{"id":486570,"date":"2026-07-08T07:35:12","date_gmt":"2026-07-08T07:35:12","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=486570"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=486570","title":{"rendered":"\u041a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d\u044b voice-2-voice \u043c\u043e\u0434\u0435\u043b\u0438"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<blockquote>\n<p><em>\u0412\u044b \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u0435 \u0432 \u0442\u0435\u043b\u0435\u0444\u043e\u043d: \u00ab\u041e\u0431\u044a\u044f\u0441\u043d\u0438 \u043a\u0432\u0430\u043d\u0442\u043e\u0432\u0443\u044e \u0437\u0430\u043f\u0443\u0442\u0430\u043d\u043d\u043e\u0441\u0442\u044c \u0437\u0430 \u043c\u0438\u043d\u0443\u0442\u0443\u00bb. \u0427\u0435\u0440\u0435\u0437 \u0434\u043e\u043b\u044e \u0441\u0435\u043a\u0443\u043d\u0434\u044b \u0438\u0437 \u0434\u0438\u043d\u0430\u043c\u0438\u043a\u0430 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0436\u0438\u0432\u043e\u0439 \u0433\u043e\u043b\u043e\u0441 \u2014 \u043d\u0435 \u0440\u043e\u0431\u043e\u0442 \u0438\u0437 \u043d\u0430\u0432\u0438\u0433\u0430\u0442\u043e\u0440\u0430, \u0430 \u043f\u043e\u0447\u0442\u0438 \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a: \u0441 \u043f\u0430\u0443\u0437\u0430\u043c\u0438, \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u0435\u0439, \u0434\u0430\u0436\u0435 \u0441 \u043b\u0451\u0433\u043a\u0438\u043c \u00ab\u0445\u043c\u00bb \u043f\u0435\u0440\u0435\u0434 \u0441\u043b\u043e\u0436\u043d\u044b\u043c \u043c\u0435\u0441\u0442\u043e\u043c. \u042d\u0442\u043e voice-2-voice (V2V): \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u0430\u0443\u0434\u0438\u043e \u0438 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0430\u0443\u0434\u0438\u043e. \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043c\u044b \u0440\u0430\u0437\u0431\u0435\u0440\u0451\u043c, \u043a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u044d\u0442\u043e\u0442 \u0444\u043e\u043a\u0443\u0441 \u2014 \u043e\u0442 \u0432\u043e\u043b\u043d\u044b \u0432 \u043c\u0438\u043a\u0440\u043e\u0444\u043e\u043d\u0435 \u0434\u043e \u0437\u0432\u0443\u043a\u0430 \u0432 \u0434\u0438\u043d\u0430\u043c\u0438\u043a\u0435.<\/em><\/p>\n<\/blockquote>\n<h4>\u041e\u0442\u043a\u0443\u0434\u0430 \u0432\u0437\u044f\u043b\u0430\u0441\u044c \u0441\u0442\u0430\u0442\u044c\u044f<\/h4>\n<p>\u041c\u043d\u0435 \u0434\u043e\u0432\u0435\u043b\u043e\u0441\u044c \u043f\u043e\u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0432 <strong>Newo.ai<\/strong> \u2014 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0438, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043e\u0441\u043d\u043e\u0432\u0430\u043b <strong>\u0414\u0430\u0432\u0438\u0434 \u042f\u043d<\/strong>, \u0441\u043e\u0437\u0434\u0430\u0442\u0435\u043b\u044c ABBYY \u0438 \u043e\u0434\u0438\u043d \u0438\u0437 \u0442\u0435\u0445, \u043a\u0442\u043e \u0435\u0449\u0451 \u0432 \u0434\u0435\u0432\u044f\u043d\u043e\u0441\u0442\u044b\u0435 \u043f\u043e\u043a\u0430\u0437\u0430\u043b, \u0447\u0442\u043e \u0438\u0437 \u0420\u043e\u0441\u0441\u0438\u0438 \u043c\u043e\u0433\u0443\u0442 \u0432\u044b\u0445\u043e\u0434\u0438\u0442\u044c \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u044b \u043c\u0438\u0440\u043e\u0432\u043e\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f. \u042f \u0437\u0430\u043d\u0438\u043c\u0430\u043b\u0441\u044f \u0432\u043d\u0435\u0434\u0440\u0435\u043d\u0438\u0435\u043c \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u044b\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0435 \u043f\u0440\u043e\u0435\u043a\u0442\u044b \u043d\u0430 \u0435\u0432\u0440\u043e\u043f\u0435\u0439\u0441\u043a\u043e\u043c \u0440\u044b\u043d\u043a\u0435: \u043d\u0435 \u0441\u0446\u0435\u043d\u043e\u0439 \u043d\u0430 \u043a\u043e\u043d\u0444\u0435\u0440\u0435\u043d\u0446\u0438\u0438, \u0430 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u043e\u043c, \u0433\u0434\u0435 \u0441\u0447\u0451\u0442 \u0438\u0434\u0451\u0442 \u043d\u0430 \u043c\u0438\u043b\u043b\u0438\u0441\u0435\u043a\u0443\u043d\u0434\u044b, \u0430 \u043d\u0435\u0443\u0434\u0430\u0447\u043d\u044b\u0439 \u0442\u043e\u043d \u043e\u0442\u0432\u0435\u0442\u0430 \u0441\u043b\u044b\u0448\u0435\u043d \u0432 \u043e\u0442\u0442\u043e\u043a\u0435 \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432.<\/p>\n<p>\u0418\u043c\u0435\u043d\u043d\u043e \u0442\u0430\u043c \u044f \u0432\u043f\u0435\u0440\u0432\u044b\u0435 \u0432\u0441\u0435\u0440\u044c\u0451\u0437 \u0441\u0442\u043e\u043b\u043a\u043d\u0443\u043b\u0441\u044f \u0441 <strong>voice-2-voice<\/strong> \u2014 \u0441\u0438\u0441\u0442\u0435\u043c\u0430\u043c\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u044e\u0442 \u0440\u0435\u0447\u044c \u0438 \u043e\u0442\u0432\u0435\u0447\u0430\u044e\u0442 \u0440\u0435\u0447\u044c\u044e. \u0421\u043d\u0430\u0440\u0443\u0436\u0438 \u0432\u0441\u0451 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043f\u0440\u043e\u0441\u0442\u043e; \u0432\u043d\u0443\u0442\u0440\u0438 \u2014 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u043a\u043e\u0434\u0435\u043a\u0438, \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b, \u0442\u0440\u0438 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0438 \u043c\u0435\u0441\u044f\u0446\u044b \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043e \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0432 \u0440\u0435\u043a\u043b\u0430\u043c\u043d\u044b\u0445 \u0431\u0440\u043e\u0448\u044e\u0440\u0430\u0445 \u043e\u0431\u044b\u0447\u043d\u043e \u043d\u0435 \u043f\u0438\u0448\u0443\u0442. \u041c\u043d\u0435 \u0437\u0430\u0445\u043e\u0442\u0435\u043b\u043e\u0441\u044c \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c\u0441\u044f, \u043a\u0430\u043a \u044d\u0442\u043e \u0443\u0441\u0442\u0440\u043e\u0435\u043d\u043e \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0434\u0435\u043b\u0435 \u0438 \u0447\u0435\u043c \u043e\u0434\u043d\u0438 V2V- \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0442\u043b\u0438\u0447\u0430\u044e\u0442\u0441\u044f \u043e\u0442 \u0434\u0440\u0443\u0433\u0438\u0445 \u2014 \u043d\u0435 \u043f\u043e \u043f\u0440\u0435\u0437\u0435\u043d\u0442\u0430\u0446\u0438\u044f\u043c, \u0430 \u043f\u043e \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u0443.<\/p>\n<p>\u042f \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u043b\u0441\u044f \u2014 \u0438 \u043d\u0430\u043f\u0438\u0441\u0430\u043b \u044d\u0442\u0443 \u0441\u0442\u0430\u0442\u044c\u044e. \u041e\u043d\u0430 \u0434\u043b\u044f \u0442\u0435\u0445, \u043a\u043e\u043c\u0443 V2V \u0443\u0436\u0435 \u043f\u043e\u043f\u0430\u043b\u0441\u044f \u0432 \u0440\u0430\u0431\u043e\u0442\u0435, \u043d\u043e \u043a\u0442\u043e, \u043a\u0430\u043a \u0438 \u044f \u043a\u043e\u0433\u0434\u0430-\u0442\u043e, \u0445\u043e\u0447\u0435\u0442 \u0443\u0432\u0438\u0434\u0435\u0442\u044c \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442\u043e\u043c \u043d\u0435 \u043c\u0430\u0433\u0438\u044e, \u0430 \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0439 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c.<\/p>\n<h4>\u041e \u0447\u0451\u043c \u044d\u0442\u0430 \u0441\u0442\u0430\u0442\u044c\u044f<\/h4>\n<p>\u0415\u0441\u043b\u0438 \u0432\u044b \u0437\u043d\u0430\u0435\u0442\u0435, \u043a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u044f\u0437\u044b\u043a\u043e\u0432\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 (\u0438\u043b\u0438 \u0447\u0438\u0442\u0430\u043b\u0438 \u043a\u043d\u0438\u0433\u0443 \u00ab\u041a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 LLM\u00bb), \u0432\u0430\u043c \u0437\u043d\u0430\u043a\u043e\u043c \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u043f\u0440\u0438\u043d\u0446\u0438\u043f: <strong>\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d<\/strong>. V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u2014 \u0431\u043b\u0438\u0437\u043a\u0438\u0435 \u0440\u043e\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u0438\u043a\u0438 \u044d\u0442\u043e\u0439 \u0438\u0434\u0435\u0438, \u0442\u043e\u043b\u044c\u043a\u043e \u00ab\u0442\u043e\u043a\u0435\u043d\u044b\u00bb \u0442\u0435\u043f\u0435\u0440\u044c \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u044e\u0442 \u043d\u0435 \u0431\u0443\u043a\u0432\u044b \u0438 \u0441\u043b\u043e\u0432\u0430, \u0430 <strong>\u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u044b \u0437\u0432\u0443\u043a\u0430<\/strong>.<\/p>\n<p>\u0421\u0442\u0430\u0442\u044c\u044f \u0440\u0430\u0441\u0441\u0447\u0438\u0442\u0430\u043d\u0430 \u043d\u0430 <strong>\u0418\u0422-\u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0441\u0442\u0430<\/strong>: \u0432\u044b \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442\u0435, \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 API, GPU \u0438 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440, \u043d\u043e, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u043d\u0438\u043a\u043e\u0433\u0434\u0430 \u043d\u0435 \u043a\u0430\u0441\u0430\u043b\u0438\u0441\u044c speech ML. \u041c\u044b \u043d\u0435 \u0431\u0443\u0434\u0435\u043c \u0443\u043f\u0440\u043e\u0449\u0430\u0442\u044c \u0434\u043e \u00ab\u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u0441\u043b\u0443\u0448\u0430\u0435\u0442 \u0438 \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u00bb \u2014 \u043f\u0440\u043e\u0439\u0434\u0451\u043c \u0432\u0435\u0441\u044c \u043f\u0443\u0442\u044c: \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0437\u0432\u0443\u043a\u0430, \u0442\u0440\u0438 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b, \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435, \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433 \u0438 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f.<\/p>\n<p>\u041e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0442\u0435\u043a\u0441\u0442 \u043e\u0431\u044a\u044f\u0441\u043d\u044f\u0435\u0442 \u0438\u0434\u0435\u0438 \u043d\u0430 \u043f\u0430\u043b\u044c\u0446\u0430\u0445, <strong>\u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043a\u043e\u0434\u0430 \u2014 \u043d\u0430 Swift<\/strong> (<a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\" rel=\"noopener noreferrer nofollow\">github.com\/asaptf\/v2v-models-article-ru<\/a> \u2014 \u043a\u0430\u0436\u0434\u044b\u0439 \u0444\u0430\u0439\u043b \u0431\u0435\u0437 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439 \u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442\u0441\u044f \u043e\u0434\u043d\u043e\u0439 \u043a\u043e\u043c\u0430\u043d\u0434\u043e\u0439), \u0430 <strong>\u0432\u0440\u0435\u0437\u043a\u0438<\/strong> \u0434\u0430\u044e\u0442 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0443\u044e \u0433\u043b\u0443\u0431\u0438\u043d\u0443: \ud83d\udca1 \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c, \ud83d\udcd0 \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u044f, \ud83d\udee0 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u0435 \u0434\u0435\u0442\u0430\u043b\u0438, \u26a0\ufe0f \u0447\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430, \ud83d\udcdc \u0438\u0441\u0442\u043e\u0440\u0438\u044f, \ud83d\udcda \u0441\u0441\u044b\u043b\u043a\u0438.<\/p>\n<h4>\u0421 \u0447\u0435\u0433\u043e \u043d\u0430\u0447\u043d\u0451\u043c: \u0447\u0451\u0440\u043d\u044b\u0439 \u044f\u0449\u0438\u043a<\/h4>\n<p>\u0421\u043d\u0430\u0440\u0443\u0436\u0438 V2V-\u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043f\u0440\u0435\u0434\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u043e:<\/p>\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/webt\/40\/c6\/3e\/40c63efa27a97e6699465b52e1437262.png\" alt=\"V2V \u043a\u0430\u043a \u0447\u0451\u0440\u043d\u044b\u0439 \u044f\u0449\u0438\u043a\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/webt\/40\/c6\/3e\/40c63efa27a97e6699465b52e1437262.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/webt\/40\/c6\/3e\/40c63efa27a97e6699465b52e1437262.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>V2V \u043a\u0430\u043a \u0447\u0451\u0440\u043d\u044b\u0439 \u044f\u0449\u0438\u043a<\/figcaption><\/div>\n<\/figure>\n<p>\u0420\u0435\u0447\u044c \u0432\u0445\u043e\u0434\u0438\u0442 \u2014 \u0440\u0435\u0447\u044c \u0432\u044b\u0445\u043e\u0434\u0438\u0442. \u041d\u0438\u043a\u0430\u043a\u043e\u0433\u043e \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u044b \u043c\u043e\u0433\u043b\u0438 \u0431\u044b \u043f\u0440\u043e\u0447\u0438\u0442\u0430\u0442\u044c (\u0445\u043e\u0442\u044f \u0432\u043d\u0443\u0442\u0440\u0438 \u043e\u043d \u0438\u043d\u043e\u0433\u0434\u0430 \u0432\u0441\u0451 \u0436\u0435 \u043f\u043e\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u2014 \u043e\u0431 \u044d\u0442\u043e\u043c \u0432 \u0440\u0430\u0437\u0434\u0435\u043b\u0435 2). \u0412\u0441\u044f \u0441\u0442\u0430\u0442\u044c\u044f \u2014 \u043e \u0442\u043e\u043c, \u0447\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 <strong>\u0432\u043d\u0443\u0442\u0440\u0438<\/strong> \u044d\u0442\u043e\u0433\u043e \u044f\u0449\u0438\u043a\u0430.<\/p>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c \u0441\u0442\u0430\u0442\u044c\u0438:<\/strong> \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u043e \u043c\u043d\u043e\u0433\u043e\u043c \u043f\u043e\u0445\u043e\u0436\u0438 \u043d\u0430 <strong>\u044f\u0437\u044b\u043a\u043e\u0432\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043b\u044f \u0437\u0432\u0443\u043a\u0430<\/strong>. \u0422\u0430 \u0436\u0435 \u0438\u0434\u0435\u044f \u00ab\u0443\u0433\u0430\u0434\u0430\u0439 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u044d\u043b\u0435\u043c\u0435\u043d\u0442 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438\u00bb, \u043d\u043e \u0432\u043c\u0435\u0441\u0442\u043e \u0441\u043b\u043e\u0432 \u2014 \u0442\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438, \u0441\u0436\u0430\u0442\u044b\u0435 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u043c \u043a\u043e\u0434\u0435\u043a\u043e\u043c. \u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f \u043d\u0435 \u043f\u043e\u043b\u043d\u0430\u044f: \u0430\u0443\u0434\u0438\u043e \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u043a\u043e\u0434\u0435\u043a\u043e\u0432, \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043f\u043e\u0442\u043e\u043a\u043e\u0432 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043e\u0447\u0435\u0440\u0451\u0434\u043d\u043e\u0441\u0442\u0438 \u0440\u0435\u043f\u043b\u0438\u043a \u0438 \u0431\u043e\u0440\u044c\u0431\u044b \u0437\u0430 \u043c\u0438\u043b\u043b\u0438\u0441\u0435\u043a\u0443\u043d\u0434\u044b \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0438.<\/p>\n<\/blockquote>\n<blockquote>\n<p>\ud83d\udcd0 <strong>\u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f:<\/strong> \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u0430\u044f LLM \u2014 \u044d\u0442\u043e \u043f\u0438\u0441\u0430\u0442\u0435\u043b\u044c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043d\u0430\u0431\u0438\u0440\u0430\u0435\u0442 \u043e\u0442\u0432\u0435\u0442 \u043f\u043e \u0431\u0443\u043a\u0432\u0430\u043c. V2V-\u043c\u043e\u0434\u0435\u043b\u044c \u2014 \u0434\u0438\u043a\u0442\u043e\u0440-\u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043d\u0430\u0431\u0438\u0440\u0430\u0435\u0442 \u043e\u0442\u0432\u0435\u0442 \u043a\u0440\u043e\u0448\u0435\u0447\u043d\u044b\u043c\u0438 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u0430\u043c\u0438 \u0437\u0432\u0443\u043a\u0430 \u0438 \u0432 realtime-\u0440\u0435\u0436\u0438\u043c\u0435 \u0435\u0449\u0451 \u0441\u043b\u0435\u0434\u0438\u0442 \u0437\u0430 \u043f\u0430\u0443\u0437\u0430\u043c\u0438, \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u043d\u0438\u044f\u043c\u0438 \u0438 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u0435\u0439. \u0418 \u043f\u0438\u0441\u0430\u0442\u0435\u043b\u044c, \u0438 \u0434\u0438\u043a\u0442\u043e\u0440 \u0443\u0447\u0430\u0442\u0441\u044f \u043d\u0430 \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0445 \u043a\u043e\u0440\u043f\u0443\u0441\u0430\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432 \u00ab\u0447\u0442\u043e \u0431\u044b\u043b\u043e \u0434\u0430\u043b\u044c\u0448\u0435\u00bb.<\/p>\n<\/blockquote>\n<h4>\u0427\u0435\u043c V2V \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u0442 \u00ab\u043f\u0440\u043e\u0441\u0442\u043e TTS\u00bb<\/h4>\n<p>\u0421\u0438\u043d\u0442\u0435\u0437 \u0440\u0435\u0447\u0438 (TTS, <em>text-to-speech<\/em>) \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u0434\u0435\u0441\u044f\u0442\u0438\u043b\u0435\u0442\u0438\u044f\u043c\u0438: \u0432\u044b \u0434\u0430\u0451\u0442\u0435 <strong>\u0442\u0435\u043a\u0441\u0442<\/strong> \u2014 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0435 <strong>\u0433\u043e\u043b\u043e\u0441<\/strong>. V2V \u2014 \u0434\u0440\u0443\u0433\u043e\u0435:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\n<\/th>\n<th>\n<p align=\"left\">TTS<\/p>\n<\/th>\n<th>\n<p align=\"left\">V2V<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0412\u0445\u043e\u0434<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0442\u0435\u043a\u0441\u0442<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>\u0430\u0443\u0434\u0438\u043e<\/strong> (\u0440\u0435\u0447\u044c \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0441\u043c\u044b\u0441\u043b\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043d\u0435 \u043d\u0443\u0436\u043d\u043e<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>\u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0414\u0438\u0430\u043b\u043e\u0433<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043d\u0435\u0442 (\u043e\u0434\u043d\u043e\u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u043d\u043e)<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0434\u0430 (\u043c\u043d\u043e\u0433\u043e\u0445\u043e\u0434\u043e\u0432\u044b\u0439)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0417\u0430\u0434\u0435\u0440\u0436\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0432\u044b\u0441\u043e\u043a\u043e\u0439<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0434\u043e\u043b\u0436\u043d\u0430 \u0431\u044b\u0442\u044c <strong>\u043d\u0438\u0437\u043a\u043e\u0439<\/strong><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>V2V \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u044f\u0435\u0442 \u0442\u0440\u0438 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0440\u0430\u043d\u044c\u0448\u0435 \u0436\u0438\u043b\u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e: <strong>\u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0440\u0435\u0447\u0438<\/strong> (ASR), <strong>\u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0438 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435<\/strong> (LLM), <strong>\u0441\u0438\u043d\u0442\u0435\u0437 \u0440\u0435\u0447\u0438<\/strong> (TTS). \u0412\u043e\u043f\u0440\u043e\u0441 \u0432 \u0442\u043e\u043c, \u0434\u0435\u043b\u0430\u0442\u044c \u043b\u0438 \u044d\u0442\u043e \u0442\u0440\u0435\u043c\u044f \u0431\u043b\u043e\u043a\u0430\u043c\u0438 \u043f\u043e\u0434\u0440\u044f\u0434 \u0438\u043b\u0438 \u043e\u0434\u043d\u043e\u0439 \u0441\u043a\u0432\u043e\u0437\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u2014 \u043a \u044d\u0442\u043e\u043c\u0443 \u043c\u044b \u043f\u0435\u0440\u0435\u0439\u0434\u0451\u043c \u0432\u043e \u0432\u0442\u043e\u0440\u043e\u043c \u0440\u0430\u0437\u0434\u0435\u043b\u0435.<\/p>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u043d\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043b\u044e\u0431\u043e\u0439 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442 \u00abV2V-\u043c\u043e\u0434\u0435\u043b\u044c\u044e\u00bb. \u0415\u0441\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440 \u00abWhisper \u2192 GPT \u2192 ElevenLabs\u00bb, \u044d\u0442\u043e <strong>\u043a\u0430\u0441\u043a\u0430\u0434<\/strong>, \u0430 \u043d\u0435 \u043d\u0430\u0442\u0438\u0432\u043d\u0430\u044f voice-2-voice \u043c\u043e\u0434\u0435\u043b\u044c. \u0420\u0430\u0437\u043d\u0438\u0446\u0430 \u0432\u0430\u0436\u043d\u0430: \u043a\u0430\u0441\u043a\u0430\u0434 \u043f\u0440\u043e\u0449\u0435 \u043e\u0442\u043b\u0430\u0436\u0438\u0432\u0430\u0442\u044c, \u043d\u043e \u0442\u0435\u0440\u044f\u0435\u0442 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u044e, \u044d\u043c\u043e\u0446\u0438\u0438 \u0438 \u043d\u0435\u0432\u0435\u0440\u0431\u0430\u043b\u044c\u043d\u044b\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u044b (\u0432\u0437\u0434\u043e\u0445, \u0441\u043c\u0435\u0448\u043e\u043a), \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435 \u043f\u043e\u043f\u0430\u0434\u0430\u044e\u0442 \u0432 \u0442\u0435\u043a\u0441\u0442.<\/p>\n<\/blockquote>\n<h3>1. \u0417\u0432\u0443\u043a \u043a\u0430\u043a \u0434\u0430\u043d\u043d\u044b\u0435 \u2014 \u0442\u0440\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f<\/h3>\n<blockquote>\n<p><em>\u041f\u0440\u0435\u0436\u0434\u0435 \u0447\u0435\u043c \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u00ab\u0443\u0441\u043b\u044b\u0448\u0438\u0442\u00bb \u0432\u0430\u0441, \u0437\u0432\u0443\u043a \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u044c \u0432 \u0447\u0438\u0441\u043b\u0430. \u041d\u043e \u043d\u0435 \u0432 \u043b\u044e\u0431\u044b\u0435 \u2014 \u0432 \u0442\u0430\u043a\u0438\u0435, \u0441 \u043a\u043e\u0442\u043e\u0440\u044b\u043c\u0438 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043c\u043e\u0436\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e. \u0412 \u044d\u0442\u043e\u0439 \u0433\u043b\u0430\u0432\u0435 \u2014 \u0442\u0440\u0438 \u0441\u0442\u0443\u043f\u0435\u043d\u0438 \u0441\u0436\u0430\u0442\u0438\u044f: \u043e\u0442 \u0441\u044b\u0440\u043e\u0439 \u0432\u043e\u043b\u043d\u044b \u0434\u043e \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043f\u043e\u0445\u043e\u0436\u0438\u0445 \u043d\u0430 \u0441\u043b\u043e\u0432\u0430 \u0432 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 LLM.