概念STT+LLM+TTS架构
三明治架构
一种语音智能体架构，由语音转文字（STT）、大语言模型推理、文字转语音（TTS）三级串联组成，结构清晰但延迟为各级耗时相加
时间轴 (近 90 天)
8月31日
三明治架构的核心思路是把大语言推理模型（LLM）夹在中间，前面加STT模型负责语音识别，后面加TTS模型负责语音播报
待验证50%
8月31日
三明治架构最大优势是可以自由选择当前最强的推理模型作为智能体大脑，不受限于模型本身是否支持语音
待验证50%
8月31日
该项目通过前置STT和后置TTS的精细优化，实现了大约0.3秒左右的响应延迟
待验证50%
8月31日
三明治架构最大痛点是实时性会下降，落地成功的核心在于能否解决延迟问题
待验证50%
8月31日
对于绝大多数企业场景，三明治架构（STT+强推理LLM+TTS）是当前最务实、最可控的选择
待验证50%