这一页讲什么
流式播放看这四项：
- 首包时间：从敲下生成到听见第一个字
- 播放连续性：中途会不会卡顿、断句
- 素材上行：参考音频与训练素材的体积
- 重试成本：按字符计费时，失败重来是真金白银
这里讲的是团队在使用海外 AI 工具时，网络这一层能改善什么：请求往返的时延、长会话的连续性、素材上传与产物下载的带宽。我们提供的企业跨境网络接入与线路优化，只是把这段网络变稳变快，不改变任何服务本身的可访问范围与使用规则；工具能否使用、怎么用，以服务商的条款与所在地法律法规为准。线路与节点以实际开通时的分配结果为准。
业务特点
语音这一类，卡在「一开口」和「一中间」
音频不像文字，卡顿会被耳朵直接放大。
点了生成，要愣一秒才出声
首包时间由往返时延与排队决定。一秒的沉默在文字工具里几乎察觉不到，在语音里非常明显，而且会被归因为「工具难用」。
播到一半卡一下，整段重来
流式播放要求持续稳定地收包。中间一次抖动就断，重来又要重新计费，来回几次成本不小。
参考音频传上去，等得久
几分钟的音频文件不算大，但上行不够时依然要等。而且传完才知道能不能用，返工的成本比等待更高。
线路与能力
首包与连续性怎么保证
先把「第一声」的时间压下来，再保连续性。
按首包时间选线路
这类工具的体验指标是首包时延。开通前测这一项，而不是测一个跑满带宽的数字。
播放期优先于下载期
流式播放与批量下载对线路的要求相反：一个要稳，一个要宽。两种流量分开走，播放不再被下载拖住。
稳定性优先于峰值
按字符计费意味着重试有成本。宁可平均慢一点点，也不要偶尔断一次 —— 那是要重来并重新计费的。
适用场景
语音合成用在哪些场景
批量配音的团队，对稳定性的要求比对话工具更高。
常见问题
语音类的常问几点
围绕首包慢、中途卡与重试成本。
首包慢是带宽不够吗？
不是。首包时间主要由往返时延决定，几十 KB 的音频用不到什么带宽。加带宽对这一项基本没有帮助，要改的是路径。
播放中途卡一下，要整段重来吗？
多数情况下要。所以这一项值得按「一次都不卡」的标准去配，而不是按「偶尔卡一下能接受」去配。
按字符计费，网络不好会多花钱吗？
会。失败重试通常仍然计费，网络越不稳，重试越多。这一项很少被算进成本里，但它是真实存在的。
可以先测试再决定吗？
可以先开通 3 天免费测试，用实际链路数据判断。测试期间按正式环境同样的方式接入，测完再决定要不要签。