<\/em><\/p>\n<\/blockquote>\n<h4>1.1. \u0421\u044b\u0440\u0430\u044f \u0432\u043e\u043b\u043d\u0430: \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u043c\u043d\u043e\u0433\u043e \u0447\u0438\u0441\u0435\u043b<\/h4>\n<p>\u041a\u043e\u0433\u0434\u0430 \u0432\u044b \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u0435 \u0432 \u043c\u0438\u043a\u0440\u043e\u0444\u043e\u043d, \u043e\u043d \u0437\u0430\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 <strong>\u0430\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0443<\/strong> \u0437\u0432\u0443\u043a\u043e\u0432\u043e\u0433\u043e \u0434\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0442\u044b\u0441\u044f\u0447 \u0440\u0430\u0437 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443. \u0421\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u0430\u044f \u0447\u0430\u0441\u0442\u043e\u0442\u0430 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u043b\u044f \u0440\u0435\u0447\u0438 \u2014 <strong>16 000 \u0438\u043b\u0438 24 000 \u0413\u0446<\/strong> (\u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0439 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443). \u041e\u0434\u043d\u0430 \u0441\u0435\u043a\u0443\u043d\u0434\u0430 \u0440\u0435\u0447\u0438 \u043f\u0440\u0438 24 kHz \u2014 \u044d\u0442\u043e <strong>24 000 \u0447\u0438\u0441\u0435\u043b<\/strong>.<\/p>\n<p>\u0414\u043b\u044f \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f: \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0435 \u0438\u0437 15 \u0441\u043b\u043e\u0432 \u0432 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 LLM \u2014 \u044d\u0442\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 15\u201325 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0421\u0435\u043a\u0443\u043d\u0434\u0430 \u0440\u0435\u0447\u0438 \u0432 \u00ab\u0441\u044b\u0440\u043e\u043c\u00bb \u0432\u0438\u0434\u0435 \u2014 \u043d\u0430 \u0442\u0440\u0438 \u043f\u043e\u0440\u044f\u0434\u043a\u0430 \u0431\u043e\u043b\u044c\u0448\u0435. \u041f\u043e\u0434\u0430\u0432\u0430\u0442\u044c \u0442\u0430\u043a\u043e\u0439 \u043f\u043e\u0442\u043e\u043a \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u0432 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0434\u043e\u0440\u043e\u0433\u043e: \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u0438\u0447\u043d\u043e \u043e\u0442 \u0434\u043b\u0438\u043d\u044b \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438.<\/p>\n<p>\u041f\u043e\u0441\u0447\u0438\u0442\u0430\u0435\u043c \u043d\u0430 \u043f\u0430\u043b\u044c\u0446\u0430\u0445 \u2014 \u043f\u043e\u043b\u043d\u044b\u0439 \u0441\u043a\u0440\u0438\u043f\u0442 \u0432 <a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch01_audio_compression.swift\" rel=\"noopener noreferrer nofollow\"><code>ch01_audio_compression.swift<\/code><\/a>:<\/p>\n<pre><code class=\"swift\">let sampleRate = 24_000let durationSec = 1.0let rawSamples = Int(Double(sampleRate) * durationSec)   \/\/ 24 000 \u0447\u0438\u0441\u0435\u043blet tokensPerSec = 50.0let speechTokens = Int(tokensPerSec * durationSec)       \/\/ 50 \u0442\u043e\u043a\u0435\u043d\u043e\u0432print(\"\u0421\u0436\u0430\u0442\u0438\u0435 \u0432\u043e\u043b\u043d\u0430 \u2192 \u0442\u043e\u043a\u0435\u043d\u044b: \u00d7\\(rawSamples \/ speechTokens)\")  \/\/ \u00d7480<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:87px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<blockquote>\n<p>\ud83d\udcd0 <strong>\u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f:<\/strong> \u0441\u044b\u0440\u0430\u044f \u0432\u043e\u043b\u043d\u0430 \u2014 \u043a\u0430\u043a \u0444\u0438\u043b\u044c\u043c \u0432 \u0444\u043e\u0440\u043c\u0430\u0442\u0435 8K \u0431\u0435\u0437 \u0441\u0436\u0430\u0442\u0438\u044f: \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u0430\u0434\u0440 \u043f\u0440\u0435\u043a\u0440\u0430\u0441\u0435\u043d, \u043d\u043e \u0445\u0440\u0430\u043d\u0438\u0442\u044c \u0438 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c \u0435\u0433\u043e \u0434\u043b\u044f \u0437\u0430\u0434\u0430\u0447\u0438 \u00ab\u043f\u043e\u043d\u044f\u0442\u044c \u0441\u044e\u0436\u0435\u0442\u00bb \u2014 \u0440\u0430\u0441\u0442\u043e\u0447\u0438\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e. \u041d\u0443\u0436\u0435\u043d \u043a\u043e\u0434\u0435\u043a.<\/p>\n<\/blockquote>\n<h4>1.2. \u0421\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430: \u0437\u0432\u0443\u043a \u043a\u0430\u043a \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0430<\/h4>\n<p>\u041f\u0435\u0440\u0432\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0441\u0436\u0430\u0442\u0438\u044f \u2014 <strong>\u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430<\/strong> (mel-spectrogram). \u0417\u0432\u0443\u043a \u0440\u0430\u0437\u0431\u0438\u0432\u0430\u044e\u0442 \u043d\u0430 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0435 \u043e\u043a\u043d\u0430 (\u043e\u0431\u044b\u0447\u043d\u043e 20\u201330 \u043c\u0441), \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043e\u043a\u043d\u0430 \u0441\u0447\u0438\u0442\u0430\u044e\u0442, <strong>\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u044d\u043d\u0435\u0440\u0433\u0438\u0438<\/strong> \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u043d\u0430 \u043a\u0430\u0436\u0434\u0443\u044e \u0447\u0430\u0441\u0442\u043e\u0442\u0443. \u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u2014 \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u0430\u044f \u00ab\u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0430\u00bb: \u043e\u0441\u044c X \u2014 \u0432\u0440\u0435\u043c\u044f, \u043e\u0441\u044c Y \u2014 \u0447\u0430\u0441\u0442\u043e\u0442\u0430, \u0446\u0432\u0435\u0442\/\u044f\u0440\u043a\u043e\u0441\u0442\u044c \u2014 \u0433\u0440\u043e\u043c\u043a\u043e\u0441\u0442\u044c.<\/p>\n<p>\u0427\u0430\u0441\u0442\u043e\u0442\u0430 \u043a\u0430\u0434\u0440\u043e\u0432 \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u2014 \u043e\u0431\u044b\u0447\u043d\u043e <strong>50\u2013100 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443<\/strong> (\u0432\u043c\u0435\u0441\u0442\u043e 24 000). \u0423\u0436\u0435 \u043b\u0443\u0447\u0448\u0435, \u043d\u043e \u0432\u0441\u0451 \u0435\u0449\u0451 \u043c\u043d\u043e\u0433\u043e: \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u0430\u0434\u0440 \u2014 \u0432\u0435\u043a\u0442\u043e\u0440 \u0438\u0437 ~80\u2013128 \u0447\u0438\u0441\u0435\u043b (mel-\u043a\u0430\u043d\u0430\u043b\u043e\u0432).<\/p>\n<p>\u0418\u043c\u0435\u043d\u043d\u043e \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0434\u0435\u0441\u044f\u0442\u0438\u043b\u0435\u0442\u0438\u044f\u043c\u0438 \u043a\u043e\u0440\u043c\u0438\u043b\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0440\u0435\u0447\u0438. \u0421\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0447\u0430\u0441\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0438\u0445 \u043a\u0430\u043a \u0432\u0445\u043e\u0434 <strong>\u044d\u043d\u043a\u043e\u0434\u0435\u0440\u0430<\/strong>, \u043d\u043e \u0434\u043b\u044f \u044f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0443\u0436\u043d\u043e \u0441\u0436\u0430\u0442\u044c \u0435\u0449\u0451 \u0441\u0438\u043b\u044c\u043d\u0435\u0435.<\/p>\n<p>\u041a\u0441\u0442\u0430\u0442\u0438, \u0435\u0441\u043b\u0438 \u0432\u044b \u0445\u043e\u0442\u044c \u0440\u0430\u0437 \u0432\u043a\u043b\u044e\u0447\u0430\u043b\u0438 \u0440\u0435\u0436\u0438\u043c \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0432 Audacity \u2014 \u0432\u044b \u044d\u0442\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0443\u0436\u0435 \u0432\u0438\u0434\u0435\u043b\u0438. \u041e\u043f\u044b\u0442\u043d\u044b\u0435 \u0444\u043e\u043d\u0435\u0442\u0438\u0441\u0442\u044b \u0443\u043c\u0435\u044e\u0442 \u00ab\u0447\u0438\u0442\u0430\u0442\u044c\u00bb \u043f\u043e \u0442\u0430\u043a\u043e\u0439 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0435 \u0433\u043b\u0430\u0441\u043d\u044b\u0435, \u0431\u0435\u0437 \u0432\u0441\u044f\u043a\u043e\u0433\u043e ML.<\/p>\n<h4>1.3. \u0422\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438: \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u044b\u0435 \u00ab\u0441\u043b\u043e\u0432\u0430 \u0437\u0432\u0443\u043a\u0430\u00bb<\/h4>\n<p>\u0422\u0440\u0435\u0442\u0438\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u2014 <strong>\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u0430\u0443\u0434\u0438\u043e\u043a\u043e\u0434\u0435\u043a<\/strong>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0443 (\u0438\u043b\u0438 \u0432\u043e\u043b\u043d\u0443) \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c <strong>\u0446\u0435\u043b\u044b\u0445 \u0447\u0438\u0441\u0435\u043b<\/strong> \u2014 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0440\u0435\u0447\u0438. \u0422\u0438\u043f\u0438\u0447\u043d\u0430\u044f \u0447\u0430\u0441\u0442\u043e\u0442\u0430: <strong>25\u201375 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443<\/strong>. \u0421\u0435\u043a\u0443\u043d\u0434\u0430 \u0440\u0435\u0447\u0438 \u2248 50 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u2014 \u043d\u0435 24 000. \u042d\u0442\u043e \u0432\u0441\u0451 \u0435\u0449\u0451 \u043f\u043b\u043e\u0442\u043d\u0435\u0435 \u0442\u0435\u043a\u0441\u0442\u0430 (\u0442\u0430 \u0436\u0435 \u0441\u0435\u043a\u0443\u043d\u0434\u0430, \u0437\u0430\u043f\u0438\u0441\u0430\u043d\u043d\u0430\u044f \u0431\u0443\u043a\u0432\u0430\u043c\u0438, \u2014 \u0442\u043e\u043a\u0435\u043d\u0430 \u0442\u0440\u0438-\u0447\u0435\u0442\u044b\u0440\u0435), \u043d\u043e \u0443\u0436\u0435 \u0442\u043e\u0442 \u043c\u0430\u0441\u0448\u0442\u0430\u0431, \u0441 \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b \u043f\u0440\u0435\u043a\u0440\u0430\u0441\u043d\u043e \u0436\u0438\u0432\u0443\u0442.<\/p>\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/webt\/b5\/ca\/fd\/b5cafd627766f960315df2d15549e6e4.png\" alt=\"\u0422\u0440\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0437\u0432\u0443\u043a\u0430\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/webt\/b5\/ca\/fd\/b5cafd627766f960315df2d15549e6e4.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/webt\/b5\/ca\/fd\/b5cafd627766f960315df2d15549e6e4.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u0422\u0440\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0437\u0432\u0443\u043a\u0430<\/figcaption><\/div>\n<\/figure>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c:<\/strong> V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u043d\u0435 \u0441 \u0432\u043e\u043b\u043d\u043e\u0439, \u0430 \u0441 <strong>\u0442\u043e\u043a\u0435\u043d\u0430\u043c\u0438 \u0440\u0435\u0447\u0438<\/strong> \u2014 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c\u044e, \u043a \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u0430 \u0442\u0430 \u0436\u0435 \u043b\u043e\u0433\u0438\u043a\u0430, \u0447\u0442\u043e \u0438 \u043a \u0442\u0435\u043a\u0441\u0442\u0443: \u00ab\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0436\u0438 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d\u00bb. \u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a \u2014 \u043c\u043e\u0441\u0442 \u043c\u0435\u0436\u0434\u0443 \u0444\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u0437\u0432\u0443\u043a\u043e\u043c \u0438 \u044f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u044c\u044e.<\/p>\n<\/blockquote>\n<blockquote>\n<p>\ud83d\udee0\ufe0f <strong>\u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430: \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0430\u0443\u0434\u0438\u043e.<\/strong><\/p>\n<ul>\n<li>\n<p>\u0427\u0430\u0441\u0442\u043e\u0442\u0430 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u0438\u0437\u0430\u0446\u0438\u0438 <img decoding=\"async\" class=\"formula inline\" source=\"f_s\" alt=\"f_s\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/9\/98\/983\/983340c663380eacde4a09812e2e3c2c.svg\" width=\"16\" height=\"16\" data-width=\"2.047\" data-height=\"2.059\" data-vertical-align=\"-0.464\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/9\/98\/983\/983340c663380eacde4a09812e2e3c2c.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/9\/98\/983\/983340c663380eacde4a09812e2e3c2c.svg 781w\" loading=\"lazy\" decode=\"async\"\/>: 16 kHz (\u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0438\u044f) \u0438\u043b\u0438 24 kHz (\u0448\u0438\u0440\u043e\u043a\u043e\u043f\u043e\u043b\u043e\u0441\u043d\u0430\u044f \u0440\u0435\u0447\u044c).<\/p>\n<\/li>\n<li>\n<p>\u0420\u0430\u0437\u043c\u0435\u0440 \u043e\u043a\u043d\u0430 FFT: \u043e\u0431\u044b\u0447\u043d\u043e 25 \u043c\u0441, \u0448\u0430\u0433 (hop) 10 \u043c\u0441 \u2192 ~100 \u043a\u0430\u0434\u0440\u043e\u0432\/\u0441 \u0434\u043e \u0434\u0430\u0443\u043d\u0441\u044d\u043c\u043f\u043b\u0438\u043d\u0433\u0430.<\/p>\n<\/li>\n<li>\n<p>Mel-\u0448\u043a\u0430\u043b\u0430: <img decoding=\"async\" class=\"formula inline\" source=\"m = 2595 \\log_{10}(1 + f\/700)\" alt=\"m = 2595 \\log_{10}(1 + f\/700)\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/6\/63\/630\/630d981b72ce3520d3f06b7d2e00da44.svg\" width=\"208\" height=\"16\" data-width=\"26.011\" data-height=\"2.278\" data-vertical-align=\"-0.573\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/6\/63\/630\/630d981b72ce3520d3f06b7d2e00da44.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/6\/63\/630\/630d981b72ce3520d3f06b7d2e00da44.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u2014 \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0438\u0440\u0443\u0435\u0442 \u0432\u043e\u0441\u043f\u0440\u0438\u044f\u0442\u0438\u0435 \u0443\u0445\u043e\u043c.<\/p>\n<\/li>\n<li>\n<p>\u0422\u043e\u043a\u0435\u043d\u044b \u043a\u043e\u0434\u0435\u043a\u0430: \u043a\u043e\u0434\u043e\u0432\u0430\u044f \u043a\u043d\u0438\u0433\u0430 \u0440\u0430\u0437\u043c\u0435\u0440\u043e\u043c <img decoding=\"async\" class=\"formula inline\" source=\"K\" alt=\"K\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/a\/a5\/a5f\/a5f3c6a11b03839d46af9fb43c97c188.svg\" width=\"16\" height=\"12\" data-width=\"2.011\" data-height=\"1.545\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/a\/a5\/a5f\/a5f3c6a11b03839d46af9fb43c97c188.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/a\/a5\/a5f\/a5f3c6a11b03839d46af9fb43c97c188.svg 781w\" loading=\"lazy\" decode=\"async\"\/> (\u0447\u0430\u0441\u0442\u043e <img decoding=\"async\" class=\"formula inline\" source=\"K = 1024\" alt=\"K = 1024\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/24\/24d\/24db7b03e384256fee1fb3009828fb5a.svg\" width=\"72\" height=\"12\" data-width=\"9.553\" data-height=\"1.731\" data-vertical-align=\"-0.186\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/24\/24d\/24db7b03e384256fee1fb3009828fb5a.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/24\/24d\/24db7b03e384256fee1fb3009828fb5a.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u0438\u043b\u0438 <img decoding=\"async\" class=\"formula inline\" source=\"8192\" alt=\"8192\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/77\/774\/774412967f19ea61d448977ad9749078.svg\" width=\"32\" height=\"12\" data-width=\"4.525\" data-height=\"1.557\" data-vertical-align=\"-0.05\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/77\/774\/774412967f19ea61d448977ad9749078.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/77\/774\/774412967f19ea61d448977ad9749078.svg 781w\" loading=\"lazy\" decode=\"async\"\/>), \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0443\u0440\u043e\u0432\u043d\u0435\u0439 RVQ (\u0441\u043c. \u0440\u0430\u0437\u0434\u0435\u043b 3).<\/p>\n<\/li>\n<li>\n<p>\u0411\u0438\u0442\u0440\u0435\u0439\u0442 \u0442\u043e\u043a\u0435\u043d\u043e\u0432: \u043f\u0440\u0438 50 \u0442\u043e\u043a\u0435\u043d\/\u0441 \u0438 <img decoding=\"async\" class=\"formula inline\" source=\"\\log_2 K \\approx 10\" alt=\"\\log_2 K \\approx 10\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c1\/c1e\/c1e63eee0d44127b4439acb0b0bab0fb.svg\" width=\"88\" height=\"16\" data-width=\"11.547\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c1\/c1e\/c1e63eee0d44127b4439acb0b0bab0fb.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c1\/c1e\/c1e63eee0d44127b4439acb0b0bab0fb.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u0431\u0438\u0442 \u2248 500 \u0431\u0438\u0442\/\u0441 \u043d\u0430 \u0443\u0440\u043e\u0432\u0435\u043d\u044c; \u0441 4 \u0443\u0440\u043e\u0432\u043d\u044f\u043c\u0438 RVQ \u2014 \u043f\u043e\u0440\u044f\u0434\u043a\u0430 2 \u043a\u0431\u0438\u0442\/\u0441 (\u043f\u0440\u043e\u0442\u0438\u0432 ~384 \u043a\u0431\u0438\u0442\/\u0441 \u0443 \u043d\u0435\u0441\u0436\u0430\u0442\u043e\u0433\u043e 24 kHz PCM).<\/p>\n<\/li>\n<\/ul>\n<\/blockquote>\n<h4>1.4. \u0427\u0442\u043e \u0442\u0435\u0440\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u0438 \u0441\u0436\u0430\u0442\u0438\u0438<\/h4>\n<p>\u041b\u044e\u0431\u043e\u0435 \u0441\u0436\u0430\u0442\u0438\u0435 \u2014 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441. \u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u043a\u043e\u0434\u0435\u043a\u0438 \u0445\u043e\u0440\u043e\u0448\u043e \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u044e\u0442 <strong>\u0440\u0430\u0437\u0431\u043e\u0440\u0447\u0438\u0432\u043e\u0441\u0442\u044c \u0440\u0435\u0447\u0438<\/strong> \u0438 <strong>\u0442\u0435\u043c\u0431\u0440<\/strong>, \u043d\u043e \u043c\u043e\u0433\u0443\u0442 \u0442\u0435\u0440\u044f\u0442\u044c:<\/p>\n<ul>\n<li>\n<p>\u0442\u043e\u043d\u043a\u0438\u0435 \u043d\u044e\u0430\u043d\u0441\u044b \u0434\u044b\u0445\u0430\u043d\u0438\u044f \u0438 \u043f\u0430\u0443\u0437;<\/p>\n<\/li>\n<li>\n<p>\u0444\u043e\u043d\u043e\u0432\u044b\u0435 \u0448\u0443\u043c\u044b (\u0438\u043d\u043e\u0433\u0434\u0430 \u044d\u0442\u043e \u043f\u043b\u044e\u0441);<\/p>\n<\/li>\n<li>\n<p>\u043c\u0443\u0437\u044b\u043a\u0443 \u0438 \u043d\u0435\u0440\u0435\u0447\u0435\u0432\u044b\u0435 \u0437\u0432\u0443\u043a\u0438 (\u043a\u043e\u0434\u0435\u043a\u0438 \u043e\u0431\u0443\u0447\u0430\u044e\u0442 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043d\u0430 \u0440\u0435\u0447\u0438).<\/p>\n<\/li>\n<\/ul>\n<p>\u0414\u043b\u044f \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432\u043e\u0433\u043e \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u0430 \u044d\u0442\u043e \u043e\u0431\u044b\u0447\u043d\u043e \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u043e. \u0414\u043b\u044f \u043c\u0443\u0437\u044b\u043a\u0430\u043b\u044c\u043d\u043e\u0433\u043e AI \u2014 \u043d\u0443\u0436\u043d\u044b \u0434\u0440\u0443\u0433\u0438\u0435 \u043a\u043e\u0434\u0435\u043a\u0438 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, EnCodec \u043e\u0431\u0443\u0447\u0430\u043b\u0438 \u0438 \u043d\u0430 \u043c\u0443\u0437\u044b\u043a\u0435).<\/p>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u0434\u0443\u043c\u0430\u0442\u044c, \u0447\u0442\u043e \u0442\u043e\u043a\u0435\u043d \u0440\u0435\u0447\u0438 = \u0441\u043b\u043e\u0433 \u0438\u043b\u0438 \u0444\u043e\u043d\u0435\u043c\u0430. \u041d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435 \u043e\u0434\u0438\u043d \u0442\u043e\u043a\u0435\u043d \u043a\u043e\u0434\u0438\u0440\u0443\u0435\u0442 <strong>\u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0439 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442<\/strong> (~20\u201340 \u043c\u0441) \u0430\u043a\u0443\u0441\u0442\u0438\u043a\u0438 \u2014 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043a\u0430\u043a \u043e\u0434\u0438\u043d \u0441\u0438\u043c\u0432\u043e\u043b \u0432 BPE- \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u043d\u0435 \u0440\u0430\u0432\u0435\u043d \u043e\u0434\u043d\u043e\u0439 \u0431\u0443\u043a\u0432\u0435. \u0421\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0438\u0435 \u00ab\u0442\u043e\u043a\u0435\u043d \u2194 \u043b\u0438\u043d\u0433\u0432\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0435\u0434\u0438\u043d\u0438\u0446\u0430\u00bb \u043d\u0435 \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043e \u0438 \u0432\u044b\u0443\u0447\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u043d\u0435\u044f\u0432\u043d\u043e.<\/p>\n<\/blockquote>\n<h3>2. \u0422\u0440\u0438 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b voice-2-voice<\/h3>\n<blockquote>\n<p><em>\u041a\u0430\u043a \u0441\u043e\u0435\u0434\u0438\u043d\u0438\u0442\u044c \u00ab\u0443\u0441\u043b\u044b\u0448\u0430\u0442\u044c\u00bb \u0438 \u00ab\u043e\u0442\u0432\u0435\u0442\u0438\u0442\u044c\u00bb? \u0418\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u044f \u043f\u0440\u0438\u0448\u043b\u0430 \u043a \u0442\u0440\u0451\u043c \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e \u0440\u0430\u0437\u043d\u044b\u043c \u043e\u0442\u0432\u0435\u0442\u0430\u043c. \u041e\u043d\u0438 \u043d\u0435 \u0432\u0437\u0430\u0438\u043c\u043e\u0438\u0441\u043a\u043b\u044e\u0447\u0430\u044e\u0449\u0438\u0435 \u2014 \u0441\u0435\u0433\u043e\u0434\u043d\u044f \u0432\u0441\u0435 \u0442\u0440\u0438 \u0436\u0438\u0432\u0443\u0442 \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0435. \u041f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0440\u0430\u0437\u043b\u0438\u0447\u0438\u0439 \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0432\u0430\u043c \u0447\u0438\u0442\u0430\u0442\u044c \u0430\u043d\u043e\u043d\u0441\u044b \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0431\u0435\u0437 \u043c\u0430\u0440\u043a\u0435\u0442\u0438\u043d\u0433\u043e\u0432\u043e\u0433\u043e \u0442\u0443\u043c\u0430\u043d\u0430.