概念EPD / End-Point Detection
端点检测
语音交互中用于判断用户是否说完话的技术，传统方案基于声学能量阈值，新一代方案结合语义完整性判断
核心事实
时间轴 (近 90 天)
9月19日
流式STT依赖端点检测来判断一句话何时结束，通常基于静音时长（VAD）和语言模型的置信度
待验证50%
9月19日
当系统误判静音为句子结束时，会过早提交结果（premature finalization），导致语义被截断
待验证50%
9月19日
针对多语言实时系统，应按语言差异化配置端点参数，而非全局统一
待验证50%
9月19日
现代系统通常在VAD之上叠加语言模型置信度评分，只有当声学信号静音且语言模型认为可以成句时才触发端点提交
待验证50%
8月26日
端侧TTS需在用户说完后200-500ms内开始语音反馈才能保持对话流畅感，要求模型以流式方式逐帧生成音频
待验证50%
全部知识事实 (6)
已验证
语音端点检测（VAD）负责判断用户何时停止说话，过于保守的VAD设置可能在用户停顿后等待400-800ms才判定句子结束
65%待验证流式STT依赖端点检测来判断一句话何时结束，通常基于静音时长（VAD）和语言模型的置信度
50%待验证当系统误判静音为句子结束时，会过早提交结果（premature finalization），导致语义被截断
50%待验证针对多语言实时系统，应按语言差异化配置端点参数，而非全局统一
50%待验证现代系统通常在VAD之上叠加语言模型置信度评分，只有当声学信号静音且语言模型认为可以成句时才触发端点提交
50%待验证端侧TTS需在用户说完后200-500ms内开始语音反馈才能保持对话流畅感，要求模型以流式方式逐帧生成音频
50%