Hlasový režim
Hlasový režim změní chat na hands-free konverzaci na střídačku: Libre poslouchá, přepíše, co jste řekli, vygeneruje odpověď, přečte ji nahlas a poté znovu poslouchá. Mluvenou odpověď přerušíte jednoduše tím, že do ní začnete mluvit. Vše používá stejné smlouvy pro převod řeči na text a textu na řeč jako diktování a předčítání v editoru. Hlasový režim přidává pouze koordinaci, nikdy novou cestu zvuku.
Zahájení konverzace
Otevřete chat a stiskněte tlačítko hlasového režimu vedle mikrofonu v editoru. Tlačítko se zobrazí, kdykoli je dostupný vstup řeči: buď model poskytovatele pro převod řeči na text (stejný katalog jako diktování v editoru, popsaný na stránce převodu řeči na text), nebo vlastní rozpoznávání řeči prohlížeče. Mluvené odpovědi používají nakonfigurovaný model a hlas pro převod textu na řeč, včetně uloženého hlasu s aktivním souhlasem. Úvodní gesto zároveň připraví přehrávání podle zásad automatického přehrávání prohlížeče.
Smyčka konverzace
Vždy je aktivní jeden tah, který prochází čtyřmi viditelnými fázemi:
| Fáze | Co se děje |
|---|---|
| Poslech | Mikrofon nahrává; pauza přibližně 1,5 s ukončí váš tah |
| Přepis | Nahrávku přepíše vybraný poskytovatel nebo prohlížeč |
| Přemýšlení | Přepis se odešle jako běžná zpráva chatu a vygeneruje se odpověď |
| Mluvení | Odpověď se přehraje podle nastavení převodu textu na řeč |
Ovládací prvky při otevřeném překryvu:
- Done speaking okamžitě ukončí váš tah. Hodí se v hlučných místnostech nebo tam, kde není dostupná analýza zvuku pro automatické určení konce.
- Mute pozastaví záznam bez opuštění konverzace. Po zrušení ztlumení začne nový tah.
- Skip reply zastaví přehrávání a vrátí se k poslechu.
- Barge-in: začněte mluvit během přehrávání odpovědi. Přehrávání se zastaví a systém začne poslouchat váš další tah.
- Close ukončí relaci: zastaví proud mikrofonu, zruší probíhající přepis i přehrávání.
Chyby konverzaci nikdy neukončí. Chyba mikrofonu, odmítnutá nahrávka, selhání přepisu nebo vypršení času odpovědi se zobrazí přímo a hlasový režim se vrátí k poslechu.
Správa a soukromí
Hlasový režim má vlastní režim přístupu (voice-mode) na kartě Voice access v User
Management, oddělený od převodu řeči na text, textu na řeč a klonování hlasu. Proměnná
prostředí VOICE_MODE_ACCESS_MODE ho uzamkne. Přepis a syntéza řeči podléhají také
vlastním branám funkcí, takže omezení jedné z nich vypne příslušnou část smyčky.
Nahrávky dodržují smlouvu převodu řeči na text: jsou ověřené, omezené a dočasné.
Zvuk tahu existuje jen po dobu potřebnou k přepisu a do chatu vstupuje pouze přepis
jako běžná zpráva.
Omezení
- Hlasový režim funguje na střídačku, nikoli plně duplexně: nestreamuje současně zvuk mikrofonu a řeč modelu přes jedno spojení v reálném čase.
- Automatické určení konce a přerušení řečí vyžadují analýzu zvuku. Když ji prohlížeč nemůže poskytnout, tah ukončí ruční ovládací prvek Done speaking.
- Odpovědi na střídačku běží po jedné. Slova vyslovená během přerušení se nepřenášejí do přepisu dalšího tahu.