語音技術

實時因子

real-time factor (RTF)

定義

處理一段音頻所花的時間除以音頻本身時長，數值越細越跟得上實時。

點計

RTF = 處理時間 ÷ 音頻時長。RTF 等於零點五，即一分鐘錄音用半分鐘處理完；大過一，即處理追不上播放，串流場景會越積越多。

RTF 與延遲是兩個指標：離線批處理 RTF 小就算快，但互動場景還要看「講完幾快出第一個結果」。量 RTF 必須固定音頻長短分佈，長短比例不同，數字就不同。

健康區間

門檻本身是公開定義：處理兩秒音頻花超過兩秒（RTF 大過一）就不算實時——來源頁以「2.01 秒處理 2.00 秒音頻」為反例說明；互動應用通常再收緊，但沒有統一公開數值。

來源：https://en.wikipedia.org/wiki/Real-time_computing（查閱 2026-10-31）

4 個改進手段

  1. 分開量「單段 RTF」與「整批吞吐」：前者保直播跟得上，後者保過夜批次準時完成。
  2. 留意最差個案：平均 RTF 合格但長音頻爆標，串流照樣積壓；要連長尾一齊報。
  3. 用語音活動偵測把長錄音切成短段再排程，短段可以邊收邊處理，降低追不上的風險。
  4. 升級前後用同一批錄音重跑，確認 RTF 改善沒有犧牲字準確。

相關文章

資料來源

相關術語

返回術語表廣東話 ASR 比較廣東話語音轉文字