待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

GPT Live发布：语音正在成为AI交互的新入口

相关事实

待验证端到端原生架构直接处理音频输入并输出音频，不依赖中间转换步骤，可保留更丰富的声学特征83% 相似待验证端到端架构使声学层面的情绪、语气、口音信息得以完整保留并参与语义理解，消除跨模块的信息损耗81% 相似已验证端到端语音模型架构的核心优势在于大幅降低交互延迟并保留说话者的情感与语调信号81% 相似已验证新一代语音交互转向端到端的多模态模型架构，直接在语音信号层面理解和生成，压缩延迟并保留副语言信息78% 相似待验证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77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/518159

API

curl https://kongchang.com/api/v1/knowledge/claims/518159

MCP

get_claim(id=518159)