待验证50% 置信基准精确时间

语音Agent端到端延迟中STT通常耗时200-500ms

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

状态机语音Agent实战：Pipecat与Vapi的延迟与准确性权衡

redditr/aiagents2026/7/12

相关事实

待验证业界领先的STT实时转录延迟约在200-400毫秒，采用Whisper或DeepSpeech等模型82% 相似已验证800毫秒是语音代理端到端延迟的业界公认阈值，人类面对面对话回应延迟通常在200-500毫秒之间75% 相似待验证三明治架构相比原生Speech-to-Speech多了两次转换环节，STT环节通常增加100-300毫秒，TTS环节增加100-200毫秒74% 相似待验证流式管道可将语音AI端到端延迟压缩至500毫秒以内，而传统批处理方式总延迟可能高达3-5秒72% 相似待验证ChatGPT实时语音的输出延迟可压缩至300毫秒以内，达到人类对话的自然响应阈值72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/502109

API

curl https://kongchang.com/api/v1/knowledge/claims/502109

MCP

get_claim(id=502109)