待验证50% 置信事实精确时间

端到端语音识别的三大主流架构是CTC、注意力机制（Attention-based）和RNN-Transducer

1

来源数

50%

置信度

长期有效

时效性

2026/9/4

首次发现

来源

Gemini 3.5 Transcribe实测：免费实时翻译85种语言教程

涉及实体

CTCconcept RNN-Transducerconcept

相关事实

待验证2014年前后以CTC和注意力机制为核心的端到端语音识别模型开始崛起77% 相似待验证语音交互全双工能力包括持续监听、打断处理和状态维持三种能力66% 相似待验证语音智能体（Voice Agent）的底层架构大致可以分为三种主流形态：三明治架构、原生实时的Speech-to-Speech架构、混合架构66% 相似待验证语音驱动工单管理方案的核心架构包含四层：语音输入层、语义解析层、动作执行层和确认反馈层65% 相似待验证TTS技术在Agent系统中与ASR共同构成语音输入到语音输出的完整交互闭环65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/852834

API

curl https://kongchang.com/api/v1/knowledge/claims/852834

MCP

get_claim(id=852834)