Каскадная архитектура
Способ построения голосового ИИ-помощника из трёх отдельных звеньев: распознавание речи, текстовая языковая модель и синтез речи (cascaded pipeline). Противопоставляется сквозным речь-в-речь моделям: каскад проще собрать из готовых компонентов, но он добавляет задержку и теряет интонацию при переводе звука в текст.
проверено по: artificialanalysis.ai ↗
См. также
В новостях
Открытый движок SGLang-Omni поддержал три типа голосовых ассистентов
Схема голосового ассистента из отдельных моделей: одна распознаёт речь, другая пишет ответ текстом, третья его озвучивает. Каждую часть можно заменить независимо от остальных.