Unverified50% confidenceBenchmarkExact time
主流TTS方案如ElevenLabs、Azure Neural Voice和Google WaveNet的首字节延迟约为150-300毫秒
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/22/2026
First Seen
Valid until: 10/20/2026
Sources
Related Claims
Unverified实时AI家教端到端延迟由ASR延迟(50-500ms)、LLM首Token生成延迟(100-2000ms)和TTS首音频帧延迟(50-300ms)三段叠加构成76% similarUnverifiedSTT、LLM、TTS三段串行叠加，仅处理延迟就超过650毫秒，不包括服务间网络跳转耗时75% similarUnverified云端 TTS 服务的首字节响应时间通常为 200-500 毫秒，是延迟瓶颈的主要来源75% similarUnverified云端TTS服务的首字节响应时间通常200-500毫秒，本地部署的轻量TTS模型（如Piper、Kokoro-82M）可将延迟压至50毫秒以内，但音质通常略逊74% similarUnverified对语音响应速度要求高的场景不应选择仅靠云端唤醒的网关，本地唤醒词识别延迟通常在300ms内，而云端往返延迟常达1-2秒且受网络波动影响73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/589577API
curl https://kongchang.com/api/v1/knowledge/claims/589577MCP
get_claim(id=589577)