语音Agent架构可能要变了
ZainHasan6 · x · 2026-07-16
作者认为，这个模型可能正在重定义语音 Agent 的架构： - 传统流程是 **STT → LLM → TTS**。 - 新思路可能是 **LLM → TTS**，因为模型可以直接接收音频 token。 - 这样做的潜在好处包括：**更好的 WER 准确率、更低延迟**，以及在转写环节**减少意图信息丢失**。
ZainHasan6 · x · 2026-07-16
作者认为，这个模型可能正在重定义语音 Agent 的架构： - 传统流程是 **STT → LLM → TTS**。 - 新思路可能是 **LLM → TTS**，因为模型可以直接接收音频 token。 - 这样做的潜在好处包括：**更好的 WER 准确率、更低延迟**，以及在转写环节**减少意图信息丢失**。