待验证50% 置信事实精确时间

传统语音转文字（STT）技术依赖隐马尔可夫模型和高斯混合模型

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

实时通话转录是伪需求吗？一线坐席的真实反馈

涉及实体

Speech-to-Textconcept

相关事实

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77% 相似待验证流式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75% 相似待验证早期ChatGPT语音采用级联架构，先语音转文字、再由大语言模型生成回答、最后转成语音播出75% 相似待验证Moonshine将语音转文本（STT）、意图识别、文本转语音（TTS）三项能力整合在同一框架中72% 相似待验证OpenAI的GPT-Live语音模型采用端到端架构，原始音频波形直接输入模型，模型直接输出音频，中间不再经过独立的ASR和TTS模块71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/830480

API

curl https://kongchang.com/api/v1/knowledge/claims/830480

MCP

get_claim(id=830480)