<\/em><\/p>\n<\/blockquote>\n<h4>2.1. \u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430 A: \u043a\u0430\u0441\u043a\u0430\u0434 (\u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440)<\/h4>\n<p>\u0421\u0430\u043c\u044b\u0439 \u043f\u0440\u0430\u0433\u043c\u0430\u0442\u0438\u0447\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u2014 <strong>\u0441\u043e\u0435\u0434\u0438\u043d\u0438\u0442\u044c \u0442\u0440\u0438 \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u0431\u043b\u043e\u043a\u0430<\/strong>:<\/p>\n<pre><code>\ud83c\udfa4 \u0430\u0443\u0434\u0438\u043e \u2192 [ASR] \u2192 \u0442\u0435\u043a\u0441\u0442 \u2192 [LLM] \u2192 \u0442\u0435\u043a\u0441\u0442 \u2192 [TTS] \u2192 \ud83d\udd0a \u0430\u0443\u0434\u0438\u043e<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<ul>\n<li>\n<p><strong>ASR<\/strong> (<em>automatic speech recognition<\/em>) \u2014 Whisper, Google Speech, \u0438 \u0434\u0440.<\/p>\n<\/li>\n<li>\n<p><strong>LLM<\/strong> \u2014 GPT-\u043a\u043b\u0430\u0441\u0441\u0430, Claude, Gemini \u0432 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u043c \u0440\u0435\u0436\u0438\u043c\u0435.<\/p>\n<\/li>\n<li>\n<p><strong>TTS<\/strong> \u2014 ElevenLabs, OpenAI TTS, Google Cloud TTS.<\/p>\n<\/li>\n<\/ul>\n<p>\u041f\u043b\u044e\u0441\u044b: \u043a\u0430\u0436\u0434\u044b\u0439 \u0431\u043b\u043e\u043a \u043c\u043e\u0436\u043d\u043e \u043c\u0435\u043d\u044f\u0442\u044c, \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e; \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442 \u0443\u0434\u043e\u0431\u0435\u043d \u0434\u043b\u044f \u043b\u043e\u0433\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0438 \u043c\u043e\u0434\u0435\u0440\u0430\u0446\u0438\u0438. \u041c\u0438\u043d\u0443\u0441\u044b: <strong>\u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430 \u0441\u0443\u043c\u043c\u0438\u0440\u0443\u0435\u0442\u0441\u044f<\/strong> (ASR + LLM + TTS = 1\u20133 \u0441\u0435\u043a\u0443\u043d\u0434\u044b \u0438 \u0431\u043e\u043b\u044c\u0448\u0435); \u043f\u0440\u0438 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0435 \u0432 \u0442\u0435\u043a\u0441\u0442 <strong>\u0438\u0441\u0447\u0435\u0437\u0430\u044e\u0442<\/strong> \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u044f, \u044d\u043c\u043e\u0446\u0438\u044f, \u0430\u043a\u0446\u0435\u043d\u0442, \u0441\u043c\u0435\u0445, \u0432\u0437\u0434\u043e\u0445\u0438 \u2014 \u0432\u0441\u0451, \u0447\u0442\u043e \u043d\u0435 \u0432\u044b\u0440\u0430\u0437\u0438\u043c\u043e \u0431\u0443\u043a\u0432\u0430\u043c\u0438.<\/p>\n<p>\u0417\u0430\u0434\u0435\u0440\u0436\u043a\u0438 \u0441\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u044e\u0442\u0441\u044f \u0431\u0443\u043a\u0432\u0430\u043b\u044c\u043d\u043e \u2014 \u0441\u043c. <a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch02_cascaded_latency.swift\" rel=\"noopener noreferrer nofollow\"><code>ch02_cascaded_latency.swift<\/code><\/a>:<\/p>\n<pre><code class=\"swift\">struct Stage { let name: String; let latencyMs: Double }let cascade = [    Stage(name: \"ASR\", latencyMs: 400),    Stage(name: \"LLM (\u043f\u0435\u0440\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d)\", latencyMs: 350),    Stage(name: \"TTS (\u043f\u0435\u0440\u0432\u044b\u0439 \u0437\u0432\u0443\u043a)\", latencyMs: 300),]let totalMs = cascade.reduce(0.0) { $0 + $1.latencyMs }   \/\/ ~1050 \u043c\u0441 + VAD \u0438 \u0441\u0435\u0442\u044c<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<blockquote>\n<p>\ud83d\udcdc <strong>\u0418\u0437 \u0438\u0441\u0442\u043e\u0440\u0438\u0438:<\/strong> \u0438\u043c\u0435\u043d\u043d\u043e \u0442\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d\u044b \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u044b\u0435 \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u044b \u2014 Siri (2011), Alexa (2014), \u0440\u0430\u043d\u043d\u0438\u0439 ChatGPT Voice (2023). \u042d\u0442\u043e \u043d\u0435 \u00ab\u043f\u043b\u043e\u0445\u043e\u0439\u00bb \u043f\u043e\u0434\u0445\u043e\u0434: \u043e\u043d \u0434\u043e \u0441\u0438\u0445 \u043f\u043e\u0440 \u0434\u043e\u043c\u0438\u043d\u0438\u0440\u0443\u0435\u0442 \u0442\u0430\u043c, \u0433\u0434\u0435 \u0432\u0430\u0436\u043d\u0430 \u043d\u0430\u0434\u0451\u0436\u043d\u043e\u0441\u0442\u044c \u0438 \u043f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u043e\u0441\u0442\u044c, \u0430 \u043d\u0435 \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430.<\/p>\n<\/blockquote>\n<h4>2.2. \u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430 B: \u0441\u043a\u0432\u043e\u0437\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u0442\u043e\u043a\u0435\u043d\u0430\u0445 \u0440\u0435\u0447\u0438<\/h4>\n<p>\u0412\u0442\u043e\u0440\u0430\u044f \u0438\u0434\u0435\u044f \u2014 <strong>\u043d\u0435 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0438\u0442\u044c \u0440\u0435\u0447\u044c \u0432 \u0442\u0435\u043a\u0441\u0442<\/strong> \u043d\u0430 \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0445 \u044d\u0442\u0430\u043f\u0430\u0445. \u0412\u043c\u0435\u0441\u0442\u043e \u044d\u0442\u043e\u0433\u043e:<\/p>\n<ol>\n<li>\n<p>\u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a \u043a\u043e\u0434\u0438\u0440\u0443\u0435\u0442 \u0432\u0445\u043e\u0434\u044f\u0449\u0443\u044e \u0440\u0435\u0447\u044c \u0432 \u0442\u043e\u043a\u0435\u043d\u044b.<\/p>\n<\/li>\n<li>\n<p>\u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 (\u043a\u0430\u043a \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u0430\u044f LLM) \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 <strong>\u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u043e\u0442\u0432\u0435\u0442\u0430<\/strong>.<\/p>\n<\/li>\n<li>\n<p>\u0414\u0435\u043a\u043e\u0434\u0435\u0440 \u043a\u043e\u0434\u0435\u043a\u0430 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0442\u043e\u043a\u0435\u043d\u044b \u043e\u0431\u0440\u0430\u0442\u043d\u043e \u0432 \u0437\u0432\u0443\u043a.<\/p>\n<\/li>\n<\/ol>\n<pre><code>\ud83c\udfa4 \u2192 [\u043a\u043e\u0434\u0435\u043a] \u2192 \u0442\u043e\u043a\u0435\u043d\u044b \u2192 [\u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440] \u2192 \u0442\u043e\u043a\u0435\u043d\u044b \u2192 [\u0434\u0435\u043a\u043e\u0434\u0435\u0440] \u2192 \ud83d\udd0a<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u043e\u043f\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c <strong>\u0441\u043c\u0435\u0448\u0430\u043d\u043d\u044b\u043c\u0438<\/strong> \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044f\u043c\u0438: \u0442\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438 + \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u0432 \u043e\u0434\u043d\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435. \u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u0442\u0435\u043b\u0438: <strong>AudioLM<\/strong> (Google, 2022), <strong>VALL-E<\/strong> (Microsoft, 2023), <strong>SpeechGPT<\/strong>, <strong>Sesame CSM<\/strong> (2025).<\/p>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c:<\/strong> \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430 B \u043e\u0447\u0435\u043d\u044c \u043f\u043e\u0445\u043e\u0436\u0430 \u043d\u0430 <strong>LLM \u0434\u043b\u044f \u0437\u0432\u0443\u043a\u0430<\/strong>. \u0422\u043e\u0442 \u0436\u0435 \u0430\u0432\u0442\u043e\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u043e\u043d\u043d\u044b\u0439 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440, \u0442\u0430 \u0436\u0435 \u0438\u0434\u0435\u044f \u00ab\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0436\u0438 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d\u00bb, \u043d\u043e \u0441\u043b\u043e\u0432\u0430\u0440\u044c \u2014 \u043d\u0435 50 000 \u0441\u043b\u043e\u0432, \u0430 \u043a\u043e\u0434\u043e\u0432\u0430\u044f \u043a\u043d\u0438\u0433\u0430 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0433\u043e \u043a\u043e\u0434\u0435\u043a\u0430, \u0447\u0430\u0441\u0442\u043e \u0435\u0449\u0451 \u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e RVQ-\u043f\u043e\u0442\u043e\u043a\u043e\u0432 \u043d\u0430 \u043e\u0434\u0438\u043d \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0439 \u0448\u0430\u0433.<\/p>\n<\/blockquote>\n<blockquote>\n<p>\ud83d\udee0\ufe0f <strong>\u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430: \u0438\u0435\u0440\u0430\u0440\u0445\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 (AudioLM).<\/strong> AudioLM \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0442\u043e\u043a\u0435\u043d\u044b \u043d\u0430 <strong>\u0442\u0440\u0451\u0445 \u0443\u0440\u043e\u0432\u043d\u044f\u0445<\/strong>:<\/p>\n<ol>\n<li>\n<p>\u0421\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b (\u043d\u0438\u0437\u043a\u0430\u044f \u0447\u0430\u0441\u0442\u043e\u0442\u0430, \u043e\u0442 HuBERT\/wav2vec) \u2014 \u00ab\u043e \u0447\u0451\u043c\u00bb \u0437\u0432\u0443\u0447\u0438\u0442 \u0440\u0435\u0447\u044c.<\/p>\n<\/li>\n<li>\n<p>\u0410\u043a\u0443\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b (\u0441\u0440\u0435\u0434\u043d\u044f\u044f \u0447\u0430\u0441\u0442\u043e\u0442\u0430) \u2014 \u0442\u0435\u043c\u0431\u0440 \u0438 \u0430\u0440\u0442\u0438\u043a\u0443\u043b\u044f\u0446\u0438\u044f.<\/p>\n<\/li>\n<li>\n<p>\u0422\u043e\u043a\u0435\u043d\u044b \u043a\u043e\u0434\u0435\u043a\u0430 (\u0432\u044b\u0441\u043e\u043a\u0430\u044f \u0447\u0430\u0441\u0442\u043e\u0442\u0430) \u2014 \u0442\u043e\u0447\u043d\u0430\u044f \u0432\u043e\u043b\u043d\u0430.<\/p>\n<\/li>\n<\/ol>\n<p>\u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0433\u0440\u0443\u0431\u0443\u044e \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443, \u043f\u043e\u0442\u043e\u043c \u0443\u0442\u043e\u0447\u043d\u044f\u0435\u0442 \u0434\u0435\u0442\u0430\u043b\u0438 \u2014 \u043a\u0430\u043a \u0445\u0443\u0434\u043e\u0436\u043d\u0438\u043a \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043d\u0430\u0431\u0440\u0430\u0441\u044b\u0432\u0430\u0435\u0442 \u043a\u043e\u043d\u0442\u0443\u0440, \u043f\u043e\u0442\u043e\u043c \u043f\u0440\u043e\u0440\u0438\u0441\u043e\u0432\u044b\u0432\u0430\u0435\u0442. \u042d\u0442\u043e \u0443\u0441\u043a\u043e\u0440\u044f\u0435\u0442 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e \u0438 \u0443\u043b\u0443\u0447\u0448\u0430\u0435\u0442 \u0441\u0432\u044f\u0437\u043d\u043e\u0441\u0442\u044c \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u043e\u0432.<\/p>\n<\/blockquote>\n<h4>2.3. \u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430 C: \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 realtime \/ \u0434\u0443\u043f\u043b\u0435\u043a\u0441<\/h4>\n<p>\u0422\u0440\u0435\u0442\u044c\u044f \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430 \u2014 <strong>\u043e\u0434\u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u044c<\/strong> \u0438\u043b\u0438 \u0442\u0435\u0441\u043d\u043e \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u0430\u0443\u0434\u0438\u043e (\u0438\u043b\u0438 \u0435\u0433\u043e \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435) \u0438 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0430\u0443\u0434\u0438\u043e <strong>\u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u043c \u0432\u0440\u0435\u043c\u0435\u043d\u0438<\/strong>. \u0417\u0434\u0435\u0441\u044c \u0432\u0430\u0436\u043d\u043e \u0440\u0430\u0437\u043b\u0438\u0447\u0430\u0442\u044c \u0434\u0432\u0430 \u0443\u0440\u043e\u0432\u043d\u044f:<\/p>\n<ul>\n<li>\n<p><strong>Realtime speech-to-speech<\/strong> \u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0433\u043e\u043b\u043e\u0441\u043e\u043c \u0441 \u043d\u0438\u0437\u043a\u043e\u0439 \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u043e\u0439, \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u043f\u0440\u0435\u0440\u044b\u0432\u0430\u043d\u0438\u044f (barge-in\/interrupt), tool calling \u0438 \u043e\u0431\u0449\u0435\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0441\u0435\u0441\u0441\u0438\u0438.<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0439 full-duplex<\/strong> \u2014 \u0431\u043e\u043b\u0435\u0435 \u0441\u0438\u043b\u044c\u043d\u043e\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0435: \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e \u043c\u043e\u0434\u0435\u043b\u0438\u0440\u0443\u0435\u0442 \u0434\u0432\u0430 \u0430\u0443\u0434\u0438\u043e\u043f\u043e\u0442\u043e\u043a\u0430 \u0438 \u043c\u043e\u0436\u0435\u0442 \u0441\u043b\u0443\u0448\u0430\u0442\u044c, \u043c\u043e\u043b\u0447\u0430\u0442\u044c, \u0432\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0435 \u0440\u0435\u0430\u043a\u0446\u0438\u0438 \u0438\u043b\u0438 \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u044c \u043f\u043e\u0432\u0435\u0440\u0445 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f \u043a\u0430\u043a \u0443\u0447\u0430\u0441\u0442\u043d\u0438\u043a \u0436\u0438\u0432\u043e\u0433\u043e \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0430.<\/p>\n<\/li>\n<\/ul>\n<pre><code>\ud83c\udfa4 \u2500\u2500\u2192 [ \u0435\u0434\u0438\u043d\u044b\u0439 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 ] \u2500\u2500\u2192 \ud83d\udd0a         \u2191 \u0441\u043b\u0443\u0448\u0430\u0435\u0442 \u0438 \u0433\u043e\u0432\u043e\u0440\u0438\u0442         \u2193 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041f\u0440\u0438\u043c\u0435\u0440\u044b realtime S2S: <strong>OpenAI Realtime API<\/strong> (<code>gpt-realtime<\/code>, GPT-Realtime-2), <strong>Gemini Live API<\/strong> (Google), <strong>Amazon Nova Sonic<\/strong>. \u041e\u0442\u043a\u0440\u044b\u0442\u044b\u0439 \u0440\u0435\u0444\u0435\u0440\u0435\u043d\u0441 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0433\u043e full-duplex \u2014 <strong>Moshi<\/strong> (Kyutai, 2024).<\/p>\n<p>\u041a\u043b\u044e\u0447\u0435\u0432\u044b\u0435 \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u0430:<\/p>\n<ul>\n<li>\n<p><strong>\u041f\u0440\u0435\u0440\u044b\u0432\u0430\u043d\u0438\u044f \u0438 turn-taking<\/strong> \u2014 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u043f\u0435\u0440\u0435\u0431\u0438\u0442\u044c \u043e\u0442\u0432\u0435\u0442; \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u043e\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u0442 \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0438 \u043e\u0431\u043d\u043e\u0432\u043b\u044f\u0435\u0442 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442.<\/p>\n<\/li>\n<li>\n<p><strong>\u041f\u043e\u043b\u043d\u044b\u0439 \u0434\u0443\u043f\u043b\u0435\u043a\u0441<\/strong> \u2014 \u0432 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0443\u0440\u043e\u0432\u043d\u044f Moshi \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0436\u0434\u0451\u0442 \u0441\u0442\u0440\u043e\u0433\u043e\u0439 \u0441\u043c\u0435\u043d\u044b \u0440\u0435\u043f\u043b\u0438\u043a; \u043e\u043d\u0430 \u043c\u043e\u0436\u0435\u0442 \u0432\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c backchanneling (\u00abhm\u00bb, \u00abok\u00bb) \u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 overlap.<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0438\u0437\u043a\u0430\u044f \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430<\/strong> \u2014 \u0446\u0435\u043b\u0435\u0432\u044b\u0435 200\u2013500 \u043c\u0441 \u043e\u0442 \u043a\u043e\u043d\u0446\u0430 \u0432\u0430\u0448\u0435\u0439 \u0444\u0440\u0430\u0437\u044b \u0434\u043e \u043d\u0430\u0447\u0430\u043b\u0430 \u043e\u0442\u0432\u0435\u0442\u0430.<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0430\u0442\u0438\u0432\u043d\u0430\u044f \u043c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c<\/strong> \u2014 \u0430\u0443\u0434\u0438\u043e \u043d\u0435 \u00ab\u043f\u0440\u0438\u043a\u0440\u0443\u0447\u0435\u043d\u043e\u00bb \u043a \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 LLM, \u0430 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043e \u0432 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0441 \u0441\u0430\u043c\u043e\u0433\u043e \u043d\u0430\u0447\u0430\u043b\u0430.<\/p>\n<\/li>\n<\/ul>\n<blockquote>\n<p>\ud83d\udcd0 <strong>\u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f:<\/strong> \u043a\u0430\u0441\u043a\u0430\u0434 \u2014 \u044d\u0442\u043e \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0447\u0438\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0437\u0430\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 \u0432\u0430\u0448\u0443 \u0440\u0435\u0447\u044c \u0432 \u0431\u043b\u043e\u043a\u043d\u043e\u0442, \u0434\u0443\u043c\u0430\u0435\u0442, \u043f\u0438\u0448\u0435\u0442 \u043e\u0442\u0432\u0435\u0442 \u0438 \u0437\u0430\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u0442 \u0435\u0433\u043e \u0432\u0441\u043b\u0443\u0445. \u0421\u043a\u0432\u043e\u0437\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u0442\u043e\u043a\u0435\u043d\u0430\u0445 \u2014 \u043f\u043e\u043b\u0438\u0433\u043b\u043e\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u00ab\u0434\u0443\u043c\u0430\u0435\u0442\u00bb \u043f\u0440\u044f\u043c\u043e \u0437\u0432\u0443\u043a\u043e\u043c. \u041d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 realtime \u2014 \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u043d\u0430\u044f \u043b\u0438\u043d\u0438\u044f \u0431\u0435\u0437 \u0431\u043b\u043e\u043a\u043d\u043e\u0442\u0430; full-duplex \u2014 \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0435\u0449\u0451 \u0438 \u043d\u0435 \u0442\u0435\u0440\u044f\u0435\u0442 \u043f\u043e\u0442\u043e\u043a, \u043a\u043e\u0433\u0434\u0430 \u0440\u0435\u043f\u043b\u0438\u043a\u0438 \u043d\u0430\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u044e\u0442\u0441\u044f.<\/p>\n<\/blockquote>\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/webt\/89\/48\/61\/894861b79525b71274d2d2acf91565b0.png\" alt=\"\u0422\u0440\u0438 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b V2V\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/webt\/89\/48\/61\/894861b79525b71274d2d2acf91565b0.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/webt\/89\/48\/61\/894861b79525b71274d2d2acf91565b0.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u0422\u0440\u0438 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b V2V<\/figcaption><\/div>\n<\/figure>\n<h4>2.4. \u0421\u0440\u0430\u0432\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0442\u0430\u0431\u043b\u0438\u0446\u0430<\/h4>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u041a\u0440\u0438\u0442\u0435\u0440\u0438\u0439<\/p>\n<\/th>\n<th>\n<p align=\"left\">A. \u041a\u0430\u0441\u043a\u0430\u0434<\/p>\n<\/th>\n<th>\n<p align=\"left\">B. \u0422\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438<\/p>\n<\/th>\n<th>\n<p align=\"left\">C. \u041d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 realtime<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0417\u0430\u0434\u0435\u0440\u0436\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0432\u044b\u0441\u043e\u043a\u0430\u044f (1\u20133+ \u0441)<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\u0440\u0435\u0434\u043d\u044f\u044f (0.5\u20131.5 \u0441)<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>\u043d\u0438\u0437\u043a\u0430\u044f<\/strong> (0.2\u20130.5 \u0441)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u0435 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u0438<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u274c \u0442\u0435\u0440\u044f\u0435\u0442\u0441\u044f \u0432 ASR<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u2705 \u0447\u0430\u0441\u0442\u0438\u0447\u043d\u043e<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u2705 <strong>\u043b\u0443\u0447\u0448\u0435 \u0432\u0441\u0435\u0433\u043e<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041e\u0442\u043b\u0430\u0434\u043a\u0430 \/ \u043b\u043e\u0433\u0438<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u2705 \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0448\u0430\u0433\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u26a0 \u0442\u043e\u043a\u0435\u043d\u044b \u043d\u0435\u0447\u0438\u0442\u0430\u0435\u043c\u044b<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u26a0 \u0447\u0451\u0440\u043d\u044b\u0439 \u044f\u0449\u0438\u043a<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0414\u0443\u043f\u043b\u0435\u043a\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">endpointing \u043f\u043e VAD<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043e\u0431\u044b\u0447\u043d\u043e turn-based<\/p>\n<\/td>\n<td>\n<p align=\"left\">barge-in; full-duplex \u0443 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u043a\u0438<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>\u043d\u0438\u0437\u043a\u0430\u044f<\/strong> (\u0433\u043e\u0442\u043e\u0432\u044b\u0435 API)<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\u0440\u0435\u0434\u043d\u044f\u044f<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>\u0432\u044b\u0441\u043e\u043a\u0430\u044f<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041f\u0440\u0438\u043c\u0435\u0440\u044b<\/p>\n<\/td>\n<td>\n<p align=\"left\">ChatGPT Voice (\u0440\u0430\u043d\u043d\u0438\u0439)<\/p>\n<\/td>\n<td>\n<p align=\"left\">AudioLM, Sesame<\/p>\n<\/td>\n<td>\n<p align=\"left\">OpenAI Realtime, Gemini Live; full-duplex: Moshi<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u0441\u0447\u0438\u0442\u0430\u0442\u044c, \u0447\u0442\u043e realtime S2S \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0439 full-duplex \u0438 \u0447\u0442\u043e \u00ab\u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0439\u00bb \u0432\u0441\u0435\u0433\u0434\u0430 \u043b\u0443\u0447\u0448\u0435. \u0414\u043b\u044f \u043a\u043e\u0440\u043f\u043e\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0433\u043e IVR, \u044e\u0440\u0438\u0434\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0431\u043e\u0442\u0430 \u0438\u043b\u0438 \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u0441 \u0436\u0451\u0441\u0442\u043a\u0438\u043c compliance \u043a\u0430\u0441\u043a\u0430\u0434 \u0441 <strong>\u0447\u0438\u0442\u0430\u0435\u043c\u044b\u043c \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u043c \u043b\u043e\u0433\u043e\u043c<\/strong> \u0447\u0430\u0441\u0442\u043e \u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0438\u0442\u0435\u043b\u044c\u043d\u0435\u0435. \u041d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 realtime \u0432\u044b\u0438\u0433\u0440\u044b\u0432\u0430\u0435\u0442 \u0442\u0430\u043c, \u0433\u0434\u0435 \u0432\u0430\u0436\u043d\u044b \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0438 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u2014 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u043a\u043e\u043c\u043f\u0430\u043d\u044c\u043e\u043d, \u044f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u0440\u0435\u043f\u0435\u0442\u0438\u0442\u043e\u0440, hands-free \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442.