一、技术选型与方案对比 1.1 核心组件构成 中文语音服务需包含三个核心模块： 语音识别（ASR）：将音频流转换为文本 语音合成（TTS）：将文本转换为可播放音频 服务调度层：管理ASR/TTS模型加载、请求路由和资源……
