最近有人发现擎天说话时会有停顿，这其实是因为它在优化语音输出。就像手机加载应用时会有短暂黑屏，擎天在处理复杂指令时需要时间计算最合适的回应，所以会出现几秒到十几秒的停顿。

这个现象和声学模型有关。根据内部测试数据，擎天在处理超过200字的长文本时，声学模型需要0.8-1.2秒完成音素转换。当用户连续提问时，系统会先缓存前几次对话，等所有指令处理完毕再统一输出。比如测试中连续问5个问题，平均停顿时间会累积到8秒左右。训练数据量不足也会导致停顿，目前模型在处理方言或专业术语时，停顿率比通用场景高40%。优化团队正在用动态加载技术，把音素转换速度提升了30%，预计下个月上线的新版本能减少60%的明显停顿。