<\/p>\n<\/blockquote>\n<h4>2.5. \u041a\u0443\u0434\u0430 \u0434\u0432\u0438\u0436\u0435\u0442\u0441\u044f \u0438\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u044f<\/h4>\n<p>\u0422\u0440\u0435\u043d\u0434 \u043e\u0447\u0435\u0432\u0438\u0434\u0435\u043d: \u043e\u0442 A \u043a C. \u041d\u043e \u043f\u0435\u0440\u0435\u0445\u043e\u0434 \u043d\u0435 \u043c\u0433\u043d\u043e\u0432\u0435\u043d\u043d\u044b\u0439 \u2014 \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0435 realtime-\u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043e\u0440\u043e\u0436\u0435 \u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438, \u0441\u043b\u043e\u0436\u043d\u0435\u0435 \u0432 \u043e\u0446\u0435\u043d\u043a\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0438 \u043f\u043e\u043a\u0430 \u0443\u0441\u0442\u0443\u043f\u0430\u044e\u0442 \u043a\u0430\u0441\u043a\u0430\u0434\u0430\u043c \u0432 <strong>\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u043c\u043e\u0441\u0442\u0438<\/strong> (\u0441\u043b\u043e\u0436\u043d\u043e \u0437\u0430\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u00ab\u0433\u043e\u0432\u043e\u0440\u0438\u0442\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e \u0441\u043a\u0440\u0438\u043f\u0442\u0443\u00bb).<\/p>\n<p>\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u043d\u044b\u0439 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441 2025\u20132026: <strong>\u0433\u0438\u0431\u0440\u0438\u0434\u044b<\/strong> \u2014 \u043d\u0430\u0442\u0438\u0432\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0434\u043b\u044f \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u0434\u0438\u0430\u043b\u043e\u0433\u0430, \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0439 LLM \u0434\u043b\u044f \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0439, \u043a\u0430\u0441\u043a\u0430\u0434 \u043a\u0430\u043a fallback. OpenAI Realtime API, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0438 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439, \u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0439 \u0440\u0435\u0436\u0438\u043c \u0432 \u043e\u0434\u043d\u043e\u0439 \u0441\u0435\u0441\u0441\u0438\u0438.<\/p>\n<p>\u041f\u043e \u043c\u043e\u0435\u043c\u0443 \u043e\u043f\u044b\u0442\u0443 \u0432\u043d\u0435\u0434\u0440\u0435\u043d\u0438\u0439 \u0440\u0430\u0441\u043a\u043b\u0430\u0434 \u043f\u0440\u0438\u0437\u0435\u043c\u043b\u0451\u043d\u043d\u0435\u0435, \u0447\u0435\u043c \u0432 \u0430\u043d\u043e\u043d\u0441\u0430\u0445: \u0437\u0430\u043a\u0430\u0437\u0447\u0438\u043a \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442 \u0437\u0430 \u00ab\u0433\u043e\u043b\u043e\u0441\u043e\u043c \u043a\u0430\u043a \u0432 \u0434\u0435\u043c\u043e OpenAI\u00bb, \u043d\u043e \u043f\u043e\u0441\u043b\u0435 \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0430 \u043f\u0440\u043e compliance \u0438 \u0440\u0430\u0437\u0431\u043e\u0440 \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442\u043e\u0432 \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u043a\u0430\u0441\u043a\u0430\u0434 \u0441 \u0447\u0438\u0442\u0430\u0435\u043c\u044b\u043c\u0438 \u043b\u043e\u0433\u0430\u043c\u0438. \u041d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 realtime \u0434\u043e\u0431\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u0434\u043e \u043f\u0440\u043e\u0434\u0430 \u0442\u0430\u043c, \u0433\u0434\u0435 \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0431\u0435\u0441\u0435\u0434\u044b \u2014 \u0441\u0430\u043c \u043f\u0440\u043e\u0434\u0443\u043a\u0442: \u043a\u043e\u043c\u043f\u0430\u043d\u044c\u043e\u043d\u044b, \u0440\u0435\u043f\u0435\u0442\u0438\u0442\u043e\u0440\u044b, \u043a\u043e\u043d\u0441\u044c\u0435\u0440\u0436-\u0441\u0435\u0440\u0432\u0438\u0441\u044b.<\/p>\n<h3>3. \u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u0430\u0443\u0434\u0438\u043e\u043a\u043e\u0434\u0435\u043a \u2014 \u0441\u0435\u0440\u0434\u0446\u0435 \u0441\u0436\u0430\u0442\u0438\u044f<\/h3>\n<blockquote>\n<p><em>\u0422\u0435\u043a\u0441\u0442\u043e\u0432\u0430\u044f LLM \u043d\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u0431\u0443\u043a\u0432\u0430\u043c\u0438 \u2014 \u043e\u043d\u0430 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u0442\u043e\u043a\u0435\u043d\u0430\u043c\u0438. V2V-\u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u0432\u043e\u043b\u043d\u043e\u0439 \u2014 \u043e\u043d\u0430 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u0442\u043e\u043a\u0435\u043d\u0430\u043c\u0438 \u0440\u0435\u0447\u0438. \u0418\u0445 \u0441\u043e\u0437\u0434\u0430\u0451\u0442 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a: \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c, \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u0430\u044f \u0441\u0436\u0438\u043c\u0430\u0442\u044c \u0438 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0442\u044c \u0437\u0432\u0443\u043a. \u0411\u0435\u0437 \u043a\u043e\u0434\u0435\u043a\u0430 \u043d\u0435 \u0431\u044b\u043b\u043e \u0431\u044b \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c B \u0438 C.<\/em><\/p>\n<\/blockquote>\n<h4>3.1. \u0417\u0430\u0447\u0435\u043c \u043d\u0443\u0436\u0435\u043d \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a<\/h4>\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435, \u0447\u0442\u043e \u0432\u044b \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u043a \u0430\u0443\u0434\u0438\u043e. \u041f\u0440\u044f\u043c\u0430\u044f \u043f\u043e\u0434\u0430\u0447\u0430 24 000 \u0447\u0438\u0441\u0435\u043b \u0437\u0430 \u043a\u0430\u0436\u0434\u0443\u044e \u0441\u0435\u043a\u0443\u043d\u0434\u0443 \u0437\u0432\u0443\u043a\u0430 \u2014 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043a\u043e\u0448\u043c\u0430\u0440. \u041d\u0443\u0436\u043d\u043e:<\/p>\n<ol>\n<li>\n<p><strong>\u0421\u0436\u0430\u0442\u044c<\/strong> \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b \u0432 \u043a\u043e\u0440\u043e\u0442\u043a\u0443\u044e \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u0443\u044e \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c.<\/p>\n<\/li>\n<li>\n<p><strong>\u0421\u043e\u0445\u0440\u0430\u043d\u0438\u0442\u044c<\/strong> \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0434\u043b\u044f \u0440\u0430\u0437\u0431\u043e\u0440\u0447\u0438\u0432\u043e\u0439 \u0440\u0435\u0447\u0438.<\/p>\n<\/li>\n<li>\n<p>\u0421\u0434\u0435\u043b\u0430\u0442\u044c \u0441\u0436\u0430\u0442\u0438\u0435 <strong>\u043e\u0431\u0440\u0430\u0442\u0438\u043c\u044b\u043c<\/strong> \u2014 \u0438\u0437 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043c\u043e\u0436\u043d\u043e \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u044c \u0437\u0432\u0443\u043a.<\/p>\n<\/li>\n<\/ol>\n<p>\u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a \u0440\u0435\u0448\u0430\u0435\u0442 \u0432\u0441\u0435 \u0442\u0440\u0438 \u0437\u0430\u0434\u0430\u0447\u0438. \u041e\u043d \u043e\u0431\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0445 \u043c\u0430\u0441\u0441\u0438\u0432\u0430\u0445 \u0430\u0443\u0434\u0438\u043e \u043f\u043e \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0443 <strong>\u0430\u0432\u0442\u043e\u044d\u043d\u043a\u043e\u0434\u0435\u0440\u0430<\/strong>: \u044d\u043d\u043a\u043e\u0434\u0435\u0440 \u0441\u0436\u0438\u043c\u0430\u0435\u0442, \u0434\u0435\u043a\u043e\u0434\u0435\u0440 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u0442, \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u0442\u0435\u0440\u044c \u2014 \u00ab\u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0439 \u0437\u0432\u0443\u043a \u043f\u043e\u0445\u043e\u0436 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u00bb.<\/p>\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/webt\/4e\/64\/0e\/4e640e5b04f6695a2b381f6c929ac117.png\" alt=\"\u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u0430\u0443\u0434\u0438\u043e\u043a\u043e\u0434\u0435\u043a\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/webt\/4e\/64\/0e\/4e640e5b04f6695a2b381f6c929ac117.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/webt\/4e\/64\/0e\/4e640e5b04f6695a2b381f6c929ac117.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u0430\u0443\u0434\u0438\u043e\u043a\u043e\u0434\u0435\u043a<\/figcaption><\/div>\n<\/figure>\n<h4>3.2. RVQ: \u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u043d\u043e\u0435 \u043a\u0432\u0430\u043d\u0442\u043e\u0432\u0430\u043d\u0438\u0435<\/h4>\n<p>\u041a\u043b\u044e\u0447\u0435\u0432\u0430\u044f \u0442\u0435\u0445\u043d\u0438\u043a\u0430 \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 \u043a\u043e\u0434\u0435\u043a\u043e\u0432 \u2014 <strong>RVQ<\/strong> (<em>residual vector quantization<\/em>). \u0418\u0434\u0435\u044f \u043f\u0440\u043e\u0441\u0442\u0430:<\/p>\n<ol>\n<li>\n<p>\u042d\u043d\u043a\u043e\u0434\u0435\u0440 \u0432\u044b\u0434\u0430\u0451\u0442 \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u044b\u0439 \u0432\u0435\u043a\u0442\u043e\u0440 <img decoding=\"async\" class=\"formula inline\" source=\"z\" alt=\"z\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/f\/fb\/fba\/fbade9e36a3f36d3d676c1b808451dd7.svg\" width=\"12\" height=\"12\" data-width=\"1.052\" data-height=\"1.025\" data-vertical-align=\"-0.025\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/f\/fb\/fba\/fbade9e36a3f36d3d676c1b808451dd7.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/f\/fb\/fba\/fbade9e36a3f36d3d676c1b808451dd7.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u0430 \u0437\u0432\u0443\u043a\u0430 (~20\u201340 \u043c\u0441).<\/p>\n<\/li>\n<li>\n<p><strong>\u041f\u0435\u0440\u0432\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c<\/strong> \u043a\u0432\u0430\u043d\u0442\u043e\u0432\u0430\u043d\u0438\u044f \u043d\u0430\u0445\u043e\u0434\u0438\u0442 \u0431\u043b\u0438\u0436\u0430\u0439\u0448\u0438\u0439 \u0432\u0435\u043a\u0442\u043e\u0440 \u0432 \u043a\u043e\u0434\u043e\u0432\u043e\u0439 \u043a\u043d\u0438\u0433\u0435 <img decoding=\"async\" class=\"formula inline\" source=\"C_1\" alt=\"C_1\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/4\/4f\/4fa\/4fa71d007c094ac3c858919aec515277.svg\" width=\"16\" height=\"12\" data-width=\"2.605\" data-height=\"1.934\" data-vertical-align=\"-0.339\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/4\/4f\/4fa\/4fa71d007c094ac3c858919aec515277.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/4\/4f\/4fa\/4fa71d007c094ac3c858919aec515277.svg 781w\" loading=\"lazy\" decode=\"async\"\/> (\u0440\u0430\u0437\u043c\u0435\u0440 <img decoding=\"async\" class=\"formula inline\" source=\"K\" alt=\"K\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/a\/a5\/a5f\/a5f3c6a11b03839d46af9fb43c97c188.svg\" width=\"16\" height=\"12\" data-width=\"2.011\" data-height=\"1.545\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/a\/a5\/a5f\/a5f3c6a11b03839d46af9fb43c97c188.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/a\/a5\/a5f\/a5f3c6a11b03839d46af9fb43c97c188.svg 781w\" loading=\"lazy\" decode=\"async\"\/>, \u043e\u0431\u044b\u0447\u043d\u043e 1024\u20138192) \u2192 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u0442\u043e\u043a\u0435\u043d <img decoding=\"async\" class=\"formula inline\" source=\"t_1\" alt=\"t_1\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/6\/69\/69a\/69ac49315fb75559bc7125a373ed5735.svg\" width=\"12\" height=\"12\" data-width=\"1.804\" data-height=\"1.756\" data-vertical-align=\"-0.339\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/6\/69\/69a\/69ac49315fb75559bc7125a373ed5735.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/6\/69\/69a\/69ac49315fb75559bc7125a373ed5735.svg 781w\" loading=\"lazy\" decode=\"async\"\/>.<\/p>\n<\/li>\n<li>\n<p>\u0421\u0447\u0438\u0442\u0430\u0435\u043c <strong>\u043e\u0441\u0442\u0430\u0442\u043e\u043a<\/strong> <img decoding=\"async\" class=\"formula inline\" source=\"r_1 = z - C_1[t_1]\" alt=\"r_1 = z - C_1[t_1]\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/5\/56\/56a\/56a3b2369ee51f55159a09d7a05ba453.svg\" width=\"112\" height=\"16\" data-width=\"14.511\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/5\/56\/56a\/56a3b2369ee51f55159a09d7a05ba453.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/5\/56\/56a\/56a3b2369ee51f55159a09d7a05ba453.svg 781w\" loading=\"lazy\" decode=\"async\"\/>.<\/p>\n<\/li>\n<li>\n<p><strong>\u0412\u0442\u043e\u0440\u043e\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c<\/strong> \u043a\u0432\u0430\u043d\u0442\u0443\u0435\u0442 \u043e\u0441\u0442\u0430\u0442\u043e\u043a \u2192 \u0442\u043e\u043a\u0435\u043d <img decoding=\"async\" class=\"formula inline\" source=\"t_2\" alt=\"t_2\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/76\/76a\/76a9c0f8e913d97ec097e88ed8232da5.svg\" width=\"12\" height=\"12\" data-width=\"1.804\" data-height=\"1.756\" data-vertical-align=\"-0.339\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/76\/76a\/76a9c0f8e913d97ec097e88ed8232da5.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/76\/76a\/76a9c0f8e913d97ec097e88ed8232da5.svg 781w\" loading=\"lazy\" decode=\"async\"\/>.<\/p>\n<\/li>\n<li>\n<p>\u041f\u043e\u0432\u0442\u043e\u0440\u044f\u0435\u043c \u0434\u043b\u044f 4\u20138 \u0443\u0440\u043e\u0432\u043d\u0435\u0439.<\/p>\n<\/li>\n<\/ol>\n<p>\u0423\u043f\u0440\u043e\u0449\u0451\u043d\u043d\u0430\u044f \u0434\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0430\u0446\u0438\u044f \u043d\u0430 Swift \u2014 <a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch03_rvq_demo.swift\" rel=\"noopener noreferrer nofollow\"><code>ch03_rvq_demo.swift<\/code><\/a>:<\/p>\n<pre><code class=\"swift\">let (t1, q1) = nearest(z, in: codebookL1)   \/\/ \u043f\u0435\u0440\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d + \u043a\u0432\u0430\u043d\u0442\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u0432\u0435\u043a\u0442\u043e\u0440let r1 = subtract(z, q1)                     \/\/ \u043e\u0441\u0442\u0430\u0442\u043e\u043alet (t2, q2) = nearest(r1, in: codebookL2)   \/\/ \u0432\u0442\u043e\u0440\u043e\u0439 \u0442\u043e\u043a\u0435\u043dlet reconstructed = add(q1, q2)              \/\/ z \u2248 q1 + q2\/\/ \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: [t1, t2] \u2014 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u0432\u043c\u0435\u0441\u0442\u043e \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u043e\u0433\u043e z<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<blockquote>\n<p>\ud83d\udcd0 <strong>\u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f:<\/strong> \u044d\u0442\u043e \u043a\u0430\u043a \u043e\u043f\u0438\u0441\u0430\u0442\u044c \u0446\u0432\u0435\u0442 \u0441\u0442\u0435\u043d\u044b: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u0433\u0440\u0443\u0431\u043e (\u00ab\u0431\u0435\u0436\u0435\u0432\u044b\u0439\u00bb, \u0443\u0440\u043e\u0432\u0435\u043d\u044c 1), \u043f\u043e\u0442\u043e\u043c \u0443\u0442\u043e\u0447\u043d\u0438\u0442\u044c \u043e\u0442\u0442\u0435\u043d\u043e\u043a (\u00ab\u0442\u0451\u043f\u043b\u044b\u0439 \u043f\u0435\u0441\u043e\u0447\u043d\u044b\u0439\u00bb, \u0443\u0440\u043e\u0432\u0435\u043d\u044c 2), \u043f\u043e\u0442\u043e\u043c \u0442\u0435\u043a\u0441\u0442\u0443\u0440\u0443 (\u00ab\u043c\u0430\u0442\u043e\u0432\u044b\u0439\u00bb, \u0443\u0440\u043e\u0432\u0435\u043d\u044c 3). \u041a\u0430\u0436\u0434\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442 \u0434\u0435\u0442\u0430\u043b\u044c \u043a \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u043c\u0443.<\/p>\n<\/blockquote>\n<p>RVQ \u2014 \u0438\u0437 \u0442\u0435\u0445 \u043f\u0440\u0438\u0451\u043c\u043e\u0432, \u0447\u0442\u043e \u043a\u0430\u0436\u0443\u0442\u0441\u044f \u043e\u0447\u0435\u0432\u0438\u0434\u043d\u044b\u043c\u0438 \u0440\u043e\u0432\u043d\u043e \u043f\u043e\u0441\u043b\u0435 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u0432\u0430\u043c \u0438\u0445 \u043e\u0431\u044a\u044f\u0441\u043d\u0438\u043b\u0438. \u0414\u043e \u044d\u0442\u043e\u0433\u043e \u0432\u043e\u043f\u0440\u043e\u0441 \u00ab\u043a\u0430\u043a \u0443\u043f\u0430\u043a\u043e\u0432\u0430\u0442\u044c \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u044b\u0439 \u0437\u0432\u0443\u043a \u0432 \u0446\u0435\u043b\u044b\u0435 \u0447\u0438\u0441\u043b\u0430, \u043d\u0435 \u0443\u0431\u0438\u0432 \u0440\u0430\u0437\u0431\u043e\u0440\u0447\u0438\u0432\u043e\u0441\u0442\u044c\u00bb \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043d\u0435\u043f\u043e\u0434\u044a\u0451\u043c\u043d\u044b\u043c.<\/p>\n<blockquote>\n<p>\ud83d\udee0\ufe0f <strong>\u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430: \u0444\u043e\u0440\u043c\u0443\u043b\u0430 RVQ.<\/strong> \u041f\u0443\u0441\u0442\u044c <img decoding=\"async\" class=\"formula inline\" source=\"z\" alt=\"z\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/f\/fb\/fba\/fbade9e36a3f36d3d676c1b808451dd7.svg\" width=\"12\" height=\"12\" data-width=\"1.052\" data-height=\"1.025\" data-vertical-align=\"-0.025\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/f\/fb\/fba\/fbade9e36a3f36d3d676c1b808451dd7.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/f\/fb\/fba\/fbade9e36a3f36d3d676c1b808451dd7.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u2014 \u0432\u044b\u0445\u043e\u0434 \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u0430. \u0422\u043e\u0433\u0434\u0430:<\/p>\n<p>\u041d\u0430 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0435 V2V-\u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0442\u043e\u043a\u0435\u043d\u044b <img decoding=\"async\" class=\"formula inline\" source=\"\\{t_1, t_2, \\dots, t_L\\}\" alt=\"\\{t_1, t_2, \\dots, t_L\\}\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/22\/223\/223b32952572a118d1eb852356dc64a9.svg\" width=\"112\" height=\"16\" data-width=\"14.012\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/22\/223\/223b32952572a118d1eb852356dc64a9.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/22\/223\/223b32952572a118d1eb852356dc64a9.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0433\u043e \u0448\u0430\u0433\u0430. \u0414\u0435\u043a\u043e\u0434\u0435\u0440 \u0441\u0443\u043c\u043c\u0438\u0440\u0443\u0435\u0442 \u0432\u0435\u043a\u0442\u043e\u0440\u044b \u0438\u0437 \u043a\u043e\u0434\u043e\u0432\u044b\u0445 \u043a\u043d\u0438\u0433 \u0438 \u0441\u0438\u043d\u0442\u0435\u0437\u0438\u0440\u0443\u0435\u0442 \u0432\u043e\u043b\u043d\u0443. \u0422\u0438\u043f\u0438\u0447\u043d\u044b\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b: <img decoding=\"async\" class=\"formula inline\" source=\"L = 4\" alt=\"L = 4\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/9\/96\/960\/960e54e74604fdf81b135306cd2e0c68.svg\" width=\"40\" height=\"12\" data-width=\"5.689\" data-height=\"1.731\" data-vertical-align=\"-0.186\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/9\/96\/960\/960e54e74604fdf81b135306cd2e0c68.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/9\/96\/960\/960e54e74604fdf81b135306cd2e0c68.svg 781w\" loading=\"lazy\" decode=\"async\"\/>\u2013<img decoding=\"async\" class=\"formula inline\" source=\"8\" alt=\"8\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c9\/c9f\/c9f0f895fb98ab9159f51fd0297e236d.svg\" width=\"12\" height=\"12\" data-width=\"1.131\" data-height=\"1.557\" data-vertical-align=\"-0.05\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c9\/c9f\/c9f0f895fb98ab9159f51fd0297e236d.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c9\/c9f\/c9f0f895fb98ab9159f51fd0297e236d.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u0443\u0440\u043e\u0432\u043d\u0435\u0439, <img decoding=\"async\" class=\"formula inline\" source=\"K = 1024\" alt=\"K = 1024\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/24\/24d\/24db7b03e384256fee1fb3009828fb5a.svg\" width=\"72\" height=\"12\" data-width=\"9.553\" data-height=\"1.731\" data-vertical-align=\"-0.186\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/24\/24d\/24db7b03e384256fee1fb3009828fb5a.