TTS
TTS（Text-To-Speech，文本转语音）是一种将书面文字自动转换为语音输出的语音合成技术。其核心能力包括：对文本进行语言分析与处理、通过语音合成引擎生成自然语音波形，并支持多语言、多音色输出。TTS广泛应用于无障碍辅助、智能助手、导航播报、教育软件等领域，是人机交互的重要基础技术之一。
核心事实
时间轴 (近 90 天)
在流式输出中使用轻量XML标签（如target标签）包裹目标语言词汇，客户端按标签切分并路由到对应locale的TTS会话，可实现句内口音切换，解决混合书写词汇被英语TTS读错的问题。
传统语音管线是串行的「听—想—说」，无法边说边听；实现打断需要低延迟流式 ASR 与可中断的 TTS
选型时Reimer关注的指标包括：音频框架的进出延迟、STT的置信时间、LLM的首句时间（首token时间与每秒token数的组合）、TTS的首音频时间（必须度量到用户实际听到声音的点）。
AstroBeam的并行化做法是：不等STT完全确认，只要对用户可能说完和转写内容大致正确有一定置信度就提前启动LLM；LLM侧拿到第一个可朗读块就立即送给TTS；TTS以流式方式推给用户。
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。
按字符计费直接对应 TTS 模型的实际计算量（输入文本长度），用量波动时成本随实际调用浮动，更适合对话长度差异大的代理场景。
ASR（自动语音识别）与 TTS（文字转语音）构成语音代理的耳朵和嘴巴，而 LLM 是大脑。
ASR 需要流式处理以降低首字延迟，TTS 则需要流式合成以降低首包延迟。
AssemblyAI 的主业在语音识别（ASR）一侧。
部分 TTS 厂商会对并发连接数、API 调用次数单独计费。
还有 40 条时间轴事件
全部知识事实 (20)
GPT-4o 的端到端语音架构将音频以离散 token 的形式纳入统一的 Transformer 处理框架，在单一模型内完成听-想-说全链路处理
90%已验证全球约有7000种语言，绝大多数属于低资源语言
90%已验证新一代语音交互转向端到端的多模态模型架构，直接在语音信号层面理解和生成，压缩延迟并保留副语言信息
80%已验证传统语音AI系统采用级联架构，将语音处理拆分为ASR、NLU、对话管理和TTS等独立模块，每个模块之间存在信息损失和延迟累积
80%已验证传统语音交互的三段式架构（ASR+LLM+TTS）总延迟通常在1-3秒
80%已验证声音克隆现代方案通常借助说话人编码器将声音映射为高维嵌入向量，TTS 解码阶段将向量注入声学模型控制输出音色
80%已验证多数语音模型的训练数据以单语种为主，混读语料相对稀缺
75%已验证首次音频时间（TTFA）指从文本输入到第一帧可播放音频输出所经历的时间，是衡量流式TTS系统响应速度的核心指标
75%已验证一次完整的语音AI交互涉及STT、LLM推理、TTS三个串行处理阶段
75%已验证传统语音对话系统由ASR（自动语音识别）、LLM（大语言模型）、TTS（文本转语音）三个独立模块串联而成，每个模块单独训练、顺序执行
75%已验证AI语音助手实现全双工需同时运行语音识别（ASR）、自然语言理解（NLU）、语言模型推理和语音合成（TTS）四个模块，并实时处理端点检测（VAD）
75%已验证传统语音AI普遍采用级联式架构，先用ASR将语音转文字，再交给语言模型处理，最后用TTS合成输出
75%已验证传统语音到语音翻译采用ASR→MT→TTS三模块级联架构，存在误差累积与延迟叠加的问题
75%已验证传统AI语音交互系统采用ASR、NLU、NLG、TTS四个独立模块串联的流水线架构，叠加后总延迟通常在1-3秒
75%已验证端到端原生架构直接处理音频输入并输出音频，不依赖中间转换步骤，可保留更丰富的声学特征
70%已验证AI实时语音翻译系统通过语音识别（ASR）、神经机器翻译（NMT）和语音合成（TTS）三个模块的流水线协作来模拟同声传译过程
70%已验证ODS 集成了语音交互能力，支持语音转文本（STT）和文本转语音（TTS）
65%已验证传统级联架构先生成视频再配音，会导致音画不同步、唇形对不上、环境音与画面动作脱节等问题
65%已验证实现可打断的实时对话体验涉及语音活动检测（VAD）、自动语音识别（ASR）、意图理解与上下文管理、检索与生成、TTS合成与无缝衔接的技术管线
65%已验证800毫秒是语音代理端到端延迟的业界公认阈值，人类面对面对话回应延迟通常在200-500毫秒之间
65%