待验证50% 置信事实精确时间
全双工模型将 ASR、LLM、TTS 三个阶段融合为单一端到端模型，直接从音频特征映射到音频输出，省去文本中间表示
1
来源数
50%
置信度
长期有效
时效性
2026/9/18
首次发现
来源
涉及实体
相关事实
待验证将音频维度和文本维度分开建模的好处是能做根因隔离，可分层追溯问题出在 ASR、LLM 还是 TTS 环节76% 相似已验证传统语音对话系统由ASR（自动语音识别）、LLM（大语言模型）、TTS（文本转语音）三个独立模块串联而成，每个模块单独训练、顺序执行75% 相似已验证传统语音AI普遍采用级联式架构，先用ASR将语音转文字，再交给语言模型处理，最后用TTS合成输出73% 相似待验证级联式语音架构将ASR→LLM→TTS三个独立模块串联，延迟高且每次转换损失语调、情绪等副语言信息73% 相似已验证AI实时语音翻译系统通过语音识别（ASR）、神经机器翻译（NMT）和语音合成（TTS）三个模块的流水线协作来模拟同声传译过程72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/930697API
curl https://kongchang.com/api/v1/knowledge/claims/930697MCP
get_claim(id=930697)