待验证50% 置信事实精确时间
该本地语音助手系统完全自托管，语音检测和识别跑在CPU上，LLM（Gemma 4 E4B，QAT q4_0量化，基于llama.cpp）负责生成回答，TTS（Qwen3-TTS 1.7B）逐句合成语音。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
涉及实体
相关事实
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75% 相似待验证本地语音识别模型经过INT8/INT4量化和ONNX等推理框架优化后，可在无专用GPU下以接近实时速度完成转写，支持近百种语言74% 相似已验证传统语音对话系统由ASR（自动语音识别）、LLM（大语言模型）、TTS（文本转语音）三个独立模块串联而成，每个模块单独训练、顺序执行72% 相似已验证AI语音助手实现全双工需同时运行语音识别（ASR）、自然语言理解（NLU）、语言模型推理和语音合成（TTS）四个模块，并实时处理端点检测（VAD）72% 相似待验证语音编码器 + LLM 解码器的组合是 2023 年以来语音大模型的主流范式，Qwen-Audio、Gemini Audio、Phi-4-audio 等均采用类似设计72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1043818API
curl https://kongchang.com/api/v1/knowledge/claims/1043818MCP
get_claim(id=1043818)