vLLM-Omni流式TTS：异步分块、TTFP与端到端延迟取舍

用户判断语音 AI “快不快”，往往不会等它说完，而是在等它开口的几百毫秒里就下结论。因此实时文本转语音（TTS）要分开测首音频包延迟和整段完成时间；只看总耗时，很可能优化错目标。