TTS Streaming Synthesis: Nói Trước Khi Câu Viết Xong

Text đến dần từ LLM được chunk tại các điểm ranh giới an toàn (sau dấu phẩy, hết một cụm từ, không cắt giữa từ), mỗi chunk được synthesize thành audio và stream ngay tới player, player buffer vừa đủ để chống jitter — nhờ vậy time-to-first-audio chỉ vài trăm milliseconds thay vì phải chờ hết cả câu.