概念End-to-End Voice Model
端到端语音模型
直接以音频作为输入和输出的语音AI架构，跳过ASR和TTS的文字中转流程，能完整保留原始语音中的韵律、情绪和节奏等副语言信息，相比传统流水线架构延迟更低、语义更丰富。
时间轴 (近 90 天)
10月23日
端到端模型将轮次判断内化为模型能力的一部分，依据语义和声学线索联合决策，从而减少对独立VAD规则的依赖。
待验证50%
直接以音频作为输入和输出的语音AI架构，跳过ASR和TTS的文字中转流程，能完整保留原始语音中的韵律、情绪和节奏等副语言信息，相比传统流水线架构延迟更低、语义更丰富。
端到端模型将轮次判断内化为模型能力的一部分，依据语义和声学线索联合决策，从而减少对独立VAD规则的依赖。