待验证50% 置信事实精确时间

传统ASR→LLM→TTS三段式串联管线的延迟累积通常在800毫秒至2秒之间

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

实测ChatGPT语音模式：拟人化交互的边界与陷阱

相关事实

待验证STT、LLM、TTS三段串行叠加，仅处理延迟就超过650毫秒，不包括服务间网络跳转耗时79% 相似待验证研究表明顶级同传译员的平均滞后时间仅为2-3秒，而传统机器同传系统的滞后往往超过5秒78% 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75% 相似待验证传统语音交互的整个链路延迟通常在3-8秒，而实时媒体流可将端到端延迟压缩到数百毫秒级别74% 相似待验证级联管道架构因每个模块的处理时延叠加，总响应延迟通常在1-3秒之间73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/517790

API

curl https://kongchang.com/api/v1/knowledge/claims/517790

MCP

get_claim(id=517790)