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/24\/24d\/24db7b03e384256fee1fb3009828fb5a.svg 781w\" loading=\"lazy\" decode=\"async\"\/>\u2013<img decoding=\"async\" class=\"formula inline\" source=\"8192\" alt=\"8192\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/77\/774\/774412967f19ea61d448977ad9749078.svg\" width=\"32\" height=\"12\" data-width=\"4.525\" data-height=\"1.557\" data-vertical-align=\"-0.05\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/77\/774\/774412967f19ea61d448977ad9749078.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/77\/774\/774412967f19ea61d448977ad9749078.svg 781w\" loading=\"lazy\" decode=\"async\"\/>, \u0447\u0430\u0441\u0442\u043e\u0442\u0430 ~25\u201375 \u0413\u0446.<\/p>\n<\/blockquote>\n<h4>3.3. \u0418\u0437\u0432\u0435\u0441\u0442\u043d\u044b\u0435 \u043a\u043e\u0434\u0435\u043a\u0438<\/h4>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u041a\u043e\u0434\u0435\u043a<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0410\u0432\u0442\u043e\u0440<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u0438<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>SoundStream<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">Google, 2021<\/p>\n<\/td>\n<td>\n<p align=\"left\">RVQ + \u0434\u0438\u0441\u043a\u0440\u0438\u043c\u0438\u043d\u0430\u0442\u043e\u0440, \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0435 \u0432\u0440\u0435\u043c\u044f<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>EnCodec<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">Meta, 2022<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0439, \u0440\u0435\u0447\u044c + \u043c\u0443\u0437\u044b\u043a\u0430<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>DAC<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">Descript, 2023<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0432\u044b\u0441\u043e\u043a\u043e\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e, \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0439<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>Mimi<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">Kyutai, 2024<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\u043e\u0437\u0434\u0430\u043d \u0434\u043b\u044f Moshi: \u0432\u0441\u0435\u0433\u043e 12.5 \u043a\u0430\u0434\u0440\u043e\u0432\/\u0441, \u043f\u0435\u0440\u0432\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c RVQ \u2014 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 (\u0434\u0438\u0441\u0442\u0438\u043b\u043b\u044f\u0446\u0438\u044f \u0438\u0437 WavLM)<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041a\u043e\u0434\u0435\u043a \u043e\u0431\u0443\u0447\u0430\u044e\u0442 <strong>\u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e<\/strong> \u043e\u0442 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u2014 \u043d\u0430 \u043a\u043e\u0440\u043f\u0443\u0441\u0430\u0445 \u043e\u0442 \u0442\u044b\u0441\u044f\u0447 \u0434\u043e \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u043e\u0432 \u0447\u0430\u0441\u043e\u0432 \u0430\u0443\u0434\u0438\u043e, \u0443 \u043a\u043e\u0433\u043e \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0435\u0441\u0442\u044c. \u0417\u0430\u0442\u0435\u043c \u0432\u0435\u0441\u0430 \u043a\u043e\u0434\u0435\u043a\u0430 <strong>\u0437\u0430\u043c\u043e\u0440\u0430\u0436\u0438\u0432\u0430\u044e\u0442<\/strong>, \u0438 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0443\u0447\u0438\u0442\u0441\u044f \u043e\u043f\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0435\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430\u043c\u0438.<\/p>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c:<\/strong> \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u043e\u0434\u0435\u043a\u0430 \u2014 <strong>\u043f\u043e\u0442\u043e\u043b\u043e\u043a<\/strong> \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0432\u0441\u0435\u0439 V2V-\u0441\u0438\u0441\u0442\u0435\u043c\u044b. \u0415\u0441\u043b\u0438 \u043a\u043e\u0434\u0435\u043a \u043f\u043b\u043e\u0445\u043e \u043f\u0435\u0440\u0435\u0434\u0430\u0451\u0442 \u0448\u0451\u043f\u043e\u0442 \u0438\u043b\u0438 \u044d\u043c\u043e\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u044b\u0435 \u0432\u0441\u043f\u043b\u0435\u0441\u043a\u0438, \u043d\u0438\u043a\u0430\u043a\u043e\u0439 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u044d\u0442\u043e \u043d\u0435 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0432 2024\u20132025 \u043a\u043e\u0434\u0435\u043a\u0438 \u0441\u0442\u0430\u043b\u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u043c \u043f\u043e\u043b\u0435\u043c \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0439.<\/p>\n<\/blockquote>\n<h4>3.4. \u0421\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 vs \u0430\u043a\u0443\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b<\/h4>\n<p>\u041f\u0440\u043e\u0434\u0432\u0438\u043d\u0443\u0442\u044b\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b (AudioLM, Moshi) \u0440\u0430\u0437\u043b\u0438\u0447\u0430\u044e\u0442 <strong>\u0434\u0432\u0430 \u0432\u0438\u0434\u0430<\/strong> \u0442\u043e\u043a\u0435\u043d\u043e\u0432:<\/p>\n<ul>\n<li>\n<p><strong>\u0421\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435<\/strong> \u2014 \u00ab\u0447\u0442\u043e \u0441\u043a\u0430\u0437\u0430\u043d\u043e\u00bb: \u0441\u043c\u044b\u0441\u043b, \u0444\u043e\u043d\u0435\u043c\u044b. \u0418\u0445 \u0434\u0430\u044e\u0442 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u044b \u0432\u0440\u043e\u0434\u0435 HuBERT \u0438\u043b\u0438 w2v-BERT (\u0432 AudioLM \u2014 25 \u0442\u043e\u043a\u0435\u043d\u043e\u0432\/\u0441).<\/p>\n<\/li>\n<li>\n<p><strong>\u0410\u043a\u0443\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435<\/strong> \u2014 \u00ab\u043a\u0430\u043a \u0441\u043a\u0430\u0437\u0430\u043d\u043e\u00bb: \u0442\u0435\u043c\u0431\u0440, \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f, \u044d\u043c\u043e\u0446\u0438\u044f. \u042d\u0442\u043e \u0442\u043e\u043a\u0435\u043d\u044b \u043a\u043e\u0434\u0435\u043a\u0430 (\u0432 AudioLM \u2014 50 \u043a\u0430\u0434\u0440\u043e\u0432\/\u0441 \u043e\u0442 SoundStream).<\/p>\n<\/li>\n<\/ul>\n<p>AudioLM \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0438\u0445 \u043f\u043e \u043e\u0447\u0435\u0440\u0435\u0434\u0438: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u043a\u0443, \u043f\u043e\u0442\u043e\u043c \u0430\u043a\u0443\u0441\u0442\u0438\u043a\u0443. Mimi \u043f\u043e\u0448\u0451\u043b \u0434\u0430\u043b\u044c\u0448\u0435 \u0438 \u0443\u043f\u0430\u043a\u043e\u0432\u0430\u043b \u043e\u0431\u0430 \u0432\u0438\u0434\u0430 \u0432 <strong>\u043e\u0434\u0438\u043d \u043f\u043e\u0442\u043e\u043a 12.5 \u0413\u0446<\/strong>: \u043f\u0435\u0440\u0432\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c RVQ \u0434\u0438\u0441\u0442\u0438\u043b\u043b\u0438\u0440\u043e\u0432\u0430\u043d \u0438\u0437 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u0430 (WavLM), \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0435 \u043d\u0435\u0441\u0443\u0442 \u0430\u043a\u0443\u0441\u0442\u0438\u043a\u0443. \u0426\u0435\u043b\u044c \u0432 \u043e\u0431\u043e\u0438\u0445 \u0441\u043b\u0443\u0447\u0430\u044f\u0445 \u043e\u0434\u043d\u0430: \u043f\u043e\u043c\u043e\u0447\u044c \u043c\u043e\u0434\u0435\u043b\u0438 <strong>\u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c \u0441\u043c\u044b\u0441\u043b<\/strong>, \u043d\u0435 \u043f\u0443\u0442\u0430\u044f \u0435\u0433\u043e \u0441 \u043c\u0430\u043d\u0435\u0440\u043e\u0439 \u043f\u0440\u043e\u0438\u0437\u043d\u0435\u0441\u0435\u043d\u0438\u044f.<\/p>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u043f\u0443\u0442\u0430\u0442\u044c \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a \u0441 MP3\/AAC. \u041a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0430\u0443\u0434\u0438\u043e\u043a\u043e\u0434\u0435\u043a\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0440\u0443\u0447\u043d\u0443\u044e \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0438\u044e (MDCT, \u043f\u0441\u0438\u0445\u043e\u0430\u043a\u0443\u0441\u0442\u0438\u043a\u0430). \u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u043a\u043e\u0434\u0435\u043a\u0438 <strong>\u0443\u0447\u0430\u0442\u0441\u044f<\/strong> \u043d\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u044b \u043f\u043e\u0434 \u0437\u0430\u0434\u0430\u0447\u0443 \u00ab\u0442\u043e\u043a\u0435\u043d\u044b \u2192 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u2192 \u0442\u043e\u043a\u0435\u043d\u044b\u00bb, \u0430 \u043d\u0435 \u043f\u043e\u0434 \u043f\u0440\u043e\u0441\u043b\u0443\u0448\u0438\u0432\u0430\u043d\u0438\u0435 \u043c\u0443\u0437\u044b\u043a\u0438 \u0432 \u043f\u043b\u0435\u0435\u0440\u0435.<\/p>\n<\/blockquote>\n<h3>4. \u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u0438\u0437\u043d\u0443\u0442\u0440\u0438<\/h3>\n<blockquote>\n<p><em>\u041c\u044b \u0437\u043d\u0430\u0435\u043c \u0442\u0440\u0438 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b \u0438 \u0440\u043e\u043b\u044c \u043a\u043e\u0434\u0435\u043a\u0430. \u0422\u0435\u043f\u0435\u0440\u044c \u0441\u043e\u0431\u0435\u0440\u0451\u043c \u043f\u043e\u043b\u043d\u0443\u044e \u043a\u0430\u0440\u0442\u0438\u043d\u0443: \u0447\u0442\u043e \u0441\u0442\u043e\u0438\u0442 \u043c\u0435\u0436\u0434\u0443 \u043c\u0438\u043a\u0440\u043e\u0444\u043e\u043d\u043e\u043c \u0438 \u0434\u0438\u043d\u0430\u043c\u0438\u043a\u043e\u043c \u0432 \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0439 \u0441\u043a\u0432\u043e\u0437\u043d\u043e\u0439 \u0438\u043b\u0438 \u043d\u0430\u0442\u0438\u0432\u043d\u043e\u0439 \u0441\u0438\u0441\u0442\u0435\u043c\u0435. \u0421\u043f\u043e\u0439\u043b\u0435\u0440: \u0432 \u0446\u0435\u043d\u0442\u0440\u0435 \u2014 \u0442\u043e\u0442 \u0436\u0435 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440, \u0447\u0442\u043e \u0438 \u0432 ChatGPT.<\/em><\/p>\n<\/blockquote>\n<h4>4.1. \u041e\u0431\u0449\u0430\u044f \u0441\u0445\u0435\u043c\u0430 (\u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b B \u0438 C)<\/h4>\n<p>\u0422\u0438\u043f\u0438\u0447\u043d\u0430\u044f \u0441\u043a\u0432\u043e\u0437\u043d\u0430\u044f V2V-\u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 \u0447\u0435\u0442\u044b\u0440\u0451\u0445 \u0431\u043b\u043e\u043a\u043e\u0432:<\/p>\n<pre><code>\u250c\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2510    \u250c\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2510    \u250c\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2510    \u250c\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2510\u2502  \u042d\u043d\u043a\u043e\u0434\u0435\u0440 \u2502 \u2192  \u2502 \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u2502 \u2192  \u2502   \u0414\u0435\u043a\u043e\u0434\u0435\u0440    \u2502 \u2192  \u2502  \u0412\u043e\u043a\u043e\u0434\u0435\u0440 \u2502\u2502  (\u0432\u0445\u043e\u0434)  \u2502    \u2502  (\u043c\u043e\u0437\u0433)     \u2502    \u2502  (\u0432\u044b\u0445\u043e\u0434)     \u2502    \u2502  (\u0437\u0432\u0443\u043a)  \u2502\u2514\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2518    \u2514\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2518    \u2514\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2518    \u2514\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2518<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<ol>\n<li>\n<p><strong>\u042d\u043d\u043a\u043e\u0434\u0435\u0440 \u0432\u0445\u043e\u0434\u0430<\/strong> \u2014 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0430\u0443\u0434\u0438\u043e \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432 (\u0438\u043b\u0438 \u0442\u043e\u043a\u0435\u043d\u043e\u0432). \u042d\u0442\u043e \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0437\u0430\u043c\u043e\u0440\u043e\u0436\u0435\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a + embedding layer, \u0438\u043b\u0438 \u043e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 speech encoder (Whisper-encoder, Conformer).<\/p>\n<\/li>\n<li>\n<p><strong>\u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440<\/strong> \u2014 \u0441\u0442\u0435\u043a decoder-only \u0438\u043b\u0438 encoder-decoder \u0431\u043b\u043e\u043a\u043e\u0432 \u0441 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435\u043c. \u0417\u0434\u0435\u0441\u044c \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435, \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435 \u0438 \u043f\u043b\u0430\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u043e\u0442\u0432\u0435\u0442\u0430.<\/p>\n<\/li>\n<li>\n<p><strong>\u0414\u0435\u043a\u043e\u0434\u0435\u0440 (\u0433\u043e\u043b\u043e\u0432\u0430 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f)<\/strong> \u2014 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0433\u043e \u0448\u0430\u0433\u0430 \u0432\u044b\u0434\u0430\u0451\u0442 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u043d\u0430\u0434 \u0442\u043e\u043a\u0435\u043d\u0430\u043c\u0438 \u043a\u043e\u0434\u0435\u043a\u0430 (\u0438\u043b\u0438 \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u044b\u043c\u0438 \u043b\u0430\u0442\u0435\u043d\u0442\u0430\u043c\u0438) \u0438 \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d.<\/p>\n<\/li>\n<li>\n<p><strong>\u0412\u043e\u043a\u043e\u0434\u0435\u0440<\/strong> \u2014 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u043d\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u043e\u0431\u0440\u0430\u0442\u043d\u043e \u0432 \u0430\u0443\u0434\u0438\u043e\u0432\u043e\u043b\u043d\u0443; \u043e\u0431\u044b\u0447\u043d\u043e \u044d\u0442\u043e \u0434\u0435\u043a\u043e\u0434\u0435\u0440 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0433\u043e \u043a\u043e\u0434\u0435\u043a\u0430 \u0438\u0437 \u0440\u0430\u0437\u0434\u0435\u043b\u0430 3.<\/p>\n<\/li>\n<\/ol>\n<p>\u0412 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0433\u043e full-duplex (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, Moshi) \u044d\u043d\u043a\u043e\u0434\u0435\u0440 \u0438 \u0434\u0435\u043a\u043e\u0434\u0435\u0440 \u0434\u0435\u043b\u044f\u0442 <strong>\u043e\u0434\u0438\u043d \u043e\u0431\u0449\u0438\u0439<\/strong> \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440: \u0432\u0445\u043e\u0434\u044f\u0449\u0438\u0439 \u0438 \u0438\u0441\u0445\u043e\u0434\u044f\u0449\u0438\u0439 \u0430\u0443\u0434\u0438\u043e\u043f\u043e\u0442\u043e\u043a\u0438 \u2014 \u0434\u0432\u0430 \u00ab\u043a\u0430\u043d\u0430\u043b\u0430\u00bb \u0432 \u043e\u0434\u043d\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438.<\/p>\n<h4>4.2. \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440: \u0447\u0442\u043e \u043e\u0431\u0449\u0435\u0433\u043e \u0441 LLM<\/h4>\n<p>\u0415\u0441\u043b\u0438 \u0432\u044b \u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0438 \u0441 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u043c\u0438 LLM, \u0443\u0437\u043d\u0430\u0435\u0442\u0435 \u0437\u043d\u0430\u043a\u043e\u043c\u044b\u0435 \u0434\u0435\u0442\u0430\u043b\u0438:<\/p>\n<ul>\n<li>\n<p><strong>Decoder-only<\/strong> \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 (\u043a\u0430\u043a GPT) \u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u0438\u0434\u0438\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u043e\u0448\u043b\u043e\u0435 \u0438 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0431\u0443\u0434\u0443\u0449\u0435\u0435. \u0414\u043b\u044f \u0440\u0435\u0447\u0438 \u044d\u0442\u043e \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e: \u043c\u044b \u043d\u0435 \u0437\u043d\u0430\u0435\u043c, \u0447\u0442\u043e \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u0441\u043a\u0430\u0436\u0435\u0442 \u0434\u0430\u043b\u044c\u0448\u0435.<\/p>\n<\/li>\n<li>\n<p><strong>Causal mask<\/strong> \u2014 \u043f\u0440\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0438 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0435 \u0442\u043e\u043a\u0435\u043d <img decoding=\"async\" class=\"formula inline\" source=\"i\" alt=\"i\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/8\/86\/865\/865c0c0b4ab0e063e5caa3387c1a8741.svg\" width=\"12\" height=\"12\" data-width=\"0.781\" data-height=\"1.52\" data-vertical-align=\"-0.025\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/8\/86\/865\/865c0c0b4ab0e063e5caa3387c1a8741.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/8\/86\/865\/865c0c0b4ab0e063e5caa3387c1a8741.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u00ab\u043f\u043e\u0434\u0433\u043b\u044f\u0434\u044b\u0432\u0430\u0442\u044c\u00bb \u0432 \u0442\u043e\u043a\u0435\u043d\u044b <img decoding=\"async\" class=\"formula inline\" source=\"j &gt; i\" alt=\"j &gt; i\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/2e\/2e3\/2e35db3fefbe167f6a25e745ab7755c1.svg\" width=\"32\" height=\"12\" data-width=\"4.73\" data-height=\"1.957\" data-vertical-align=\"-0.462\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/2e\/2e3\/2e35db3fefbe167f6a25e745ab7755c1.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/2e\/2e3\/2e35db3fefbe167f6a25e745ab7755c1.svg 781w\" loading=\"lazy\" decode=\"async\"\/>.<\/p>\n<\/li>\n<li>\n<p><strong>Multi-head attention<\/strong> \u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u0442\u0441\u044f \u0441\u0432\u044f\u0437\u044b\u0432\u0430\u0442\u044c \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u044b \u0440\u0435\u0447\u0438 \u043d\u0430 \u0440\u0430\u0437\u043d\u044b\u0445 \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0430\u0445 (\u0430\u043d\u0430\u043b\u043e\u0433\u0438\u044f \u0441 \u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0432 \u0442\u0435\u043a\u0441\u0442\u0435).<\/p>\n<\/li>\n<li>\n<p><strong>KV-cache<\/strong> \u2014 \u043f\u0440\u0438 \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433\u0435 \u043f\u0440\u043e\u0448\u043b\u044b\u0435 \u043a\u043b\u044e\u0447\u0438 \u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u043a\u044d\u0448\u0438\u0440\u0443\u044e\u0442\u0441\u044f, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u043f\u0435\u0440\u0435\u0441\u0447\u0438\u0442\u044b\u0432\u0430\u0442\u044c \u0438\u0445 \u043f\u0440\u0438 \u043a\u0430\u0436\u0434\u043e\u043c \u043d\u043e\u0432\u043e\u043c \u0447\u0430\u043d\u043a\u0435 (\u043f\u043e\u0434\u0440\u043e\u0431\u043d\u0435\u0435 \u0432 \u0440\u0430\u0437\u0434\u0435\u043b\u0435 6).<\/p>\n<\/li>\n<\/ul>\n<blockquote>\n<p>\ud83d\udee0\ufe0f <strong>\u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430: \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u0442\u0435\u0440\u044c.<\/strong> \u041d\u0430 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u043c\u0438\u043d\u0438\u043c\u0438\u0437\u0438\u0440\u0443\u044e\u0442 \u043a\u0440\u043e\u0441\u0441-\u044d\u043d\u0442\u0440\u043e\u043f\u0438\u044e \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430 \u0440\u0435\u0447\u0438 <img decoding=\"async\" class=\"formula inline\" source=\"s_{t+1}\" alt=\"s_{t+1}\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/b\/b4\/b45\/b4527e0091094c13aa10ddd6a0ab36be.svg\" width=\"24\" height=\"12\" data-width=\"3.871\" data-height=\"1.471\" data-vertical-align=\"-0.471\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/b\/b4\/b45\/b4527e0091094c13aa10ddd6a0ab36be.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/b\/b4\/b45\/b4527e0091094c13aa10ddd6a0ab36be.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u043f\u0440\u0438 \u0437\u0430\u0434\u0430\u043d\u043d\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435:<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0435\u0441\u0442\u044c \u0438 \u0442\u0435\u043a\u0441\u0442, \u0438 \u0440\u0435\u0447\u044c \u2014 \u0441\u043b\u043e\u0432\u0430\u0440\u044c <strong>\u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0451\u043d\u043d\u044b\u0439<\/strong>: \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u0440\u0430\u0437\u0434\u0435\u043b\u044f\u044e\u0442 \u043c\u043e\u0434\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u041d\u0430 \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u044e\u0442 \u043f\u043e\u0442\u0435\u0440\u0438 \u0434\u043b\u044f \u00ab\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e\u00bb \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432\u043e\u0433\u043e \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u044f (SFT) \u0438 preference loss (DPO\/RLHF).<\/p>\n<\/blockquote>\n<h4>4.3. \u041c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442<\/h4>\n<p>\u0421\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u0440\u0435\u0434\u043a\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 <strong>\u0442\u043e\u043b\u044c\u043a\u043e<\/strong> \u0441 \u0430\u0443\u0434\u0438\u043e. \u0422\u0438\u043f\u0438\u0447\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0441\u0435\u0441\u0441\u0438\u0438:<\/p>\n<pre><code>[SYSTEM] \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u0430 (\u0442\u0435\u043a\u0441\u0442)[USER_AUDIO] \u0442\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f[ASSISTANT_AUDIO] \u0442\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438 \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u0430 (\u043f\u0440\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u2014 ground truth)<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041f\u0440\u0438 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0430\u0432\u0442\u043e\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0432\u043d\u043e \u0434\u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 <code>[ASSISTANT_AUDIO]<\/code>, \u0442\u043e\u043a\u0435\u043d \u0437\u0430 \u0442\u043e\u043a\u0435\u043d\u043e\u043c. \u0422\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 (system prompt) \u0437\u0430\u0434\u0430\u044e\u0442 \u043b\u0438\u0447\u043d\u043e\u0441\u0442\u044c, \u044f\u0437\u044b\u043a, \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u2014 \u0440\u043e\u0432\u043d\u043e \u043a\u0430\u043a \u0432 ChatGPT, \u0442\u043e\u043b\u044c\u043a\u043e \u00ab\u043e\u0442\u0432\u0435\u0442\u00bb \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u0432 \u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u0430\u0445.