首包響應(yīng)時(shí)間

在流式合成中，分段合成的音頻會(huì)傳輸給客戶端或者播放系統(tǒng)，在合成首段音頻時(shí)，也會(huì)耗費(fèi)時(shí)間，這個(gè)耗時(shí)稱為“首包響應(yīng)時(shí)間”。為什么會(huì)統(tǒng)計(jì)這個(gè)時(shí)間呢，因?yàn)樵谡Z音交互中，根據(jù)項(xiàng)目經(jīng)驗(yàn)以及人的容忍程度，當(dāng)用戶說完話時(shí)，在1200ms之內(nèi)，機(jī)器人就要開始播報(bào)回復(fù)，這樣就不會(huì)感覺有空白時(shí)間或者停頓點(diǎn)