已验证65% 置信事实时间未知

传统级联语音对话架构的总延迟通常在1-3秒以上

3

来源数

65%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Inworld Realtime TTS-2：全栈实时语音AI基础设施深度解析

rss

涉及实体

级联架构concept

相关事实

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86% 相似已验证传统语音助手采用'听完—识别—生成—播放'的串行流程，延迟累计达到1-3秒84% 相似已验证实时语音对话中的检索增强生成通常要求端到端延迟控制在500毫秒以内以维持自然对话节奏82% 相似待验证传统语音AI采用串行管线设计，即VAD→ASR→LLM→TTS四个独立模块依次传递数据，每个环节引入约100-300毫秒延迟，四段叠加总延迟往往超过1秒80% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/9018

API

curl https://kongchang.com/api/v1/knowledge/claims/9018

MCP

get_claim(id=9018)