待验证50% 置信事实精确时间
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100-300ms
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
LangChain四大更新：OpenWiki、语音智能体与子智能体编排全解析
twitterhwchase172026/7/2
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83% 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81% 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80% 相似待验证当前语音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77% 相似待验证传统语音AI采用串行管线设计，即VAD→ASR→LLM→TTS四个独立模块依次传递数据，每个环节引入约100-300毫秒延迟，四段叠加总延迟往往超过1秒76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489797API
curl https://kongchang.com/api/v1/knowledge/claims/489797MCP
get_claim(id=489797)