已验证75% 置信事实时间未知

首次音频时间（TTFA）指从文本输入到第一帧可播放音频输出所经历的时间，是衡量流式TTS系统响应速度的核心指标

3

来源数

75%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Voxtral TTS发布：开源权重语音合成新前沿

twitterMistralAI

涉及实体

Time-to-First-Audioconcept

相关事实

待验证流式TTS API可在音频块就绪时立即传输，首批字节到达即可播放，从而降低感知延迟78% 相似待验证业界通常将首包延迟（Time to First Audio Chunk）作为实时TTS的核心指标72% 相似待验证端侧TTS需在用户说完后200-500ms内开始语音反馈才能保持对话流畅感，要求模型以流式方式逐帧生成音频70% 相似待验证评估语音AI系统性能时应将TTFB作为首要SLA指标，而非平均处理时长69% 相似待验证声学模型推理是TTS延迟的主要来源69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/916893

API

curl https://kongchang.com/api/v1/knowledge/claims/916893

MCP

get_claim(id=916893)