待验证50% 置信事实精确时间
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
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79% 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78% 相似待验证业界领先的STT实时转录延迟约在200-400毫秒，采用Whisper或DeepSpeech等模型76% 相似待验证主流TTS方案如ElevenLabs、Azure Neural Voice和Google WaveNet的首字节延迟约为150-300毫秒75% 相似待验证云端 TTS 服务的首字节响应时间通常为 200-500 毫秒，是延迟瓶颈的主要来源74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/587749API
curl https://kongchang.com/api/v1/knowledge/claims/587749MCP
get_claim(id=587749)