<\/p>\n<p>\u041c\u043e\u0434\u0435\u043b\u0438\u0440\u0443\u0435\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0441\u0435\u0441\u0441\u0438\u0438 \u043d\u0430 Swift \u2014 <a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch04_speech_autoregress.swift\" rel=\"noopener noreferrer nofollow\"><code>ch04_speech_autoregress.swift<\/code><\/a>:<\/p>\n<pre><code class=\"swift\">enum Modality { case system, userAudio, assistantAudio }struct ContextToken {    let modality: Modality    let id: Int?       \/\/ \u0442\u043e\u043a\u0435\u043d \u0440\u0435\u0447\u0438; nil \u0434\u043b\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438    let label: String}\/\/ \u041c\u043e\u0434\u0435\u043b\u044c \u0434\u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 assistantAudio \u0442\u043e\u043a\u0435\u043d \u0437\u0430 \u0442\u043e\u043a\u0435\u043d\u043e\u043c:for token in predictedReply {    seq.append(ContextToken(modality: .assistantAudio, id: token, label: \"audio:\\(token)\"))}<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c:<\/strong> V2V-\u043c\u043e\u0434\u0435\u043b\u044c \u2014 \u044d\u0442\u043e <strong>\u043c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u044b\u0439 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440<\/strong> \u0438\u043b\u0438 \u0441\u0432\u044f\u0437\u043a\u0430 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u043e\u0432, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0430\u0443\u0434\u0438\u043e \u2014 \u0440\u0430\u0432\u043d\u043e\u043f\u0440\u0430\u0432\u043d\u0430\u044f \u043c\u043e\u0434\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0440\u044f\u0434\u043e\u043c \u0441 \u0442\u0435\u043a\u0441\u0442\u043e\u043c. \u041c\u043e\u0434\u0435\u043b\u0438 OpenAI Realtime \u0438 Gemini Live \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u044d\u0442\u043e\u0442 \u0441\u0434\u0432\u0438\u0433: \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u0440\u0435\u0436\u0438\u043c \u0432\u0441\u0451 \u0447\u0430\u0449\u0435 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u043d\u0435 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0439 \u00ab\u043e\u0437\u0432\u0443\u0447\u043a\u043e\u0439\u00bb, \u0430 \u0447\u0430\u0441\u0442\u044c\u044e \u043e\u0431\u0449\u0435\u0433\u043e \u043c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430.<\/p>\n<\/blockquote>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0413\u0434\u0435 \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u044f \u0441 LLM \u043b\u043e\u043c\u0430\u0435\u0442\u0441\u044f:<\/strong> \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u0433\u043b\u0430\u0437\u0430\u043c\u0438, \u0430 \u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u043a\u043e\u0434\u0435\u043a\u0430 \u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 RVQ-\u0443\u0440\u043e\u0432\u043d\u0435\u0439. \u041a\u0440\u043e\u043c\u0435 next-token loss \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0443\u0447\u0438\u0442\u044c \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044e, endpointing, turn-taking, \u043f\u0440\u0435\u0440\u044b\u0432\u0430\u043d\u0438\u044f \u0438 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c \u0433\u043e\u043b\u043e\u0441\u0430.<\/p>\n<\/blockquote>\n<h4>4.4. \u0414\u0443\u043f\u043b\u0435\u043a\u0441: \u0434\u0432\u0430 \u043f\u043e\u0442\u043e\u043a\u0430 \u0432 \u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438<\/h4>\n<p><strong>Moshi<\/strong> (Kyutai, \u0438\u044e\u043b\u044c 2024) \u2014 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0433\u043e full-duplex. \u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430:<\/p>\n<ul>\n<li>\n<p>Backbone <strong>Helium 7B<\/strong> + \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0439 \u0430\u0443\u0434\u0438\u043e-\u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440; \u043a\u043e\u0434\u0435\u043a <strong>Mimi<\/strong> (12.5 \u0413\u0446).<\/p>\n<\/li>\n<li>\n<p>\u0412\u0445\u043e\u0434: \u043f\u043e\u0442\u043e\u043a \u0442\u043e\u043a\u0435\u043d\u043e\u0432 <strong>\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f<\/strong> \u0441 \u0447\u0430\u0441\u0442\u043e\u0442\u043e\u0439 ~12.5 \u0413\u0446.<\/p>\n<\/li>\n<li>\n<p>\u0412\u044b\u0445\u043e\u0434: \u043f\u043e\u0442\u043e\u043a \u0442\u043e\u043a\u0435\u043d\u043e\u0432 <strong>\u043c\u043e\u0434\u0435\u043b\u0438<\/strong> (\u0440\u0435\u0447\u044c \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u0430) \u0441 \u0442\u043e\u0439 \u0436\u0435 \u0447\u0430\u0441\u0442\u043e\u0442\u043e\u0439.<\/p>\n<\/li>\n<li>\n<p>\u041e\u0431\u0430 \u043f\u043e\u0442\u043e\u043a\u0430 <strong>\u0438\u043d\u0442\u0435\u0440\u043b\u0438\u0432\u0438\u0440\u043e\u0432\u0430\u043d\u044b<\/strong> \u0432 \u043e\u0434\u043d\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 (multi-stream attention).<\/p>\n<\/li>\n<li>\n<p><strong>Inner Monologue:<\/strong> \u043d\u0430 \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u0430\u0434\u0440 \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d (\u0441\u043a\u0440\u044b\u0442\u0430\u044f \u00ab\u043c\u044b\u0441\u043b\u044c\u00bb), \u0437\u0430\u0442\u0435\u043c \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439, \u0437\u0430\u0442\u0435\u043c \u0430\u043a\u0443\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u2014 \u0440\u0435\u0447\u044c \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0441\u0432\u044f\u0437\u043d\u0435\u0435.<\/p>\n<\/li>\n<li>\n<p>\u0417\u0430\u044f\u0432\u043b\u0435\u043d\u043d\u0430\u044f \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430: ~200 \u043c\u0441 (\u0442\u0435\u043e\u0440\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043c\u0438\u043d\u0438\u043c\u0443\u043c 160 \u043c\u0441).<\/p>\n<\/li>\n<\/ul>\n<p>\u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442:<\/p>\n<ul>\n<li>\n<p>\u043d\u0430\u0447\u0438\u043d\u0430\u0442\u044c \u043e\u0442\u0432\u0435\u0442 <strong>\u0434\u043e<\/strong> \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u0437\u0430\u043a\u043e\u043d\u0447\u0438\u043b \u0444\u0440\u0430\u0437\u0443;<\/p>\n<\/li>\n<li>\n<p>\u0432\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c backchanneling (\u00ab\u0443\u0433\u0443\u00bb, \u00ab\u043f\u043e\u043d\u044f\u0442\u043d\u043e\u00bb) \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u0440\u0435\u0447\u0438 \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a\u0430;<\/p>\n<\/li>\n<li>\n<p>\u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c <strong>\u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u043d\u0438\u044f<\/strong>.<\/p>\n<\/li>\n<\/ul>\n<p>\u042d\u0442\u043e \u0441\u0438\u043b\u044c\u043d\u0435\u0435, \u0447\u0435\u043c \u043e\u0431\u044b\u0447\u043d\u044b\u0439 barge-in \u0432 realtime API: \u0442\u0430\u043c \u043a\u043b\u0438\u0435\u043d\u0442 \u0447\u0430\u0441\u0442\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u043e\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u0442 \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043e\u0442\u0432\u0435\u0442\u0430 \u043f\u0440\u0438 \u043d\u043e\u0432\u043e\u0439 \u0440\u0435\u0447\u0438 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f, \u0430 Moshi \u043c\u043e\u0434\u0435\u043b\u0438\u0440\u0443\u0435\u0442 \u0432\u0445\u043e\u0434\u044f\u0449\u0438\u0439 \u0438 \u0438\u0441\u0445\u043e\u0434\u044f\u0449\u0438\u0439 \u043f\u043e\u0442\u043e\u043a\u0438 \u043a\u0430\u043a \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0435 \u0447\u0430\u0441\u0442\u0438 \u043e\u0434\u043d\u043e\u0439 \u0441\u0446\u0435\u043d\u044b.<\/p>\n<p>\u042d\u0442\u043e \u043b\u0435\u0433\u043a\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c \u0441\u0430\u043c\u043e\u043c\u0443 \u043d\u0430 <a href=\"https:\/\/moshi.chat\" rel=\"noopener noreferrer nofollow\">moshi.chat<\/a>: \u043f\u0435\u0440\u0432\u0443\u044e \u043c\u0438\u043d\u0443\u0442\u0443 \u043a\u0430\u0436\u0435\u0442\u0441\u044f, \u0447\u0442\u043e \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0435\u0436\u043b\u0438\u0432, \u0430 \u043f\u043e\u0442\u043e\u043c \u043b\u043e\u0432\u0438\u0448\u044c \u043c\u043e\u043c\u0435\u043d\u0442, \u043a\u043e\u0433\u0434\u0430 \u043e\u043d \u00ab\u0443\u0433\u0443\u043a\u0430\u0435\u0442\u00bb \u0440\u043e\u0432\u043d\u043e \u0442\u0430\u043c, \u0433\u0434\u0435 \u0432\u044b \u043d\u0430\u0431\u0438\u0440\u0430\u0435\u0442\u0435 \u0432\u043e\u0437\u0434\u0443\u0445. \u041d\u0435\u043c\u043d\u043e\u0433\u043e \u0436\u0443\u0442\u043a\u043e \u2014 \u0438 \u043e\u0447\u0435\u043d\u044c \u0443\u0431\u0435\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e.<\/p>\n<blockquote>\n<p>\ud83d\udcd0 <strong>\u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f:<\/strong> \u043a\u0430\u0441\u043a\u0430\u0434\u043d\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u2014 \u043f\u043e\u0447\u0442\u0430\u043b\u044c\u043e\u043d: \u043f\u0440\u0438\u043d\u044f\u043b \u043f\u0438\u0441\u044c\u043c\u043e \u0446\u0435\u043b\u0438\u043a\u043e\u043c, \u043e\u0442\u043d\u0451\u0441, \u043f\u0440\u0438\u043d\u0451\u0441 \u043e\u0442\u0432\u0435\u0442. Realtime S2S \u2014 \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u043d\u0430\u044f \u043b\u0438\u043d\u0438\u044f \u0431\u0435\u0437 \u0431\u043b\u043e\u043a\u043d\u043e\u0442\u0430: \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442\u0435 \u0431\u044b\u0441\u0442\u0440\u043e, \u043c\u043e\u0436\u0435\u0442\u0435 \u043f\u0435\u0440\u0435\u0431\u0438\u0442\u044c. Full-duplex \u0432\u0440\u043e\u0434\u0435 Moshi \u2014 \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043d\u0435 \u0432\u044b\u043f\u0430\u0434\u0430\u0435\u0442 \u0438\u0437 \u043f\u043e\u0442\u043e\u043a\u0430, \u043a\u043e\u0433\u0434\u0430 \u0440\u0435\u043f\u043b\u0438\u043a\u0438 \u043d\u0430\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u044e\u0442\u0441\u044f.<\/p>\n<\/blockquote>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u0434\u0443\u043c\u0430\u0442\u044c, \u0447\u0442\u043e \u0434\u0443\u043f\u043b\u0435\u043a\u0441 = \u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u0433\u043e\u0432\u043e\u0440\u0438\u0442, \u043f\u043e\u043a\u0430 \u0432\u044b \u043c\u043e\u043b\u0447\u0438\u0442\u0435\u00bb. \u041d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0439 \u0434\u0443\u043f\u043b\u0435\u043a\u0441 \u2014 \u044d\u0442\u043e <strong>\u043f\u0435\u0440\u0435\u043a\u0440\u044b\u0432\u0430\u044e\u0449\u0438\u0435\u0441\u044f<\/strong> \u043f\u043e\u0442\u043e\u043a\u0438. \u041e\u0431\u0443\u0447\u0438\u0442\u044c \u0442\u0430\u043a\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0441\u043b\u043e\u0436\u043d\u043e: \u043d\u0443\u0436\u043d\u044b \u0434\u0430\u043d\u043d\u044b\u0435 \u0441 \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c\u0438 \u0434\u0438\u0430\u043b\u043e\u0433\u0430\u043c\u0438 (\u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u043d\u0438\u044f, \u043f\u0430\u0443\u0437\u044b, overlap) \u0438 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0435 loss-\u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0434\u043b\u044f turn-taking.<\/p>\n<\/blockquote>\n<h3>5. \u041a\u0430\u043a \u043e\u0431\u0443\u0447\u0430\u044e\u0442 V2V-\u043c\u043e\u0434\u0435\u043b\u0438<\/h3>\n<blockquote>\n<p><em>\u041f\u0443\u0441\u0442\u043e\u0439 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043e \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c\u0438 \u0432\u0435\u0441\u0430\u043c\u0438 \u2014 \u043a\u0430\u043a \u043d\u043e\u0432\u043e\u0440\u043e\u0436\u0434\u0451\u043d\u043d\u044b\u0439: \u043e\u043d \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0441\u043b\u044b\u0448\u0438\u0442 \u0438 \u043d\u0435 \u0433\u043e\u0432\u043e\u0440\u0438\u0442. \u041e\u0436\u0438\u0432\u043b\u0435\u043d\u0438\u0435 \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u0442 \u043c\u0435\u0441\u044f\u0446\u044b \u0440\u0430\u0431\u043e\u0442\u044b GPU-\u043a\u043b\u0430\u0441\u0442\u0435\u0440\u043e\u0432. \u0420\u0430\u0437\u0431\u0435\u0440\u0451\u043c \u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u2014 \u043e\u0442 \u043a\u043e\u0434\u0435\u043a\u0430 \u0434\u043e RLHF \u2014 \u043f\u043e \u0448\u0430\u0433\u0430\u043c, \u043a\u0430\u043a \u043c\u044b \u0434\u0435\u043b\u0430\u043b\u0438 \u0434\u043b\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 LLM.<\/em><\/p>\n<\/blockquote>\n<h4>5.1. \u041a\u0430\u0440\u0442\u0430 \u0441\u0442\u0430\u0434\u0438\u0439<\/h4>\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/webt\/b6\/6c\/66\/b66c66dd6effa519541fdb1c931a7f4f.png\" alt=\"\u041a\u043e\u043d\u0432\u0435\u0439\u0435\u0440 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/webt\/b6\/6c\/66\/b66c66dd6effa519541fdb1c931a7f4f.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/webt\/b6\/6c\/66\/b66c66dd6effa519541fdb1c931a7f4f.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u041a\u043e\u043d\u0432\u0435\u0439\u0435\u0440 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/figcaption><\/div>\n<\/figure>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u0421\u0442\u0430\u0434\u0438\u044f<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0427\u0442\u043e \u0443\u0447\u0438\u043c<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0414\u0430\u043d\u043d\u044b\u0435<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0414\u043e\u043b\u044f GPU<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">1. \u041a\u043e\u0434\u0435\u043a<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\u0436\u0430\u0442\u0438\u0435\/\u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0435 \u0437\u0432\u0443\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043b\u044e\u0431\u043e\u0435 \u0430\u0443\u0434\u0438\u043e<\/p>\n<\/td>\n<td>\n<p align=\"left\">~10%<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">2. \u041f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0440\u0435\u0447\u0438<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0442\u044b\u0441\u044f\u0447 \u2014 \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u044b \u0447\u0430\u0441\u043e\u0432 \u0440\u0435\u0447\u0438<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>~80%<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">3. \u0412\u044b\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u043d\u0438\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0440\u0435\u0447\u044c \u2194 \u0442\u0435\u043a\u0441\u0442<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043f\u0430\u0440\u044b \u0430\u0443\u0434\u0438\u043e+\u0442\u0440\u0430\u043d\u0441\u043a\u0440\u0438\u043f\u0442<\/p>\n<\/td>\n<td>\n<p align=\"left\">~5%<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">4. SFT<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u0435 \u0434\u0438\u0430\u043b\u043e\u0433\u0438<\/p>\n<\/td>\n<td>\n<p align=\"left\">~3%<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">5. RLHF\/DPO<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e, \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043e\u0446\u0435\u043d\u043a\u0438 \u043b\u044e\u0434\u0435\u0439\/\u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/p>\n<\/td>\n<td>\n<p align=\"left\">~2%<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u0438 \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u0447\u043d\u044b \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u043c LLM: <strong>\u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0441\u044a\u0435\u0434\u0430\u0435\u0442 \u043f\u043e\u0447\u0442\u0438 \u0432\u0441\u0451<\/strong>.<\/p>\n<h4>5.2. \u0421\u0442\u0430\u0434\u0438\u044f 1: \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043a\u043e\u0434\u0435\u043a\u0430<\/h4>\n<p>\u041a\u043e\u0434\u0435\u043a \u043e\u0431\u0443\u0447\u0430\u044e\u0442 <strong>\u0434\u043e<\/strong> \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438, \u043d\u0430 \u0437\u0430\u0434\u0430\u0447\u0435 \u0440\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438:<\/p>\n<ol>\n<li>\n<p>\u0411\u0435\u0440\u0451\u043c \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442 \u0430\u0443\u0434\u0438\u043e (1\u201310 \u0441).<\/p>\n<\/li>\n<li>\n<p>\u042d\u043d\u043a\u043e\u0434\u0435\u0440 \u2192 RVQ \u2192 \u0442\u043e\u043a\u0435\u043d\u044b \u2192 \u0434\u0435\u043a\u043e\u0434\u0435\u0440 \u2192 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u043e\u0435 \u0430\u0443\u0434\u0438\u043e.<\/p>\n<\/li>\n<li>\n<p>\u041c\u0438\u043d\u0438\u043c\u0438\u0437\u0438\u0440\u0443\u0435\u043c \u0440\u0430\u0437\u043d\u0438\u0446\u0443 \u0441 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u043e\u043c (spectral loss + adversarial loss \u043e\u0442 \u0434\u0438\u0441\u043a\u0440\u0438\u043c\u0438\u043d\u0430\u0442\u043e\u0440\u0430, \u043a\u0430\u043a \u0432 GAN).<\/p>\n<\/li>\n<\/ol>\n<p>\u0414\u0430\u043d\u043d\u044b\u0435: \u043f\u043e\u0434\u043a\u0430\u0441\u0442\u044b, \u0430\u0443\u0434\u0438\u043e\u043a\u043d\u0438\u0433\u0438, YouTube, \u0437\u0432\u043e\u043d\u043a\u0438 \u2014 <strong>\u0431\u0435\u0437 \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0438<\/strong>. \u042d\u0442\u043e \u0447\u0438\u0441\u0442\u044b\u0439 \u0441\u0430\u043c\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044c, \u043a\u0430\u043a \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 LLM \u043d\u0430 \u0442\u0435\u043a\u0441\u0442\u0435.<\/p>\n<blockquote>\n<p>\ud83d\udee0\ufe0f <strong>\u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430: \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u0442\u0435\u0440\u044c \u043a\u043e\u0434\u0435\u043a\u0430.<\/strong><\/p>\n<ul>\n<li>\n<p><img decoding=\"async\" class=\"formula inline\" source=\"\\mathcal{L}_{recon}\" alt=\"\\mathcal{L}_{recon}\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/03\/033\/033c7fc3d168f86daa337e408c7878a3.svg\" width=\"40\" height=\"16\" data-width=\"5.644\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/03\/033\/033c7fc3d168f86daa337e408c7878a3.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/03\/033\/033c7fc3d168f86daa337e408c7878a3.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u2014 L1\/L2 \u043c\u0435\u0436\u0434\u0443 mel-\u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430\u043c\u0438 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u0430 \u0438 \u0440\u0435\u043a\u043e\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438.<\/p>\n<\/li>\n<li>\n<p><img decoding=\"async\" class=\"formula inline\" source=\"\\mathcal{L}_{GAN}\" alt=\"\\mathcal{L}_{GAN}\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/5\/58\/586\/58667679001c71b7c785c13a78f63f40.svg\" width=\"40\" height=\"16\" data-width=\"5.627\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/5\/58\/586\/58667679001c71b7c785c13a78f63f40.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/5\/58\/586\/58667679001c71b7c785c13a78f63f40.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u2014 \u0434\u0438\u0441\u043a\u0440\u0438\u043c\u0438\u043d\u0430\u0442\u043e\u0440 \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0439 \u0437\u0432\u0443\u043a \u043e\u0442 \u0441\u0438\u043d\u0442\u0435\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e.<\/p>\n<\/li>\n<li>\n<p><img decoding=\"async\" class=\"formula inline\" source=\"\\mathcal{L}_{commit}\" alt=\"\\mathcal{L}_{commit}\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/2b\/2b1\/2b145d23981687fcf855430049ce2014.svg\" width=\"56\" height=\"16\" data-width=\"7.156\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/2b\/2b1\/2b145d23981687fcf855430049ce2014.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/2\/2b\/2b1\/2b145d23981687fcf855430049ce2014.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u2014 \u0448\u0442\u0440\u0430\u0444 \u0437\u0430 \u00ab\u0440\u0430\u0437\u0431\u0440\u043e\u0441\u00bb \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0432 \u043a\u043e\u0434\u043e\u0432\u043e\u0439 \u043a\u043d\u0438\u0433\u0435 (\u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u044c RVQ).<\/p>\n<\/li>\n<\/ul>\n<\/blockquote>\n<h4>5.3. \u0421\u0442\u0430\u0434\u0438\u044f 2: \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0440\u0435\u0447\u0435\u0432\u043e\u0439 LM<\/h4>\n<p>\u0417\u0434\u0435\u0441\u044c \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u0441\u044f \u0433\u043b\u0430\u0432\u043d\u043e\u0435. \u0411\u0435\u0440\u0451\u043c \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0442\u044b\u0441\u044f\u0447 \u0447\u0430\u0441\u043e\u0432 \u0437\u0430\u043f\u0438\u0441\u0430\u043d\u043d\u043e\u0439 \u0440\u0435\u0447\u0438, \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0435\u043c \u0447\u0435\u0440\u0435\u0437 <strong>\u0437\u0430\u043c\u043e\u0440\u043e\u0436\u0435\u043d\u043d\u044b\u0439<\/strong> \u043a\u043e\u0434\u0435\u043a, \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u041c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u0442\u0441\u044f:<\/p>\n<p><img decoding=\"async\" class=\"formula\" source=\"P(s_{t+1} \\mid s_1, \\dots, s_t)\" alt=\"P(s_{t+1} \\mid s_1, \\dots, s_t)\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/7b\/7b9\/7b948bc232fcff28b809217800c5e53b.svg\" width=\"144\" height=\"16\" data-width=\"18.132\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/7b\/7b9\/7b948bc232fcff28b809217800c5e53b.