已验证65% 置信事实时间未知

早期语音AI系统采用串联式三段架构（ASR→LLM→TTS），顾客往往需要等待3-5秒才能听到回应

3

来源数

65%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Cardamom：AI电话接单系统如何帮外卖餐厅接住每一笔订单

rss

涉及实体

ASRconcept LLMconcept TTSconcept

相关事实

已验证传统语音交互的三段式架构（ASR+LLM+TTS）总延迟通常在1-3秒86% 相似待验证AI同声传译技术路径主要有级联式（ASR→MT→TTS串联，延迟通常超过3-5秒）和端到端语音到语音翻译两种85% 相似待验证传统语音AI采用串行管线设计，即VAD→ASR→LLM→TTS四个独立模块依次传递数据，每个环节引入约100-300毫秒延迟，四段叠加总延迟往往超过1秒83% 相似已验证传统AI语音交互系统采用ASR、NLU、NLG、TTS四个独立模块串联的流水线架构，叠加后总延迟通常在1-3秒82% 相似待验证早期IVR语音交互系统采用完全串行处理，感知延迟高达3-5秒81% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/8202

API

curl https://kongchang.com/api/v1/knowledge/claims/8202

MCP

get_claim(id=8202)