做直播字幕时，最常见的翻车方式并不神秘：网络抖了几秒，音频还在进，转写队列却没有上限。结果是链路恢复以后，观众仍在看越来越落后的字幕——因为每一帧迟到的音频都还在排队。
LecSync 的 实时语音 API 公开了一套不同的策略：服务端音频积压上限是 2 秒。超过上限的音频会被丢弃，而不是无限堆积。扰动结束后，字幕大约在一秒内回到当前正在说的句子，而不是继续追赶越积越厚的历史队列。
下文说明什么叫积压上限、为什么无上限会让延迟一路爬升，以及这条 2 秒规则如何落在同一条实时连接里（延迟数字、语种、区域，以及统一的 每音频分钟 $0.006）。
什么是实时字幕的积压上限？
实时字幕的积压上限，指直播流式会话里，当网络或解码变慢时，服务端允许等待处理的未消化音频有多长。LecSync 把这个上限定为 2 秒：超出部分直接丢弃，字幕延迟不会无限抬高。恢复后，流会在大约一秒内重新对齐到当前句。以上数字来自公开 开发者文档（约 2026-10-04，Asia/Shanghai）。
为什么没有上限时，延迟会一直涨
无上限设计会把拥堵期间到达的每一帧音频都留住，识别端最终把队列消化完。听起来更「完整」，但对课堂、网络研讨会、会议客户端往往更糟：
- 延迟会叠加：产品示意里可从 0.4 s 爬到 1.2 s、3.1 s、7.4 s，再到约 15.0 s
- 网络恢复后，客户端仍要先啃完旧音频，才能显示说话人此刻在说什么
- 产品侧无法在卡顿场景下承诺「字幕最晚落后多少」
有上限，是在「历史音频是否一帧不丢」和「字幕最多能晚多少」之间做取舍。直播场景里，短暂停顿丢掉一小段音频，通常好过整场都在播「几分钟前」的句子。
无上限 vs 2 秒上限（产品对照）
下表对应 LecSync 开发者页对卡顿时延迟行为的公开示意，约于 2026-10-04 复核。
| 行为 | 无上限积压 | 2 秒上限 |
|---|---|---|
| 网络变慢时 | 音频无限排队（公开页未给天花板） | 服务端积压停在 2 秒 |
| 超出部分怎么处理 | 留下稍后处理 | 丢弃，不继续排队 |
| 卡顿时延迟走势 | 持续累积（示意可到约 15 秒） | 碰到上限后不再升高（示意约 2.0 秒） |
| 恢复之后 | 可能仍在追旧帧 | 约 1 秒内回到当前句 |
要点： 上限是服务端流量控制策略。客户端按连接约定持续推送即可；不必再自建一套无界的本地排空逻辑。session.ready 之后推送原始 PCM 即可。
网络正常时的延迟
积压规则主要管压力场景。平稳条件下，LecSync 公开的数字是：
| 指标 | 公开数字 |
|---|---|
| 开口到首词上屏 | 0.28 秒 |
| 到首个翻译 token 的额外延迟 | 约 88 毫秒 |
| 语种 | 60 种，任意语种互译，同一条连接 |
| 接入区域 | 5 个：dal、hz、jp2、ru、uk |
| 价目 | 每音频分钟 $0.006，所列能力含在内 |
识别过程中会持续推送预览文本，确认后落成 final。翻译与原文并行流出，不必等整句说完。也可自动检测语种，开录前不必先锁死源语言。
同一条 WebSocket 还能带回什么
积压上限只是「一条连接」设计的一部分。同一条套接字上还可以拿：
- 开启说话人后，final 段带说话人标签与时间戳
- 与录音对齐的
startMs，可直接用于回放 digest: true时边说边推的结构化纪要- 术语表与领域上下文，稳住产品名/课程词
store: true时可选保留 30 天录音与逐字稿 JSON
打开这些能力不另开计费行：公开价仍是 每分钟被接受的音频 $0.006。关掉功能不降价，全开也不加价。不足整分钟按比例；没有被接受的音频不计费。
若要对照「一条连接」和自拼供应商、或和其他实时语音栈比表面能力，可看 内置翻译 vs 自拼 STT + MT 与 LecSync 对比 AssemblyAI、OpenAI。
设计字幕延迟时常见的坑
- 把「音频一帧不丢」当成直播体验硬性要求。 完整归档更适合录音路径（
store或课后上传）。直播字幕要的是延迟天花板。 - 只在干净的笔记本 Wi-Fi 上测中位延迟。 VPN、校园网、手机切换基站，才是无上限队列爆炸的地方。
- 把背压全推给浏览器或 App。 LecSync 文档写明拥堵在服务端处理；客户端按 connect 约定持续发送即可，不必自建无界本地队列。
- 忽略区域选择。 握手时指定
dal、hz、jp2、ru、uk（或交给就近健康节点），能减少积压一开始就堆起来的概率。 - 默认翻译一定要再跳一跳。 LecSync 上翻译与转录在同一连接配对，首个翻译 token 大约多 88 毫秒，不是再开一家供应商的往返。
怎么接入
创建会话：
POST https://api.lecsync.com/v1/realtime/connect
带 Bearer API Key 与音频配置（例如 PCM s16le、16 kHz、单声道），再用返回的 WebSocket URL 与 token 推流。完整的 curl、JavaScript、Python 示例（含有界队列、超时与清理）见 开发者文档。
常见问题
LecSync 的 2 秒积压上限是做什么的？
它限制网络变慢时服务端可等待处理的未消化音频长度。超过 2 秒 的部分直接丢弃，字幕延迟不会再无限抬高。
卡顿结束后字幕会追上吗？
会。扰动结束后，字幕大约在 一秒内回到当前句，而不是先排空无界的历史队列。
网络正常时首词有多快？
公开数字是开口后 0.28 秒首词上屏，到首个翻译 token 大约再加 88 毫秒。按开发者页的产品数字理解即可。
积压上限要单独付费吗？
不用。它是实时语音 API 在公开文档里的行为说明。计费仍是 每音频分钟 $0.006，所列能力含在内。
可以指定哪些区域？
公开列出五个网关：dal、hz、jp2、ru、uk。握手时指定，或让 LecSync 路由到最近的健康节点。
同一条连接还能拿什么？
说话人、纪要、术语表、对齐时间戳、60 语任意互译，以及可选 30 天存储——都在同一条 WebSocket、同一价目下。
下一步
课堂、网络研讨会或会议要上线直播字幕，卡顿恢复要和首词延迟一起设计。LecSync 公开的 2 秒积压上限、0.28 秒首词、五个区域，以及统一的 每音频分钟 $0.006，给平稳路径和拥堵路径都留了可引用的约定。从 LecSync Realtime STT 文档 开始，对 https://api.lecsync.com/v1/realtime/connect 发起 connect 即可。