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/7\/7b\/7b9\/7b948bc232fcff28b809217800c5e53b.svg 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<p>\u2014 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d \u0440\u0435\u0447\u0438. \u041f\u043e \u0444\u043e\u0440\u043c\u0435 \u044d\u0442\u043e \u0431\u043b\u0438\u0437\u043a\u043e \u043a \u0437\u0430\u0434\u0430\u0447\u0435 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 LLM, \u0442\u043e\u043b\u044c\u043a\u043e \u00ab\u0430\u043b\u0444\u0430\u0432\u0438\u0442\u00bb \u2014 \u043a\u043e\u0434\u043e\u0432\u0430\u044f \u043a\u043d\u0438\u0433\u0430, \u0430 \u043e\u0434\u0438\u043d \u043c\u043e\u043c\u0435\u043d\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u043c\u043e\u0436\u0435\u0442 \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0442\u044c\u0441\u044f \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u043c\u0438 \u0443\u0440\u043e\u0432\u043d\u044f\u043c\u0438 RVQ.<\/p>\n<p><strong>\u041e\u0442\u043a\u0443\u0434\u0430 \u0434\u0430\u043d\u043d\u044b\u0435:<\/strong><\/p>\n<ul>\n<li>\n<p>LibriLight (60 000+ \u0447\u0430\u0441\u043e\u0432 \u0430\u0443\u0434\u0438\u043e\u043a\u043d\u0438\u0433, Meta)<\/p>\n<\/li>\n<li>\n<p>Common Voice, GigaSpeech, VoxPopuli<\/p>\n<\/li>\n<li>\n<p>\u0412\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0438\u0435 \u043a\u043e\u0440\u043f\u0443\u0441\u0430 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0439 (\u0437\u0432\u043e\u043d\u043a\u0438, \u043f\u043e\u0434\u043a\u0430\u0441\u0442\u044b, \u0432\u0438\u0434\u0435\u043e \u0441 \u0441\u0443\u0431\u0442\u0438\u0442\u0440\u0430\u043c\u0438)<\/p>\n<\/li>\n<\/ul>\n<p><strong>\u0421\u0430\u043c\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044c \u043d\u0430 \u0440\u0435\u0447\u0438:<\/strong> \u043a\u0430\u043a \u0432 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 LLM \u0442\u0435\u043a\u0441\u0442 \u0441\u0430\u043c \u0441\u0435\u0431\u0435 \u0443\u0447\u0438\u0442\u0435\u043b\u044c, \u0442\u0430\u043a \u0437\u0434\u0435\u0441\u044c \u0440\u0435\u0447\u044c \u0441\u0430\u043c\u0430 \u0441\u0435\u0431\u0435 \u0443\u0447\u0438\u0442\u0435\u043b\u044c \u2014 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0439 \u00ab\u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d\u00bb \u0443\u0436\u0435 \u0437\u0430\u043f\u0438\u0441\u0430\u043d \u0432 \u0430\u0443\u0434\u0438\u043e\u0444\u0430\u0439\u043b\u0435.<\/p>\n<p>\u0422\u043e\u0442 \u0436\u0435 \u043f\u0440\u0438\u0451\u043c, \u0447\u0442\u043e \u043f\u0440\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 LLM, \u043d\u043e \u0434\u043b\u044f \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0440\u0435\u0447\u0438 \u2014 <a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch05_training_pairs.swift\" rel=\"noopener noreferrer nofollow\"><code>ch05_training_pairs.swift<\/code><\/a>:<\/p>\n<pre><code class=\"swift\">let speechTokens = [412, 891, 37, 204, 556]for i in 1..&lt;speechTokens.count {    let context = Array(speechTokens[0..&lt;i])   \/\/ \u0432\u0441\u0451, \u0447\u0442\u043e \u0441\u043b\u0435\u0432\u0430    let target = speechTokens[i]                 \/\/ \u00ab\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0439 \u043e\u0442\u0432\u0435\u0442\u00bb \u0443\u0436\u0435 \u0432 \u0437\u0430\u043f\u0438\u0441\u0438    print(\"\\(context) \u2192 \\(target)\")}<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0410 \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u0442\u0435\u0440\u044c \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0448\u0430\u0433\u0435 \u2014 \u0442\u0430 \u0436\u0435 \u043a\u0440\u043e\u0441\u0441-\u044d\u043d\u0442\u0440\u043e\u043f\u0438\u044f, \u0447\u0442\u043e \u0443 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 LLM (<a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch05_cross_entropy.swift\" rel=\"noopener noreferrer nofollow\"><code>ch05_cross_entropy.swift<\/code><\/a>):<\/p>\n<pre><code class=\"swift\">let probs = softmax(logits)            \/\/ P(\u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d | \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442)let loss = -log(probs[trueToken]!)     \/\/ \u0448\u0442\u0440\u0430\u0444, \u0435\u0441\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0443\u0433\u0430\u0434\u0430\u043b\u0430<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c:<\/strong> \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 V2V \u2014 \u044d\u0442\u043e <strong>\u00ab\u043f\u0440\u043e\u0447\u0438\u0442\u0430\u0442\u044c\u00bb \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0442\u044b\u0441\u044f\u0447 \u0447\u0430\u0441\u043e\u0432 \u0440\u0435\u0447\u0438<\/strong> \u0438 \u043d\u0430\u0443\u0447\u0438\u0442\u044c\u0441\u044f \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0442\u044c \u0435\u0451 \u043f\u0440\u0430\u0432\u0434\u043e\u043f\u043e\u0434\u043e\u0431\u043d\u043e. \u041e\u0442\u0441\u044e\u0434\u0430 \u0440\u043e\u0436\u0434\u0430\u0435\u0442\u0441\u044f \u0437\u043d\u0430\u043d\u0438\u0435 \u044f\u0437\u044b\u043a\u0430, \u0430\u043a\u0446\u0435\u043d\u0442\u0430, \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u0438 \u2014 \u0431\u0435\u0437 \u0435\u0434\u0438\u043d\u043e\u0439 \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u043e\u0439 \u043f\u0430\u0440\u044b \u00ab\u0432\u043e\u043f\u0440\u043e\u0441-\u043e\u0442\u0432\u0435\u0442\u00bb.<\/p>\n<\/blockquote>\n<h4>5.4. \u0421\u0430\u043c\u043e\u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u043c\u044b\u0435 \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u044b (wav2vec, HuBERT)<\/h4>\n<p>\u041f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e \u0441 \u043a\u043e\u0434\u0435\u043a\u0430\u043c\u0438 \u0440\u0430\u0437\u0432\u0438\u0432\u0430\u043b\u0438\u0441\u044c <strong>\u0440\u0435\u0447\u0435\u0432\u044b\u0435 \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u044b<\/strong> \u2014 \u043c\u043e\u0434\u0435\u043b\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0443\u0447\u0430\u0442\u0441\u044f \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c \u0437\u0432\u0443\u043a \u0431\u0435\u0437 \u044f\u0432\u043d\u043e\u0439 \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0438:<\/p>\n<ul>\n<li>\n<p><strong>wav2vec 2.0<\/strong> (Meta, 2020) \u2014 \u0431\u0435\u0440\u0451\u0442 \u0441\u044b\u0440\u0443\u044e \u0432\u043e\u043b\u043d\u0443, \u043c\u0430\u0441\u043a\u0438\u0440\u0443\u0435\u0442 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0435 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u044b \u0435\u0451 \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0435\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0443\u0447\u0438\u0442\u0441\u044f \u0443\u0433\u0430\u0434\u044b\u0432\u0430\u0442\u044c \u0441\u043a\u0440\u044b\u0442\u043e\u0435. \u0414\u0430\u0451\u0442 \u043c\u043e\u0449\u043d\u044b\u0435 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n<li>\n<p><strong>HuBERT<\/strong> (Meta, 2021) \u2014 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0443\u0435\u0442 \u0441\u043a\u0440\u044b\u0442\u044b\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u043d\u043e\u043c\u0435\u0440\u0430 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u043e\u0432 \u043a\u0430\u043a \u043f\u0441\u0435\u0432\u0434\u043e-\u043c\u0435\u0442\u043a\u0438.<\/p>\n<\/li>\n<li>\n<p><strong>w2v-BERT<\/strong> (Google, 2021) \u2014 \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u044f\u0435\u0442 \u043a\u043e\u043d\u0442\u0440\u0430\u0441\u0442\u0438\u0432\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 wav2vec \u0441 \u043c\u0430\u0441\u043a\u0430\u043c\u0438 \u0432 \u0434\u0443\u0445\u0435 BERT; \u0438\u043c\u0435\u043d\u043d\u043e \u0435\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u044b \u0435\u0441\u0442 AudioLM.<\/p>\n<\/li>\n<\/ul>\n<p>\u042d\u0442\u0438 \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u044b \u0434\u0430\u044e\u0442 <strong>\u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b<\/strong> (\u043d\u0438\u0437\u043a\u0430\u044f \u0447\u0430\u0441\u0442\u043e\u0442\u0430) \u0434\u043b\u044f \u0438\u0435\u0440\u0430\u0440\u0445\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0432\u0440\u043e\u0434\u0435 AudioLM \u0438 Moshi. \u0418\u0445 \u0442\u043e\u0436\u0435 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0430\u044e\u0442 \u043d\u0430 \u0442\u044b\u0441\u044f\u0447\u0430\u0445 \u0447\u0430\u0441\u043e\u0432, \u0437\u0430\u0442\u0435\u043c \u0437\u0430\u043c\u043e\u0440\u0430\u0436\u0438\u0432\u0430\u044e\u0442 \u0438\u043b\u0438 \u0434\u043e\u043e\u0431\u0443\u0447\u0430\u044e\u0442 \u0441 \u043c\u0430\u043b\u044b\u043c learning rate.<\/p>\n<h4>5.5. \u0421\u0442\u0430\u0434\u0438\u044f 3: \u0432\u044b\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u043d\u0438\u0435 \u0440\u0435\u0447\u0438 \u0438 \u0442\u0435\u043a\u0441\u0442\u0430<\/h4>\n<p>\u0427\u0442\u043e\u0431\u044b \u043c\u043e\u0434\u0435\u043b\u044c <strong>\u043f\u043e\u043d\u0438\u043c\u0430\u043b\u0430<\/strong> \u0441\u043c\u044b\u0441\u043b (\u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0438\u043c\u0438\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0430 \u0430\u043a\u0443\u0441\u0442\u0438\u043a\u0443), \u0435\u0451 \u0443\u0447\u0430\u0442 \u043d\u0430 \u043f\u0430\u0440\u0430\u0445 <strong>\u0430\u0443\u0434\u0438\u043e + \u0442\u0440\u0430\u043d\u0441\u043a\u0440\u0438\u043f\u0442<\/strong>:<\/p>\n<ul>\n<li>\n<p>10 000 \u0447\u0430\u0441\u043e\u0432 \u043f\u043e\u0434\u043a\u0430\u0441\u0442\u043e\u0432 \u0441 \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u043c\u0438 \u0441\u0443\u0431\u0442\u0438\u0442\u0440\u0430\u043c\u0438;<\/p>\n<\/li>\n<li>\n<p>LibriSpeech (1000 \u0447, \u0447\u0438\u0441\u0442\u044b\u0435 \u0430\u0443\u0434\u0438\u043e\u043a\u043d\u0438\u0433\u0438 + \u0442\u0435\u043a\u0441\u0442);<\/p>\n<\/li>\n<li>\n<p>\u043c\u0443\u043b\u044c\u0442\u0438\u044f\u0437\u044b\u0447\u043d\u044b\u0435 \u043d\u0430\u0431\u043e\u0440\u044b (YODAS, MLS).<\/p>\n<\/li>\n<\/ul>\n<p>\u0417\u0430\u0434\u0430\u0447\u0438:<\/p>\n<ul>\n<li>\n<p><strong>ASR-\u043f\u043e\u0434\u043e\u0431\u043d\u0430\u044f<\/strong>: \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u043f\u043e \u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u0430\u043c.<\/p>\n<\/li>\n<li>\n<p><strong>TTS-\u043f\u043e\u0434\u043e\u0431\u043d\u0430\u044f<\/strong>: \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u044b \u043f\u043e \u0442\u0435\u043a\u0441\u0442\u0443.<\/p>\n<\/li>\n<li>\n<p><strong>\u0421\u043e\u0432\u043c\u0435\u0441\u0442\u043d\u0430\u044f<\/strong>: \u0432 \u043e\u0434\u043d\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0438 \u0440\u0435\u0447\u044c, \u0438 \u0442\u0435\u043a\u0441\u0442 \u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u0442\u0441\u044f \u043f\u0435\u0440\u0435\u043a\u043b\u044e\u0447\u0430\u0442\u044c\u0441\u044f.<\/p>\n<\/li>\n<\/ul>\n<blockquote>\n<p>\ud83d\udcdc <strong>\u0418\u0437 \u0438\u0441\u0442\u043e\u0440\u0438\u0438:<\/strong> \u0432\u044b\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u043d\u0438\u0435 \u2014 \u043d\u0430\u0441\u043b\u0435\u0434\u0438\u0435 \u0434\u0435\u0441\u044f\u0442\u0438\u043b\u0435\u0442\u0438\u0439 speech research. Whisper (OpenAI, 2022) \u043f\u043e\u043a\u0430\u0437\u0430\u043b, \u0447\u0442\u043e \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u044d\u0442\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u043d\u0430 680 000 \u0447\u0430\u0441\u043e\u0432 \u0434\u0430\u0451\u0442 \u044d\u043d\u043a\u043e\u0434\u0435\u0440, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u00ab\u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442\u00bb \u0440\u0435\u0447\u044c \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435, \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e\u043c \u0434\u043b\u044f V2V.<\/p>\n<\/blockquote>\n<h4>5.6. \u0421\u0442\u0430\u0434\u0438\u044f 4: SFT (supervised fine-tuning)<\/h4>\n<p>\u041f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u043c\u0435\u0435\u0442 <strong>\u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0442\u044c \u0440\u0435\u0447\u044c<\/strong>, \u043d\u043e \u043d\u0435 \u0432\u0435\u0441\u0442\u0438 \u0434\u0438\u0430\u043b\u043e\u0433. SFT \u0443\u0447\u0438\u0442 \u0444\u043e\u0440\u043c\u0430\u0442 \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0430 \u2014 \u043f\u0430\u0440\u044b \u00ab\u0440\u0435\u043f\u043b\u0438\u043a\u0430 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f \u2192 \u0440\u0435\u043f\u043b\u0438\u043a\u0430 \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u0430\u00bb \u0432 \u0442\u043e\u043a\u0435\u043d\u0430\u0445 \u0440\u0435\u0447\u0438:<\/p>\n<pre><code class=\"swift\">struct DialogTurn {    let userTokens: [Int]    let assistantTokens: [Int]}let example = DialogTurn(    userTokens: [412, 891, 37],                    \/\/ \u00ab\u041a\u0430\u043a\u0430\u044f \u043f\u043e\u0433\u043e\u0434\u0430 \u0432 \u0411\u0430\u0440\u0441\u0435\u043b\u043e\u043d\u0435?\u00bb    assistantTokens: [204, 556, 119, 88]          \/\/ \u00ab\u0421\u0435\u0439\u0447\u0430\u0441 +22, \u0441\u043e\u043b\u043d\u0435\u0447\u043d\u043e\u2026\u00bb)\/\/ \u041f\u0440\u0438 SFT \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u0442\u0441\u044f: \u043f\u043e\u0441\u043b\u0435 userTokens \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c assistantTokens<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0414\u0430\u043d\u043d\u044b\u0435:<\/p>\n<ul>\n<li>\n<p>\u0421\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0434\u0438\u0430\u043b\u043e\u0433\u0438 (LLM \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0442\u0435\u043a\u0441\u0442 \u2192 TTS \u043e\u0437\u0432\u0443\u0447\u0438\u0432\u0430\u0435\u0442 \u2192 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043f\u0430\u0440\u044b).<\/p>\n<\/li>\n<li>\n<p>\u0420\u0435\u0430\u043b\u044c\u043d\u044b\u0435 \u0437\u0430\u043f\u0438\u0441\u0438 \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u043e\u0432 (\u0441 \u0441\u043e\u0433\u043b\u0430\u0441\u0438\u044f \u0443\u0447\u0430\u0441\u0442\u043d\u0438\u043a\u043e\u0432).<\/p>\n<\/li>\n<li>\n<p>\u0410\u043a\u0442\u0451\u0440\u0441\u043a\u0438\u0435 \u0437\u0430\u043f\u0438\u0441\u0438 \u0441 \u043d\u0443\u0436\u043d\u044b\u043c \u0441\u0442\u0438\u043b\u0435\u043c (\u0434\u0440\u0443\u0436\u0435\u043b\u044e\u0431\u043d\u044b\u0439, \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u044b\u0439).<\/p>\n<\/li>\n<\/ul>\n<p>\u0422\u0438\u043f\u0438\u0447\u043d\u044b\u0439 \u043e\u0431\u044a\u0451\u043c: <strong>10 000\u2013100 000<\/strong> \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432 \u2014 \u043a\u0430\u043f\u043b\u044f \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435\u043c.<\/p>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0437\u0430\u0431\u0430\u0432\u043d\u043e, \u0447\u0442\u043e \u0437\u0430\u043c\u0435\u0442\u043d\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u00ab\u0433\u043e\u043b\u043e\u0441\u043e\u0432\u044b\u0445\u00bb \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 \u0438\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u0438 \u2014 \u044d\u0442\u043e \u0442\u0435\u043a\u0441\u0442, \u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 LLM \u0438 \u043e\u0437\u0432\u0443\u0447\u0435\u043d\u043d\u044b\u0439 TTS: \u043e\u0434\u043d\u0438 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u043f\u0438\u0448\u0443\u0442 \u0443\u0447\u0435\u0431\u043d\u0438\u043a\u0438 \u0434\u043b\u044f \u0434\u0440\u0443\u0433\u0438\u0445. \u0412\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043a\u0430\u043a \u0437\u043c\u0435\u044f, \u043a\u0443\u0441\u0430\u044e\u0449\u0430\u044f \u0441\u0432\u043e\u0439 \u0445\u0432\u043e\u0441\u0442, \u2014 \u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442.<\/p>\n<h4>5.7. \u0421\u0442\u0430\u0434\u0438\u044f 5: RLHF \u0438 DPO<\/h4>\n<p>\u0424\u0438\u043d\u0430\u043b\u044c\u043d\u0430\u044f \u043f\u043e\u043b\u0438\u0440\u043e\u0432\u043a\u0430 \u2014 \u043a\u0430\u043a \u0432 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 LLM:<\/p>\n<ol>\n<li>\n<p>\u0421\u043e\u0431\u0438\u0440\u0430\u044e\u0442 \u043e\u0446\u0435\u043d\u043a\u0438: \u043a\u0430\u043a\u043e\u0439 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u043e\u0442\u0432\u0435\u0442 <strong>\u043b\u0443\u0447\u0448\u0435<\/strong> (\u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u0435\u0435, \u0442\u043e\u0447\u043d\u0435\u0435, \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u0435\u0435).<\/p>\n<\/li>\n<li>\n<p>\u041e\u0431\u0443\u0447\u0430\u044e\u0442 <strong>reward model<\/strong> \u043d\u0430 \u043f\u0430\u0440\u0430\u0445 (\u0445\u043e\u0440\u043e\u0448\u0438\u0439 \u043e\u0442\u0432\u0435\u0442, \u043f\u043b\u043e\u0445\u043e\u0439 \u043e\u0442\u0432\u0435\u0442).<\/p>\n<\/li>\n<li>\n<p>\u0414\u043e\u043e\u0431\u0443\u0447\u0430\u044e\u0442 \u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0443 (PPO \u0432 RLHF) \u0438\u043b\u0438 \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u0443\u044e\u0442 \u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u044f (DPO).<\/p>\n<\/li>\n<\/ol>\n<p>\u0414\u043b\u044f V2V \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u044e\u0442\u0441\u044f \u0441\u043f\u0435\u0446\u0438\u0444\u0438\u0447\u043d\u044b\u0435 \u043a\u0440\u0438\u0442\u0435\u0440\u0438\u0438:<\/p>\n<ul>\n<li>\n<p><strong>\u0415\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c<\/strong> \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u0438 (\u043d\u0435 \u0440\u043e\u0431\u043e\u0442).<\/p>\n<\/li>\n<li>\n<p><strong>\u041e\u0447\u0435\u0440\u0451\u0434\u043d\u043e\u0441\u0442\u044c<\/strong> (\u043d\u0435 \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u0442\u044c \u0431\u0435\u0437 \u043f\u0440\u0438\u0447\u0438\u043d\u044b).<\/p>\n<\/li>\n<li>\n<p><strong>\u041a\u0440\u0430\u0442\u043a\u043e\u0441\u0442\u044c<\/strong> (\u043d\u0435 \u043c\u043e\u043d\u043e\u043b\u043e\u0433\u0438\u0440\u043e\u0432\u0430\u0442\u044c).<\/p>\n<\/li>\n<li>\n<p><strong>\u0411\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c<\/strong> (\u043d\u0435 \u0438\u043c\u0438\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u0445 \u043b\u044e\u0434\u0435\u0439 \u0431\u0435\u0437 \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u044f).<\/p>\n<\/li>\n<\/ul>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u0441\u0447\u0438\u0442\u0430\u0442\u044c, \u0447\u0442\u043e RLHF \u00ab\u0434\u0435\u043b\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u043c\u043d\u0435\u0435\u00bb. RLHF \u0434\u0435\u043b\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u044c <strong>\u0443\u0434\u043e\u0431\u043d\u0435\u0435 \u0438 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u0435\u0435<\/strong> \u0434\u043b\u044f \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f; \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0437\u043d\u0430\u043d\u0438\u044f \u043f\u0440\u0438\u0445\u043e\u0434\u044f\u0442 \u0432 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u043c \u0441 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u0432\u044b\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u043d\u0438\u044f. \u0414\u043b\u044f V2V RLHF \u0435\u0449\u0451 \u0438 <strong>\u0443\u0447\u0438\u0442 \u043c\u0430\u043d\u0435\u0440\u0435<\/strong> \u2014 \u043a\u0430\u043a \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u044c, \u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0447\u0442\u043e.<\/p>\n<\/blockquote>\n<h4>5.8. \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 turn-taking (\u043e\u0447\u0435\u0440\u0451\u0434\u043d\u043e\u0441\u0442\u044c)<\/h4>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u043f\u043e\u0434\u0437\u0430\u0434\u0430\u0447\u0430 \u2014 <strong>\u043a\u043e\u0433\u0434\u0430 \u043c\u043e\u043b\u0447\u0430\u0442\u044c, \u043a\u043e\u0433\u0434\u0430 \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u044c<\/strong>. \u0427\u0435\u043b\u043e\u0432\u0435\u043a \u043d\u0435 \u0436\u0434\u0451\u0442 \u043f\u043e\u043b\u043d\u043e\u0439 \u0442\u0438\u0448\u0438\u043d\u044b: \u043c\u044b \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u0435\u043c, \u0432\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c \u00ab\u0443\u0433\u0443\u00bb, \u0434\u0435\u043b\u0430\u0435\u043c \u043f\u0430\u0443\u0437\u044b. \u041c\u043e\u0434\u0435\u043b\u0438 \u0443\u0447\u0430\u0442 \u044d\u0442\u043e\u043c\u0443:<\/p>\n<ul>\n<li>\n<p>\u041d\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441 <strong>\u043f\u0435\u0440\u0435\u043a\u0440\u044b\u0432\u0430\u044e\u0449\u0435\u0439\u0441\u044f<\/strong> \u0440\u0435\u0447\u044c\u044e (\u0434\u0432\u0430 \u0441\u043f\u0438\u043a\u0435\u0440\u0430 \u0433\u043e\u0432\u043e\u0440\u044f\u0442 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e).<\/p>\n<\/li>\n<li>\n<p>\u0421 \u044f\u0432\u043d\u044b\u043c\u0438 \u043c\u0435\u0442\u043a\u0430\u043c\u0438: <code>&lt;wait&gt;<\/code>, <code>&lt;speak&gt;<\/code>, <code>&lt;backchannel&gt;<\/code>.<\/p>\n<\/li>\n<li>\n<p>\u0427\u0435\u0440\u0435\u0437 reinforcement: \u0448\u0442\u0440\u0430\u0444 \u0437\u0430 \u043d\u0435\u0443\u043c\u0435\u0441\u0442\u043d\u043e\u0435 \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u043d\u0438\u0435, \u043d\u0430\u0433\u0440\u0430\u0434\u0430 \u0437\u0430 \u0432\u043e\u0432\u0440\u0435\u043c\u044f \u043f\u043e\u0434\u0445\u0432\u0430\u0447\u0435\u043d\u043d\u0443\u044e \u0440\u0435\u043f\u043b\u0438\u043a\u0443.