实时双向语音同传 · 极速低延迟工作台

支持 中文 ⇄ 英语/日/西/德/韩/法 双向端到端 S2ST（Speech-to-Speech Translation）。 内置上游 Gemini Live 热连接池 (WarmSessionPool)，彻底消除 180ms 建连与 Setup 握手开销； 测试音频存储于 us-central1（美国爱荷华） 与 Live API 同机房直连，客观呈现模型真实首 Token (TTFT) 与首帧语音 (TTFA) 极限性能。

🟢 音频引擎待命 · 16kHz In / 24kHz Out PCM 实时流
🎧 双耳同传声场分离：左声道 (-0.35) 原声 · 右声道 (+0.35) 译文同传
文字首 Token 延迟 (TTFT) 自实际开口起计
–
已自动扣除源音频头部静音 (RMS>1000)
首帧译文语音延迟 (TTFA) 24kHz 有声帧
–
首帧有声 PCM 译文到达时刻
同传抢跑提前量 (Sim-Lead) 边说边译
–
说话尚未结束时译文已提前输出的秒数
建连与握手开销 (WS + Setup) 🔥 热池命中
0 ms
原始建连: – · Setup: –
1 选择测试语料或参数（美国 us-central1 服务端直连 Live API 实时推流）
目标语言:
流式分块:
2 双语实时识别流与同传语音舞台 (Bilingual Streaming & Binaural Replay)
🗣️ 源语言实时语音转写 (Source Speech ASR) 16kHz PCM
等待说话人开口…
语音起点扣除: 0.00s 时长: –
⚡ 目标语言实时同传译文 (Target S2ST Output) 24kHz PCM
等待译文流式生成…
首帧语音状态: 待命 Target: EN
⏱️ 端到端语音同传时序图 (自实际开口 t=0.00s 起计)
源语音持续区间
首文字 Token (TTFT)
译文语音输出区间 (TTFA → End)
📋 毫秒级时间戳实时遥测日志控制台 (Cloudtop Chrome CDP Telemetry)
3 严谨计时口径说明与 us-central1 基准参考数据
已扣除 源音频头部静音 / 底噪自动剥离：客户真实录音开头约 0.74s 为呼吸与环境底噪，TTS 语料也有 0.26–0.30s 静音头。所有 TTFT/TTFA 指标一律通过 20ms 窗 RMS>1000 能量检测自实际开口发声时刻 (t=0.00s) 起计。
0ms 握手 上游热连接池 (WarmSessionPool)：传统方案每次点击需耗时 ~180ms 建立 WebSocket 并等待 setupComplete；本站后端在 us-central1 常驻维护预热连接池，实现 0ms 建连开销即点即发。
同传特征 恒定 ~2.6s 同传跟随窗口与抢跑能力：在 7.0s 与 16.9s 长句测试中，模型在说话人尚未说完前 4~14 秒即已开始流式输出译文语音（同传抢跑），而非等整句说完才翻译。
测试语料 音频时长 文字首 Token (TTFT) 首帧译文语音 (TTFA) 参考同传译文
正在加载基准对比数据…