阿里通义语音团队：语音助手迟滞的瓶颈在 TTS 而非 LLM
rdesh26 · x · 2026-10-31
通义语音 AI 团队指出，大模型已经能逐 token 生成回答，但语音助手迟迟不出声的原因往往不在模型，而在 TTS：传统 TTS 要等完整句子生成完毕才开始合成语音。
解决方案是流式 TTS（Streaming TTS）：随着文本逐 token 到达即刻开始合成并输出音频，从而大幅缩短语音助手的响应延迟。
「多模态」频道最新
- Midjourney sref 风格码实测:一套参数统一狐狸猫狗三角色 — sergeantsref · 2026-10-31
- 开源模型 12 小时产出电影级写实 4K 视频，工作流公开 — Grinderius · 2026-10-31
- AI 生成《生化危机》Jill 视频火了：捏伞、踩脚再坐下，全程丝滑 — DDDDiablo · 2026-10-31
- Midjourney sref 风格码实测:超现实彩虹光谱美学 — OVolosin82152 · 2026-10-31
- 用 ChatGPT 生成起始帧再丢给 HeyGen，让恐怖女鬼爬出 X 时间线 — toolstelegraph · 2026-10-31
- ChatGPT 生成假新闻截图 + HeyGen 图生视频,做出「贞子爬出屏幕」效果 — toolstelegraph · 2026-10-31