从流水线到端到端的本质：让梯度说话

手工流水线的根本问题不是"某个模块不够好"，而是**模块间的接口是硬编码的信息瓶颈**——发音词典只允许 40 个音素通过，所有无法被音素表达的信息（说话人情绪、口音特征、环境线索）都在接口处被丢弃。端到端建模的核心优势是让梯度信号贯穿全链路，让模型自己学习最优的中间表征。