Unverified60% confidenceFactExact time
端到端原生架构直接处理音频输入并输出音频，不依赖中间转换步骤，可保留更丰富的声学特征
2
Sources
60%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
GPT-Live-1深度解析：OpenAI如何让语音AI学会倾听而非抢话
rss7/8/2026
Related Claims
Unverified端到端架构直接处理音频输入并输出音频，跳过中间文字转换环节，从而压缩延迟并保留语气、停顿与情感信息83% similarUnverified新一代端到端语音模型直接在音频层面训练，无需先将语音转为文字，可直接捕捉声学特征和情绪80% similarVerified端到端语音模型直接以音频为输入和输出，在音频token层面进行理解与生成，保留语调、语速、叹气、笑声等声学特征80% similarVerified新一代语音交互转向端到端的多模态模型架构，直接在语音信号层面理解和生成，压缩延迟并保留副语言信息79% similarUnverifiedOpenAI新模型采用端到端语音架构，直接以音频作为输入和输出，跳过中间文字转换环节78% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/491129API
curl https://kongchang.com/api/v1/knowledge/claims/491129MCP
get_claim(id=491129)