待验证60% 置信事实精确时间

端到端语音架构省去了ASR→LLM→TTS的传统三段式流水线，降低延迟并保留语调、情感等副语言信息

2

来源数

60%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

GPT Live全双工语音AI：边说边听，会推理会翻译

bilibili雪霁霜飞_张小挺2026/7/10

相关事实

待验证级联式语音架构将ASR→LLM→TTS三个独立模块串联，延迟高且每次转换损失语调、情绪等副语言信息82% 相似已验证传统语音到语音翻译采用ASR→MT→TTS三模块级联架构，存在误差累积与延迟叠加的问题79% 相似待验证端到端架构直接处理音频输入并输出音频，跳过中间文字转换环节，从而压缩延迟并保留语气、停顿与情感信息77% 相似已验证TTS模型在处理较短文本时能更好地维持韵律一致性，长文本输入容易导致后段语音质量下降75% 相似已验证传统语音交互系统中，语音携带的情感、语气、语速等副语言信息在ASR阶段转换为纯文本时会彻底丢失74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/500632

API

curl https://kongchang.com/api/v1/knowledge/claims/500632

MCP

get_claim(id=500632)