一、技术背景与核心挑战 在智能语音交互领域，传统方案通常采用级联架构：通过自动语音识别（ASR）将语音转为文本，经语言模型（LLM）处理后，再通过文本转语音（TTS）合成输出。这种模式存在三大痛点： 高延迟：……
