我让 Twilio 拨打 Zoom 电话，然后与其他呼叫者互动。它工作正常，但语音质量相当低。我尝试使用 Neural Polly 和 Google WaveNet，但听起来比我尝试在 AWS 和 Google 网站上聆听这些声音时要糟糕得多。我的理解是，Twilio 将通话质量降低到仅 8Khz。有没有办法提高演讲质量？
尝试过不同的声音
这里是 Twilio 的开发者倡导者。
通常，音频流是来自使用 PCM (8 kHz) 的公共交换电话网络的呼叫。
目前，Twilio 支持的格式如下： WAV（8 位 PCM 单声道 uLaw，采样率为 8 kHz） MP3 亚洲电影节 FLAC（无损）
Twilio 将所有内容转换为 8 位，采样率与模型相匹配（通常为 8 kHz 或 16 kHz）。 但是，标准带宽仅限于 300 Hz - 8 kHz 音频范围，专为语音而设计，可提供可接受的语音质量结果。
因此有效负载必须采用音频/x-mulaw 编码，采样率为 8000，并采用 Base64 编码。
所以，对于 Twilio Programmable Voice 和录音功能，恐怕我们只有 8 kHz 采样率，这是目前唯一的采样率。
更多详情请参阅文章：录音最佳实践
我知道这不是您正在寻找的答案，但我想确保我有一个正确的解释可以与您分享这种情况。