Термин
Речь-в-речь (speech-to-speech)
Англ.: S2S, голос-в-голос
Короткое определение
Модели, принимающие речь и сразу возвращающие речь, минуя отдельный текстовый этап. Даёт быстрый естественный голосовой диалог.
Системы speech-to-speech слышат и отвечают голосом в рамках одной модели, снижая задержку и потерю информации от цепочки ASR-LLM-TTS. Realtime API и Gemini Live используют этот подход, чтобы голосовые агенты ощущались отзывчивыми и живыми.
Считаете параметры для своего продукта?
Поможем собрать энкодер-леддер и посчитать стоимость доставки – до старта разработки.