आवाज़ अंदर।
आवाज़ बाहर।
वॉइस-फ़र्स्ट इंटरफ़ेस के तीन रूप — एक ही फ़ुल-डुप्लेक्स speech-to-speech मॉडल, एक कंपोज़ेबल wake → VAD → ASR → LLM → TTS पाइपलाइन जिस पर पूरा नियंत्रण आपका, और बिना हाथ लगाए प्रवेश के लिए वेक-वर्ड एक्टिवेशन। सब ऑन-डिवाइस, कोई क्लाउड API नहीं, ऑडियो डिवाइस से बाहर नहीं।
Studio आवाज़ें बनाता है। Runner उनसे बात करता है।
Speech Studio और Runner उसी स्थानीय स्पीच स्टैक के दो रूप हैं: एक वॉइस प्रोडक्शन के लिए, दूसरा लाइव वॉइस-एजेंट इंटरैक्शन के लिए।
अपने प्रोडक्ट से मेल खाता रूप चुनें।
ड्रॉप-इन डायलॉग मॉडल, प्रति-स्टेज नियंत्रण वाली कंपोज़ेबल पाइपलाइन, या केवल पतला वेक-वर्ड ट्रिगर। हर रूप पूरी तरह डिवाइस पर चलता है।
एक ही मॉडल माइक इनपुट लेकर वॉइस आउटपुट देता है। ड्रॉप-इन OpenAI-Realtime-कम्पैटिबल WebSocket; न्यूनतम कोड, अंदर ब्लैक-बॉक्स।
वेक-वर्ड → VAD → स्ट्रीमिंग ASR → ऑन-डिवाइस LLM → TTS। हर स्टेज पर नियंत्रण, ट्रांसक्रिप्ट दृश्यमान, इंजन आज़ाद बदलें। अपनी ख़ुद की Siri बनाएँ।
किसी भी वॉइस फ़्लो के लिए बिना हाथ का ट्रिगर। प्रति-फ़्रेज़ थ्रेसहोल्ड वाले कस्टम कीवर्ड, डिवाइस पर 5 MB से कम, रियल-टाइम से 26×।