待验证85% 置信事实时间未知

当前语音AI系统的技术栈由STT、LLM、TTS等多个独立组件串联而成，每层独立计费，托管平台还会在这些成本之上再加一层利润抽成

1

来源数

85%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Dogra：开源自托管语音AI平台，告别VAPI天价账单

bilibili比特光锥_BightCone

涉及实体

语音AI技术栈concept

相关事实

待验证语音智能体技术栈通常包含STT（如Whisper）、LLM推理、TTS（如ElevenLabs）三个串行环节79% 相似待验证语音智能体技术栈通常包含STT、LLM推理、TTS三个串行环节，STT约耗时200-400ms，LLM首token延迟约100-500ms，TTS生成约100-300ms77% 相似待验证语音智能体典型系统架构由VAD、STT、意图识别/LLM推理、TTS等环节串联构成，工业界通常将端到端目标设定在首字节音频输出500ms以内76% 相似已验证一次完整的语音AI交互涉及STT、LLM推理、TTS三个串行处理阶段76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/10340

API

curl https://kongchang.com/api/v1/knowledge/claims/10340

MCP

get_claim(id=10340)