实时语音
实时语音指从声音采集、传输到播放或处理的全链路延迟极低（通常
一句话解释
实时语音是指从说话人开口到对方（或系统）听到/理解回复的端到端延迟在人类可接受的实时范围（通常150-400ms）内的语音通信或交互技术，强调低延迟、连续性和双向同步。
为什么会被关注
随着远程办公、在线教育、游戏组队等场景普及，用户对语音交互的实时性要求越来越高。任何超过0.5秒的延迟都会破坏对话节奏，造成体验割裂。同时，AI语音助手、实时翻译等功能也依赖低延迟的语音流处理，因此实时语音成为衡量产品质量的关键指标。
核心逻辑
实时语音系统通常包含采集（麦克风）、降噪、编解码、网络传输（如WebRTC的UDP协议）、抖动缓冲、播放等环节。为降低延迟，数据以帧为单位（通常20-60ms）连续处理，而非等整句话结束。AI场景下还需将音频流实时分段送入识别/合成引擎，做到边说边出结果。
常见场景
视频会议（腾讯会议、Zoom）中多方实时通话；游戏内置语音（如《王者荣耀》组队开黑）；智能音箱（小爱同学、天猫精灵）的免提对话；直播连麦（抖音、B站主播与观众互动）；手机实时字幕（iOS 16+的语音转文字辅助功能）；国际会议实时翻译耳机等。
容易混淆的点
实时语音 ≠ 离线语音：离线语音（如语音输入法的听写）可接受较高延迟，无需网络或可异步处理；实时语音必须秒级响应。另外，实时语音转文字（Streaming ASR）与实时语音合成（TTS）是方向相反的过程，但常被统称为“实时语音技术”，实际系统架构差异很大。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词Latency-aware Routing 是一种智能网络路由技术，它通过实时监测链路延迟，动态选择时延最低的路径传输数据，从而提升实时应用的用户体验。在云游戏、视频会议、自动驾驶等场景中，延迟的微小波动可能直接影响服务质量，这项技术让网络“看见”拥堵并自动绕行。
一种在路由决策中综合考虑资金成本、网络延迟、带宽占用和能耗等因素，选择总体代价最低路径的网络优化技术。
Prompt Router 是一种智能路由机制，根据用户输入或任务类型，自动将提示词分发到最合适的大模型或处理流程，提升效率与精度。
Model Gateway 是介于用户请求与多个 AI 模型之间的中间层服务，负责路由、负载均衡、鉴权、限流、缓存与模型切换。它让企业像管理微服务一样管理模型集群，大幅降低重复开发与运维成本，同时提升推理响应的稳定性和安全性。
Capability Router 是一种智能路由机制，能在多个AI能力模块或模型之间，根据输入任务的特征自动选择最合适的处理单元，从而提升整体效率与准确性。它类似于“AI大脑中的调度员”，常见于混合专家系统和多模型协作场景。