Unverified50% confidenceFactExact time
流式STT在用户说话过程中就持续输出部分识别结果，而批量模式需等待完整音频才能开始处理
1
Sources
50%
Confidence
Long-term
Relevance
8/5/2026
First Seen
Sources
Related Claims
Verified一次完整的语音AI交互涉及STT、LLM推理、TTS三个串行处理阶段74% similarUnverified语音AI系统中的中断处理需要在毫秒级别内完成停止TTS音频流、丢弃未播放内容、重置LLM上下文状态、重新进入STT监听模式等操作73% similarUnverified此前版本的ChatGPT语音模式对停顿容忍度较低，检测到语音中断后往往立即判定用户已说完并开始回应72% similarUnverified语音智能体典型系统架构由VAD、STT、意图识别/LLM推理、TTS等环节串联构成，工业界通常将端到端目标设定在首字节音频输出500ms以内69% similarUnverified语音智能体技术栈通常包含STT、LLM推理、TTS三个串行环节，STT约耗时200-400ms，LLM首token延迟约100-500ms，TTS生成约100-300ms69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/688893API
curl https://kongchang.com/api/v1/knowledge/claims/688893MCP
get_claim(id=688893)