在voice agent场景下为了响应快，会先用一个小模型做一下承接语(返回一些语气词 或者 附和语)，然后再等待大模型真正的返回。 这个时候有个痛点是：TTS在合成单字 或者 短句的时候往往效果不好，比较好的一个策略就是TTS也能支持流式的输入。