proto.lib

Trợ lý giọng nói speech-to-speech thời gian thực

Audio chảy vào và audio chảy ra qua MỘT model duy nhất, không có tầng transcribe-rồi-nghĩ-rồi-tổng-hợp riêng biệt; phần khó nhất trở thành turn-taking — nhận biết người dùng đã dừng nói hay vừa NGẮT LỜI (barge-in) giữa chừng.

AI/ML SystemsNâng cao2026-08-26
Trợ lý giọng nói speech-to-speech thời gian thực

Tags

#speech-to-speech#realtime-voice#barge-in#turn-taking#voice-activity-detection

Tài liệu tham khảo

Mở rộng

Animation gốc là một file HTML tự chứa, có thể nhúng lại ở bất kỳ trang nào khác. Mở file gốc

Liên quan

AI/ML SystemsNâng cao

Parse JSON Chưa Đóng Khi Stream Tool Arguments

Khi model trả tool arguments theo stream, JSON thường chưa đóng ngoặc tại mỗi chunk; client cần một parser gia tăng dựng dần object để hiện UI sớm, nhưng chỉ thực thi tool khi JSON đã hoàn chỉnh và hợp lệ theo schema.

#streaming#tool-use#json-parsing#function-calling
AI/ML SystemsTrung bình

Đưa Ảnh/Trang PDF Vào Model Đa Phương Thức

Khi đưa ảnh hoặc trang PDF vào model đa phương thức, cần resize hoặc tách trang để giảm chi phí token vốn tính theo kích thước ảnh, kết hợp text layer sẵn có nếu tài liệu có, và kiểm chứng số liệu trích ra bằng cách chỉ lại đúng vùng nguồn trên ảnh gốc.

#multimodal#vision#document-ai#pdf
AI/ML SystemsNâng cao

Eval Regression Gate trong CI

Bộ eval vàng chạy như test trong CI: mỗi lần đổi prompt hoặc model, hệ thống chạy lại toàn bộ eval, so điểm với baseline đã lưu, và chặn merge nếu điểm tụt quá ngưỡng; để chống nhiễu, cần chạy nhiều lần và so theo khoảng tin cậy thay vì so từng điểm đơn lẻ.

#eval#ci-cd#regression-testing#llm-eval