待验证50% 置信基准精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
待验证语音Agent端到端延迟中STT通常耗时200-500ms82% 相似待验证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76% 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76% 相似待验证云端STT服务通常耗时200-500ms，本地部署的Whisper等模型在GPU加速下可压缩至100ms以内72% 相似待验证云端TTS服务的首字节响应时间通常200-500毫秒，本地部署的轻量TTS模型（如Piper、Kokoro-82M）可将延迟压至50毫秒以内，但音质通常略逊71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/587747API
curl https://kongchang.com/api/v1/knowledge/claims/587747MCP
get_claim(id=587747)