LLM 实时语音输入生产实战：用 VAD 分段、Partial/Final 对账与音频契约稳住低延迟识别
实时语音应用的难点不只是模型准确率。本文从音频格式契约、VAD 分段策略、Partial 与 Final 状态对账、时间戳回放到真实噪声评测，系统拆解如何构建可观测、可回滚的低延迟语音识别管线，适合 LLM、生成式 AI 与实时 Agent 技术读者。
标签：VAD
共 3 篇文章
-
-
LLM 实时语音 Agent 生产实战：用 WebRTC、VAD 与打断恢复稳定对话体验
本文讲解实时语音大模型 Agent 的生产架构，覆盖 WebRTC 音频传输、VAD 端点检测、打断恢复、转写缓冲、工具调用确认、人工接管和上线检查清单，帮助团队从 demo 走向可治理的语音 Agent 系统。
-
Voice Agent 生产实战：用流式 ASR、VAD 与分段上下文稳定语音大模型体验
从工程视角拆解语音大模型应用的实时链路，详解如何用流式 ASR、语音活动检测、分段上下文、LLM 推理和 TTS 协调来降低端到端体感延迟，稳定长对话中的语义边界与用户体验。