Ключ — стриминговое распознавание: система реагирует на промежуточные гипотезы ASR, не дожидаясь конца фразы. Бюджет задержки от произнесённого слова до алерта:
Захват и передача аудио микрофон, эфир, Zoom, SIP
20–60 мс
Стриминговый ASR промежуточные гипотезы, не финал фразы
150–400 мс
Матчинг словаря лемматизация, фразы, регулярки
< 5 мс
Доставка алерта экран, мессенджер, webhook
10–100 мс
Итого: 300–600 мс типично
Целевой SLA — до 1 секунды на 95-м перцентиле