Почему один облачный STT на живом звонке срывает перевод и подсказки ровно тогда, когда собеседник заканчивает фразу.
TTFS — время от конца речи до финального сегмента. Soniox RT v5 ~50 мс, Deepgram Nova-3 90–250 мс, P95 часто >400. Облако + сеть дают хвост: один спайк — companion молчит, пока ты уже отвечаешь. Обычные клиенты сидят на одном WebSocket и ждут.
Talkaside меряет latency каждого partial и final на обоих треках. Dual-stream WASAPI (cpal, capture + loopback) даёт чистые стороны: микрофон и входящий звонок отдельно, ресемпл в 16 кГц mono, свой VAD. Если partial >300 мс или ошибка/таймаут — авто-failover на следующий провайдер или локальный Whisper/Parakeet (150–400 мс без сети). История переключений локально.
Companion и practice mode (27 языков) получают стабильный поток. После звонка полный транскрипт с таймстемпами и AI-сводка на диске.
