一句话，花了多久？
从听清指令到小鸭行动，逐轮查看真实交互。
最近一轮
等待样本先回到工作台，连接灵矽并说一句话。
以本地服务收到“结束录音”为 0；动作受理表示控制器接受了指令，首段语音表示音频到达本地服务。
本地与灵矽：识别延迟
| 识别路径 | 均值 | P50 | P90 | P95 | 样本 |
|---|
前两行从 DuckKing 收到结束录音，到该识别引擎返回首个非空文本；灵矽含网络与转交等待，不是云端纯推理耗时。第三行只测本地 ASR 工作进程排队、识别与返回。转交轮次可同时产生本地和云端样本，不混为一个识别结果。
不同路径的动作响应
| 处理路径 | 均值 | P50 | P90 | P95 | 样本 |
|---|
从结束录音到首个动作受理。仅比较实际发生的阶段，不能据此认定识别准确率或物理响应时间。
响应延迟
P50 典型值 / P95 慢请求| 测量阶段 | 均值 | P50 | P90 | P95 | 样本 |
|---|
百分位采用最近秩法。缺失阶段不补零；少量样本的 P95 不代表稳定性能。
连接与恢复
- 重连成功 / 尝试
- —
- 连接异常
- —
- 手动重置
- —
- 恢复耗时 P50
- —
连接计数覆盖本次服务启动以来；恢复耗时保留最近 500 次成功重连。
逐轮记录
点击轮次查看时间线| 轮次 / 时间 | 识别文本 | 实际动作顺序 | 结果 |
|---|
当前筛选下还没有语音记录。统计从本次服务启动后开始采集，旧日志不会自动导入。
这些指标能说明什么？
识别返回率 = 返回非空文字的已结束轮次 / 已结束且提交录音的轮次。回复结束率 = 收到云端正常回复结束事件的轮次 / 已结束且走云端的提交轮次。本地命中率 = 完整匹配并选择本地执行的轮次 / 已完成路径判定的本地优先轮次；不代表识别或意图准确率。本地提示音不计作云端回复。进行中和录音未提交的轮次不进入这两个比率。
动作完成率只统计真正被控制器受理且已经结束的动作；重复 MCP 请求不重复计数。完成表示控制流程正常结束，不保证物理位移或转角达标。
识别准确率（CER / WER）、意图正确率、动作顺序符合率，需要与人工标注的原话和目标动作比较。这里展示识别文字与实际动作，供核对，不自动给出准确率。
延迟使用本地单调时钟。这里没有测量麦克风硬件、浏览器扬声器、画面呈现或 MuJoCo 物理反馈延迟；语音回复结束也不等于扬声器已经播完。结束录音之前返回的阶段只出现在时间线，不纳入非负延迟分布。
本页保留本次服务启动后最近 500 轮；重启后清空统计。识别文字经过已知凭据与常见设备标识脱敏，最多保留 2000 字符。原始录音不保存，脱敏事件另写入本地私有轮转日志。