Skip to content
बीटा

फोन

व्हॉइस इन आणि आउट, आणि SMS. फोन कॉल्स नाहीत.

हे काय करते

स्पीच रेकग्निशन आणि सिंथेसिस सेल्फ-होस्टेड चालतात, प्रदात्यांमध्ये प्रति भाषा रूट केले जातात, ज्यामध्ये टर्न-टेकिंग लेयर असते जी व्यत्यय (interruption) आणि वाक्य-स्तरीय स्ट्रीमिंग हाताळते जेणेकरून बोलणे वॉकी-टॉकीसारखे वाटणार नाही. टेक्स्ट मेसेजिंगसाठी फीचर फ्लॅगच्या मागे एक स्वतंत्र SMS मार्ग लागू केला आहे.

हे का महत्त्वाचे आहे

व्हॉइस ही अशी जागा आहे जिथे "असिस्टंट" फ्रेमिंग एकतर प्रत्यक्षात येते किंवा कोलमडते, आणि लेटन्सी (latency) हाच संपूर्ण खेळ आहे. स्पीच सेल्फ-होस्ट करण्याचा अर्थ असा आहे की राउंड ट्रिप कोणत्याही थर्ड-पार्टी क्यू (queue) वर अवलंबून नसते.

हे कसे कार्य करते

  • स्पीच डीफॉल्टनुसार सेल्फ-होस्टेड चालते

    रेकग्निशन आणि सिंथेसिस स्वतःच्या कंटेनर म्हणून चालतात, स्थानिक मॉडेल्स ज्या भाषा नीट हाताळू शकत नाहीत त्यांच्यासाठी प्रति-भाषा प्रदाता (provider) राउटिंग असते.

  • टर्न-टेकिंग स्पष्ट (explicit) आहे

    बोलण्यापूर्वी पूर्ण प्रतिसादाची वाट पाहण्याऐवजी, टर्न गेट आणि सेंटेन्स चंकर व्यत्यय आणि स्ट्रीमिंग व्यवस्थापित करतात.

  • टेलीफोनी फक्त SMS-पुरती मर्यादित आहे आणि डीफॉल्टनुसार बंद आहे

    SMS मार्ग तयार केला आहे परंतु फ्लॅगच्या मागे गेट केलेला आहे आणि त्यासाठी कॅरियर खाते आवश्यक आहे. व्हॉइस कॉलिंग स्पष्टपणे कक्षेबाहेर (out of scope) होते आणि आम्ही ते तयार केलेले नाही.

प्रश्न

माझा एजंट फोनचे उत्तर देऊ शकतो का?
नाही. कोणतेही इनबाउंड किंवा आउटबाउंड कॉलिंग नाही. व्हॉइस ब्राउझरमध्ये काम करतो; टेलिफोनी फक्त SMS-पुरती आहे आणि सध्या गेट बंद आहे.
स्पीच कोणत्या भाषांना सपोर्ट करते?
एक विस्तृत संच, ज्यामध्ये प्रति भाषा वेगवेगळ्या प्रदात्यांकडे राउटिंग केले जाते, ज्यामध्ये भारतीय (Indic) भाषांसाठी समर्पित प्रदाता समाविष्ट आहे जिथे सामान्य मॉडेल्सची कामगिरी कमी पडते.

The rest of the bag

लाइव्ह

AccessControl

प्रति-दस्तऐवज (Per-document) परवानग्या ज्या केवळ पेजेसच नाही, तर उत्तरांना देखील फिल्टर करतात.

वेगवान कामगिरीसाठी पॉलिसी रिझोल्यूशन प्रति सेशन कॅश केले जाते; परवानगीमधील बदल प्रत्येक इन-फ्लाइट विनंतीवर त्वरित लागू होण्याऐवजी कॅश इनव्हॅलिडेशनवर प्रसारित होतो.

लाइव्ह

दस्तऐवज

एक फोल्डर ट्री जो एजंट वाचतो, आणि एक कॉन्फिग फाईल जिचे तो पालन करतो.

एक्सट्रॅक्शनमध्ये PDFs, स्प्रेडशीट्स आणि ट्रान्सक्रिप्ट्स समाविष्ट आहेत. अनोखे बायनरी फॉरमॅट्स पार्स केले जात नाहीत.

लाइव्ह

इव्हेंट्स

एजंट्सनी काय केले आणि का केले, याचे एक टिकाऊ लेजर.

इन-प्रोसेस इव्हेंट बस हा सिंगल-नोड एमीटर आहे, डिस्ट्रिब्युटेड ब्रोकर नाही. टिकाऊ क्रॉस-एजंट रेकॉर्ड हे एक स्वतंत्र Postgres टास्क लेजर आहे.

कथेकडे परत

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.