Qwen3-Omni — Live-Dialog (Deutsch)

Sprich einfach. Kurze Sprechpause = deine Frage ist fertig. Du kannst jederzeit reinreden (Barge-in).

bereit

Diagnostik — letzter Turn

– ab Sprechende bis erster Ton
Latenz-Aufschlüsselung
VAD-Sprechpause–
denke → 1. Byte (Server + Netz)–
Prebuffer-Wartezeit (Client)–
Server-Detail
Thinker TTFT–
Talker + Vocoder (1. Chunk)–
→ 1. Audio erzeugt (Summe)–
Frames / Audio-Länge–
Thinker-Tokens–
Peak-Deficit (nötiger Puffer)–
Transkription (nach Antwort)–
Wiedergabe
Chunks empfangen–
Underruns (Lücken)–
Deficit-Kurve je Chunk (rot = Puffer leert sich, grün = füllt sich)

Verlauf

#ab Sprech.Srv→AudioDeficitUnderr.Tok