标签: #TTS
用亲手运行、亲手测量的数据来写 Kubernetes、DevOps 与 MLOps · 2 篇
实时语音对话，各组件直接测得的延迟：语音识别 0.2 秒，LLM 首个 Token 0.07 秒，语音合成时长的一半
我们针对外语口语练习的实时语音对话的三大组件（语音识别、对话 LLM、语音合成），直接用韩语、日语、中文和英语进行了测量。整理了各组件延迟、GPU 内存、两对开源模型的对比、单轮对话首个声音的计算，以及测量过程中容易遇到的陷阱。
2026-10-07 · 30 分钟阅读 #음성 에이전트#ASR#TTS#지연 측정#LLM 추론制作实时语音对话应用时的 NVIDIA 开源工具：Nemotron 语音代理、PersonaPlex、NeMo
调查 NVIDIA 为了构建实时语音对话应用程序而开源的项目。对比了将语音识别、LLM、语音合成串联起来的结构，以及单个模型同时负责听和说的全双工结构，梳理了哪些组合支持韩语，以及使用 8GB 级笔记本 GPU 和 24GB 级消费级 GPU 可以实现到什么程度。
2026-10-07 · 17 分钟阅读 #음성 에이전트#실시간 음성인식#Nemotron#PersonaPlex#Pipecat