语音到语音模型

Reimer的实测答案是：语音到语音模型通常比并行化流水线贵3到5倍，这对游戏这类成本敏感场景是交易破坏者。

语音到语音模型在安全审核上不如流水线架构可控，因为LLM输出可以在送入TTS之前被拦截和校验，而语音到语音模型在输出前难以验证内容；语音风格和智能水平也被锁死在模型预设里。

语音到语音模型唯一明确的优势在于对用户语气（如讽刺）的理解，但Reimer认为随着STT能力演进，这一差距会缩小。