Phone
音声入出力とSMS。電話ではない。
機能
音声認識と合成は自己ホストで実行され、言語ごとにプロバイダー間でルーティングされ、割り当てレイヤーが割り込みと文レベルのストリーミングを処理して、音声交換がトランシーバーのように感じないようにします。テキストメッセージング用の機能フラグの後に別のSMSパスが実装されます。
重要性
音声は「アシスタント」フレームが現実になるか崩壊するかの場所であり、遅延が全ゲームです。セルフホスティング音声は、往復がサードパーティキューの慈悲に依存しないことを意味します。
仕組み
スピーチはデフォルトでセルフホストされます。
認識と合成は独自のコンテナとして実行され、ローカルモデルが不十分に処理する言語については言語ごとのプロバイダルーティングがあります。
ターンテーキングは明確です。
ターンゲートと文チャンカーは、話す前に完全な応答を待つのではなく、割り込みとストリーミングを管理します。
電話はSMSのみであり、デフォルトでは無効です。
SMSパスは構築されていますが、フラグの後ろに隠されており、キャリアアカウントが必要です。音声通話は明示的に範囲外であり、構築していません。
質問
- エージェントは電話に出ることができますか?
- いいえ。着信または発信がありません。音声はブラウザで機能します。電話はSMSのみで、現在無効です。
- どの言語がスピーチをサポートしていますか?
- 広範なセット。言語ごとに異なるプロバイダーへのルーティング、インド言語用の専用プロバイダー（一般的なモデルが不十分なパフォーマンスを発揮する場合）を含む。
The rest of the bag
AccessControl
ドキュメント単位のアクセス許可で、ページだけでなく回答もフィルタリングします。
ポリシー解決はスピードのためにセッションごとにキャッシュされます。権限変更はキャッシュ無効化時に伝播し、飛行中のすべてのリクエストで即座に伝播することはありません。
Docs
エージェントが読む フォルダツリー、および それが従う構成ファイル。
抽出は、PDF、スプレッドシート、トランスクリプトをカバーしています。エキゾチックなバイナリ形式は解析されません。
Events
エージェントが何をしたかとその理由の永続的な記録。
インプロセスイベントバスはシングルノードエミッターであり、分散ブローカーではありません。耐久的なクロスエージェント記録は、別のPostgresタスク台帳です。
That was step 1 of 6: a request arrives. Next, the subdomain is the isolation boundary, so the request resolves to one workspace, one database, and one question of whether it is even in scope.