实时延迟不是供应商给出的单一数字，而是从用户说完到看见并听见回应的整条链路时间。
核心判断
实时延迟不是供应商给出的单一数字，而是从用户说完到看见并听见回应的整条链路时间。
架构与体验边界
记录每个交接点：轮次结束、ASR 结果、智能体和工具完成、首段音频、客户端可见回应。这样才能定位真正的瓶颈。 Spatius 的 Docs Map 说明：Motion Server 接收数字人语音音频并返回动作数据，AvatarKit 在客户端渲染。应用继续负责 ASR、LLM、TTS、检索、工具、权限与会话策略。
试点与衡量
在真实网络上测试打断、慢工具、丢包和重连，并同时记录用户是否理解系统当前状态。 试点必须保留可用的文本路径、清晰的等待状态和人工接管方式。对于实时媒体场景，可参考 LiveKit Agents 的参与者和会话生命周期模型。
