 / 漏词
语句3（长口述） 结果：断句是否异常、是否截断
语句4（快语速） 结果：首字到出结果的间隔（主观估计即可）对比时看趋势而不是单次结果：如果调整后错字集中在专有名词，可能和识别参数相关；如果两轮都在同一处截断或都出现延迟感，更可能是音频链路或网络这一段的问题，回到前面的节点复查，比继续换参数更省时间。若两轮结果接近，说明当前参数不是瓶颈，建议保留原设置，避免为了「调过」而引入新的不确定性。