<\/p>\n<\/li>\n<\/ul>\n<p>Moshi \u044f\u0432\u043d\u043e \u043c\u043e\u0434\u0435\u043b\u0438\u0440\u0443\u0435\u0442 full-duplex, \u0430 realtime API \u0432\u0440\u043e\u0434\u0435 OpenAI Realtime \u0438 Gemini Live \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u044e\u0442 turn-taking \u0438 barge-in \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u0441\u0435\u0441\u0441\u0438\u0438. \u0412 \u043e\u0431\u043e\u0438\u0445 \u0441\u043b\u0443\u0447\u0430\u044f\u0445 \u044d\u0442\u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0446\u0435\u043b\u0435\u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0438\u0438, \u0430 \u043d\u0435 \u00ab\u0441\u0430\u043c\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c\u00bb \u0438\u0437 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<h3>6. \u0420\u0435\u0430\u043b\u044c\u043d\u043e\u0435 \u0432\u0440\u0435\u043c\u044f: \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433 \u0438 \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430<\/h3>\n<blockquote>\n<p><em>\u0422\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0439 ChatGPT \u043c\u043e\u0436\u0435\u0442 \u0434\u0443\u043c\u0430\u0442\u044c \u0434\u0432\u0435 \u0441\u0435\u043a\u0443\u043d\u0434\u044b \u2014 \u0432\u044b \u043d\u0435 \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u0435. \u0413\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u043e\u043b\u0447\u0438\u0442 \u043f\u043e\u043b\u0441\u0435\u043a\u0443\u043d\u0434\u044b, \u0443\u0436\u0435 \u043a\u0430\u0436\u0435\u0442\u0441\u044f \u00ab\u0437\u0430\u0432\u0438\u0441\u0448\u0438\u043c\u00bb. \u0412 \u044d\u0442\u043e\u0439 \u0433\u043b\u0430\u0432\u0435 \u2014 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0438\u044f \u043d\u0438\u0437\u043a\u043e\u0439 \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0438: \u0447\u0430\u043d\u043a\u0438, \u043a\u044d\u0448, \u0434\u0443\u043f\u043b\u0435\u043a\u0441 \u0438 \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440 \u0433\u043e\u043b\u043e\u0441\u0430.<\/em><\/p>\n<\/blockquote>\n<h4>6.1. \u041f\u043e\u0447\u0435\u043c\u0443 \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430 \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u0430<\/h4>\n<p>\u0412 \u0436\u0438\u0432\u043e\u043c \u0447\u0435\u043b\u043e\u0432\u0435\u0447\u0435\u0441\u043a\u043e\u043c \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0435 \u043f\u0430\u0443\u0437\u0430 \u043c\u0435\u0436\u0434\u0443 \u0440\u0435\u043f\u043b\u0438\u043a\u0430\u043c\u0438 \u2014 \u043e\u043a\u043e\u043b\u043e 200 \u043c\u0441, \u0438 \u043b\u0438\u043d\u0433\u0432\u0438\u0441\u0442\u044b \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0438, \u0447\u0442\u043e \u044d\u0442\u0430 \u043a\u043e\u043d\u0441\u0442\u0430\u043d\u0442\u0430 \u043d\u0430 \u0443\u0434\u0438\u0432\u043b\u0435\u043d\u0438\u0435 \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u0430 \u0432 \u0440\u0430\u0437\u043d\u044b\u0445 \u044f\u0437\u044b\u043a\u0430\u0445 \u0438 \u043a\u0443\u043b\u044c\u0442\u0443\u0440\u0430\u0445. \u041d\u0430 \u044d\u0442\u043e\u043c \u0444\u043e\u043d\u0435 \u043e\u0440\u0438\u0435\u043d\u0442\u0438\u0440\u044b \u0434\u043b\u044f \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u044b\u0445 \u0438\u043d\u0442\u0435\u0440\u0444\u0435\u0439\u0441\u043e\u0432 \u0432\u044b\u0433\u043b\u044f\u0434\u044f\u0442 \u0442\u0430\u043a:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u0417\u0430\u0434\u0435\u0440\u0436\u043a\u0430<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u041e\u0449\u0443\u0449\u0435\u043d\u0438\u0435 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">&lt; 300 \u043c\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u043e\u0442\u043a\u043b\u0438\u043a<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">300\u2013500 \u043c\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0442\u0435\u0440\u043f\u0438\u043c\u043e, \u043b\u0451\u0433\u043a\u043e\u0435 \u043d\u0430\u043f\u0440\u044f\u0436\u0435\u043d\u0438\u0435<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">500\u20131000 \u043c\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u0434\u0443\u043c\u0430\u0435\u0442\u00bb<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">&gt; 1 \u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440 <strong>\u043b\u043e\u043c\u0430\u0435\u0442\u0441\u044f<\/strong><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041f\u043e\u0440\u043e\u0433 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0432 300 \u043c\u0441 \u044f \u0432 \u0441\u0432\u043e\u0451 \u0432\u0440\u0435\u043c\u044f \u043f\u0440\u043e\u0447\u0443\u0432\u0441\u0442\u0432\u043e\u0432\u0430\u043b \u043d\u0430 \u0436\u0438\u0432\u044b\u0445 \u0437\u0432\u043e\u043d\u043a\u0430\u0445: \u0432\u044b\u0448\u0435 \u043d\u0435\u0433\u043e \u043b\u044e\u0434\u0438 \u0433\u043e\u0432\u043e\u0440\u044f\u0442 \u0441 \u0431\u043e\u0442\u043e\u043c \u043a\u0430\u043a \u0441 \u0440\u0430\u0446\u0438\u0435\u0439 \u2014 \u0434\u043e\u0436\u0438\u0434\u0430\u044e\u0442\u0441\u044f \u043f\u043e\u043b\u043d\u043e\u0439 \u0442\u0438\u0448\u0438\u043d\u044b \u0438 \u0447\u0435\u043a\u0430\u043d\u044f\u0442 \u043a\u043e\u043c\u0430\u043d\u0434\u044b. \u041d\u0438\u0436\u0435 \u2014 \u043d\u0430\u0447\u0438\u043d\u0430\u044e\u0442 \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u0442\u044c, \u043f\u043e\u0434\u0434\u0430\u043a\u0438\u0432\u0430\u0442\u044c \u0438 \u0448\u0443\u0442\u0438\u0442\u044c, \u043a\u0430\u043a \u0441 \u0436\u0438\u0432\u044b\u043c \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a\u043e\u043c.<\/p>\n<p>\u0422\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0439 LLM \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u043f\u043e \u043e\u0434\u043d\u043e\u043c\u0443 \u0442\u043e\u043a\u0435\u043d\u0443 (~20\u201350 \u043c\u0441 \u043d\u0430 \u0442\u043e\u043a\u0435\u043d \u043d\u0430 GPU) \u2014 \u043f\u0435\u0440\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u044f\u0432\u0438\u0442\u044c\u0441\u044f \u0447\u0435\u0440\u0435\u0437 200\u2013500 \u043c\u0441. \u0414\u043b\u044f \u0440\u0435\u0447\u0438 \u043d\u0443\u0436\u043d\u043e <strong>\u0435\u0449\u0451<\/strong> \u0432\u0440\u0435\u043c\u044f \u043d\u0430 \u0441\u0438\u043d\u0442\u0435\u0437 \u0437\u0432\u0443\u043a\u0430 \u0438\u0437 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0435 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u0440\u043e\u0435\u043a\u0442\u0438\u0440\u0443\u044e\u0442 \u0441 \u0440\u0430\u0441\u0447\u0451\u0442\u043e\u043c \u043d\u0430 \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433 \u0441 \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0447\u0430\u043d\u043a\u0430.<\/p>\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/webt\/2c\/e1\/e3\/2ce1e3c3ad295bac267b7459fc6f4be1.png\" alt=\"\u0421\u0442\u0440\u0438\u043c\u0438\u043d\u0433 \u0438 KV-\u043a\u044d\u0448\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/webt\/2c\/e1\/e3\/2ce1e3c3ad295bac267b7459fc6f4be1.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/webt\/2c\/e1\/e3\/2ce1e3c3ad295bac267b7459fc6f4be1.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u0421\u0442\u0440\u0438\u043c\u0438\u043d\u0433 \u0438 KV-\u043a\u044d\u0448<\/figcaption><\/div>\n<\/figure>\n<h4>6.2. \u0427\u0430\u043d\u043a\u043e\u0432\u0430\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430<\/h4>\n<p>\u0412\u043c\u0435\u0441\u0442\u043e \u043e\u0436\u0438\u0434\u0430\u043d\u0438\u044f \u043f\u043e\u043b\u043d\u043e\u0439 \u0444\u0440\u0430\u0437\u044b \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 <strong>\u0447\u0430\u043d\u043a\u0430\u043c\u0438<\/strong> (\u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u0430\u043c\u0438 \u043f\u043e 80\u2013240 \u043c\u0441 \u0430\u0443\u0434\u0438\u043e):<\/p>\n<ol>\n<li>\n<p>\u041c\u0438\u043a\u0440\u043e\u0444\u043e\u043d \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u043e \u0448\u043b\u0451\u0442 \u0447\u0430\u043d\u043a\u0438 \u043f\u043e WebSocket.<\/p>\n<\/li>\n<li>\n<p>\u042d\u043d\u043a\u043e\u0434\u0435\u0440 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043a\u0430\u0436\u0434\u044b\u0439 \u0447\u0430\u043d\u043a \u0432 \u0442\u043e\u043a\u0435\u043d\u044b.<\/p>\n<\/li>\n<li>\n<p>\u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 <strong>\u0434\u043e\u043f\u043e\u043b\u043d\u044f\u0435\u0442<\/strong> \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043d\u043e\u0432\u044b\u043c\u0438 \u0442\u043e\u043a\u0435\u043d\u0430\u043c\u0438.<\/p>\n<\/li>\n<li>\n<p>\u041a\u0430\u043a \u0442\u043e\u043b\u044c\u043a\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u00ab\u0443\u0432\u0435\u0440\u0435\u043d\u0430\u00bb \u2014 \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432\u044b\u0445\u043e\u0434\u043d\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b.<\/p>\n<\/li>\n<li>\n<p>\u0414\u0435\u043a\u043e\u0434\u0435\u0440 \u0441\u0438\u043d\u0442\u0435\u0437\u0438\u0440\u0443\u0435\u0442 \u0437\u0432\u0443\u043a <strong>\u043f\u043e \u043c\u0435\u0440\u0435<\/strong> \u043f\u043e\u0441\u0442\u0443\u043f\u043b\u0435\u043d\u0438\u044f \u0442\u043e\u043a\u0435\u043d\u043e\u0432 (\u043d\u0435 \u0436\u0434\u0451\u0442 \u043a\u043e\u043d\u0446\u0430 \u0444\u0440\u0430\u0437\u044b).<\/p>\n<\/li>\n<\/ol>\n<p>\u0421\u0438\u043c\u0443\u043b\u044f\u0446\u0438\u044f \u0447\u0430\u043d\u043a\u043e\u0432, endpointing \u0438 barge-in \u043d\u0430 Swift \u2014 <a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch06_streaming_chunks.swift\" rel=\"noopener noreferrer nofollow\"><code>ch06_streaming_chunks.swift<\/code><\/a>:<\/p>\n<pre><code class=\"swift\">struct AudioChunk { let durationMs: Int; let rmsEnergy: Double }func isSpeech(_ chunk: AudioChunk, threshold: Double = 0.15) -&gt; Bool {    chunk.rmsEnergy &gt; threshold}\/\/ \u0420\u0435\u0447\u044c \u2192 +10 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 (50 \u0442\u043e\u043a\u0435\u043d\/\u0441). 200 \u043c\u0441 \u0442\u0438\u0448\u0438\u043d\u044b \u043f\u043e\u0441\u043b\u0435 \u0440\u0435\u0447\u0438 \u2192 endpoint:\/\/ \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c \u043e\u0442\u0432\u0435\u0442. \u0420\u0435\u0447\u044c \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u043e\u0442\u0432\u0435\u0442\u0430 \u2192 barge-in: \u0433\u043b\u0443\u0448\u0438\u043c \u0432\u044b\u0432\u043e\u0434, \u0441\u043b\u0443\u0448\u0430\u0435\u043c \u0434\u0430\u043b\u044c\u0448\u0435.<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c:<\/strong> \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433 V2V \u2014 \u044d\u0442\u043e <strong>\u0434\u0432\u043e\u0439\u043d\u0430\u044f \u0430\u0432\u0442\u043e\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f<\/strong>: \u0432\u0445\u043e\u0434 \u043d\u0430\u0440\u0430\u0441\u0442\u0430\u0435\u0442 \u0447\u0430\u043d\u043a \u0437\u0430 \u0447\u0430\u043d\u043a\u043e\u043c, \u0432\u044b\u0445\u043e\u0434 \u2014 \u0442\u043e\u043a\u0435\u043d \u0437\u0430 \u0442\u043e\u043a\u0435\u043d\u043e\u043c. \u041e\u0431\u0430 \u043f\u043e\u0442\u043e\u043a\u0430 \u0438\u0434\u0443\u0442 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e, \u043a\u0430\u043a \u0434\u0432\u0430 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u044b\u0445 \u00ab\u0445\u0432\u043e\u0441\u0442\u0430\u00bb \u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<\/blockquote>\n<h4>6.3. KV-\u043a\u044d\u0448<\/h4>\n<p>\u041f\u0440\u0438 \u043a\u0430\u0436\u0434\u043e\u043c \u043d\u043e\u0432\u043e\u043c \u0432\u0445\u043e\u0434\u043d\u043e\u043c \u0447\u0430\u043d\u043a\u0435 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0443 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e \u0437\u0430\u043d\u043e\u0432\u043e \u0441\u0447\u0438\u0442\u0430\u0442\u044c \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430\u0434 <strong>\u0432\u0441\u0435\u043c<\/strong> \u043f\u0440\u043e\u0448\u043b\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c. \u041a\u043b\u044e\u0447\u0438 (K) \u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f (V) \u043f\u0440\u043e\u0448\u043b\u044b\u0445 \u043f\u043e\u0437\u0438\u0446\u0438\u0439 <strong>\u043a\u044d\u0448\u0438\u0440\u0443\u044e\u0442\u0441\u044f<\/strong> \u2014 \u0442\u0430 \u0436\u0435 \u0442\u0435\u0445\u043d\u0438\u043a\u0430, \u0447\u0442\u043e \u0443\u0441\u043a\u043e\u0440\u044f\u0435\u0442 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 LLM.<\/p>\n<p>\u0411\u0435\u0437 KV-\u043a\u044d\u0448\u0430 \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430 \u0440\u043e\u0441\u043b\u0430 \u0431\u044b \u043b\u0438\u043d\u0435\u0439\u043d\u043e \u0441 \u0434\u043b\u0438\u043d\u043e\u0439 \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0430: \u043a 10-\u0439 \u043c\u0438\u043d\u0443\u0442\u0435 \u0431\u0435\u0441\u0435\u0434\u044b \u043c\u043e\u0434\u0435\u043b\u044c \u0431\u044b \u00ab\u0437\u0430\u0432\u0438\u0441\u0430\u043b\u0430\u00bb. \u0421 \u043a\u044d\u0448\u0435\u043c \u2014 \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043d\u043e\u0432\u043e\u0433\u043e \u0447\u0430\u043d\u043a\u0430 <strong>\u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u0430<\/strong> (\u043f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u0430 \u0434\u043b\u0438\u043d\u0435 \u0447\u0430\u043d\u043a\u0430, \u0430 \u043d\u0435 \u0432\u0441\u0435\u0433\u043e \u0434\u0438\u0430\u043b\u043e\u0433\u0430).<\/p>\n<p>\u041e\u0446\u0435\u043d\u043a\u0430 \u043f\u0430\u043c\u044f\u0442\u0438 \u043d\u0430 \u043e\u0434\u043d\u0443 \u0441\u0435\u0441\u0441\u0438\u044e \u2014 <a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch06_kv_cache_size.swift\" rel=\"noopener noreferrer nofollow\"><code>ch06_kv_cache_size.swift<\/code><\/a>:<\/p>\n<pre><code class=\"swift\">let kvBytes = 2 * numLayers * numHeads * headDim * seqLen * bytesPerFloat\/\/ \u0414\u043b\u044f 32 \u0441\u043b\u043e\u0451\u0432, \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 4096, fp16 \u2192 ~2 \u0413\u0411 \u043d\u0430 \u0441\u0435\u0441\u0441\u0438\u044e<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<blockquote>\n<p>\ud83d\udee0\ufe0f <strong>\u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430: \u043e\u0446\u0435\u043d\u043a\u0430 \u043f\u0430\u043c\u044f\u0442\u0438 KV-\u043a\u044d\u0448\u0430.<\/strong> \u041f\u0430\u043c\u044f\u0442\u044c \u2248 <img decoding=\"async\" class=\"formula inline\" source=\"2 \\times n_{layers} \\times n_{heads} \\times d_{head} \\times seq\\_len \\times bytes\" alt=\"2 \\times n_{layers} \\times n_{heads} \\times d_{head} \\times seq\\_len \\times bytes\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0e\/0e8\/0e8825688900b945414991a753c1b935.svg\" width=\"344\" height=\"16\" data-width=\"43.564\" data-height=\"2.364\" data-vertical-align=\"-0.616\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0e\/0e8\/0e8825688900b945414991a753c1b935.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0e\/0e8\/0e8825688900b945414991a753c1b935.svg 781w\" loading=\"lazy\" decode=\"async\"\/>. \u0414\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0438 7B, \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 4096 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, fp16: \u043f\u043e\u0440\u044f\u0434\u043a\u0430 <strong>1\u20132 \u0413\u0411<\/strong> \u043d\u0430 \u0441\u0435\u0441\u0441\u0438\u044e; \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441 GQA (\u0433\u0440\u0443\u043f\u043f\u044b \u0433\u043e\u043b\u043e\u0432 \u0434\u0435\u043b\u044f\u0442 \u043e\u0434\u043d\u0443 \u043f\u0430\u0440\u0443 K\/V) \u0443\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u044e\u0442\u0441\u044f \u0432 4\u20138 \u0440\u0430\u0437 \u043c\u0435\u043d\u044c\u0448\u0435. \u0414\u043b\u044f \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0430 \u0441 \u0442\u044b\u0441\u044f\u0447\u0430\u043c\u0438 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u0437\u0432\u043e\u043d\u043a\u043e\u0432 \u044d\u0442\u043e \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b \u043d\u0435 \u043c\u0435\u043d\u044c\u0448\u0435, \u0447\u0435\u043c FLOPs.<\/p>\n<\/blockquote>\n<h4>6.4. VAD \u0438 endpointing<\/h4>\n<p><strong>VAD<\/strong> (<em>voice activity detection<\/em>) \u2014 \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442 \u0440\u0435\u0447\u044c \u043e\u0442 \u0442\u0438\u0448\u0438\u043d\u044b \u0438 \u0448\u0443\u043c\u0430. <strong>Endpointing<\/strong> \u2014 \u0440\u0435\u0448\u0435\u043d\u0438\u0435 \u00ab\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u0437\u0430\u043a\u043e\u043d\u0447\u0438\u043b \u0444\u0440\u0430\u0437\u0443, \u043f\u043e\u0440\u0430 \u043e\u0442\u0432\u0435\u0447\u0430\u0442\u044c\u00bb.<\/p>\n<p>\u0412 \u043a\u0430\u0441\u043a\u0430\u0434\u043d\u044b\u0445 \u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0445 endpointing \u0442\u0440\u0438\u0432\u0438\u0430\u043b\u0435\u043d: ASR \u0441\u043e\u043e\u0431\u0449\u0430\u0435\u0442 \u00ab\u0444\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u00bb. \u0412 \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0445 V2V \u0432\u0441\u0451 \u0441\u043b\u043e\u0436\u043d\u0435\u0435:<\/p>\n<ul>\n<li>\n<p>\u041f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043f\u0430\u0443\u0437\u0443 <strong>\u0432\u043d\u0443\u0442\u0440\u0438<\/strong> \u043c\u044b\u0441\u043b\u0438 \u2014 \u0440\u0430\u043d\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0442\u044c.<\/p>\n<\/li>\n<li>\n<p>\u041f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 <strong>\u0435\u0449\u0451 \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u044c<\/strong> \u2014 \u043d\u0435\u043b\u044c\u0437\u044f \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u0442\u044c (\u0438\u043b\u0438 \u043c\u043e\u0436\u043d\u043e, \u0435\u0441\u043b\u0438 \u0434\u0443\u043f\u043b\u0435\u043a\u0441).<\/p>\n<\/li>\n<\/ul>\n<p>\u0421\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u043a\u043e\u043c\u0431\u0438\u043d\u0438\u0440\u0443\u044e\u0442:<\/p>\n<ul>\n<li>\n<p>\u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0439 VAD (\u044d\u043d\u0435\u0440\u0433\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430, Silero VAD);<\/p>\n<\/li>\n<li>\n<p><strong>learned endpointing<\/strong> \u2014 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u043d\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u0430\u0445 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430;<\/p>\n<\/li>\n<li>\n<p>\u043f\u0440\u0430\u0432\u0438\u043b\u0430 (\u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u043f\u0430\u0443\u0437\u0430 300 \u043c\u0441, \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u043e\u0436\u0438\u0434\u0430\u043d\u0438\u0435 2 \u0441).<\/p>\n<\/li>\n<\/ul>\n<h4>6.5. \u0414\u0443\u043f\u043b\u0435\u043a\u0441 \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0435<\/h4>\n<p>\u041d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0439 full-duplex (Moshi) \u2014 \u044d\u0442\u0430\u043b\u043e\u043d \u0436\u0438\u0432\u043e\u0433\u043e overlap-\u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0430, \u043d\u043e \u043c\u043d\u043e\u0433\u0438\u0435 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d-API 2025\u20132026 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u043a\u0430\u043a realtime S2S \u0441 \u0431\u044b\u0441\u0442\u0440\u044b\u043c \u043f\u0435\u0440\u0435\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435\u043c:<\/p>\n<ul>\n<li>\n<p>\u041f\u043e\u043a\u0430 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u0433\u043e\u0432\u043e\u0440\u0438\u0442 \u2014 \u043c\u043e\u0434\u0435\u043b\u044c <strong>\u0441\u043b\u0443\u0448\u0430\u0435\u0442<\/strong> (\u043d\u0430\u043a\u0430\u043f\u043b\u0438\u0432\u0430\u0435\u0442 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442).<\/p>\n<\/li>\n<li>\n<p>\u041a\u043e\u0433\u0434\u0430 VAD \u0444\u0438\u043a\u0441\u0438\u0440\u0443\u0435\u0442 \u043a\u043e\u043d\u0435\u0446 \u0444\u0440\u0430\u0437\u044b \u2014 \u043c\u043e\u0434\u0435\u043b\u044c <strong>\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442<\/strong> \u043e\u0442\u0432\u0435\u0442.<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u043b\u0438 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u0435\u0442 \u2014 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f <strong>\u043f\u0440\u0435\u0440\u044b\u0432\u0430\u0435\u0442\u0441\u044f<\/strong>, \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043e\u0431\u043d\u043e\u0432\u043b\u044f\u0435\u0442\u0441\u044f.<\/p>\n<\/li>\n<\/ul>\n<p>OpenAI Realtime API \u0438 Gemini Live API \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u044e\u0442 barge-in\/interrupt: \u043a\u043b\u0438\u0435\u043d\u0442 \u0438\u043b\u0438 \u0441\u0435\u0441\u0441\u0438\u044f \u043c\u043e\u0433\u0443\u0442 \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u044c \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043e\u0442\u0432\u0435\u0442\u0430 \u043f\u0440\u0438 \u043d\u043e\u0432\u043e\u043c \u0432\u0445\u043e\u0434\u044f\u0449\u0435\u043c \u0430\u0443\u0434\u0438\u043e. \u042d\u0442\u043e \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u043d\u044b\u0439 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441 \u043c\u0435\u0436\u0434\u0443 \u0438\u0441\u0442\u0438\u043d\u043d\u044b\u043c full-duplex \u0438 \u043d\u0430\u0434\u0451\u0436\u043d\u043e\u0441\u0442\u044c\u044e.<\/p>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u043f\u0443\u0442\u0430\u0442\u044c <strong>\u043b\u0430\u0442\u0435\u043d\u0442\u043d\u043e\u0441\u0442\u044c \u0441\u0435\u0442\u0438<\/strong> \u0441 <strong>\u043b\u0430\u0442\u0435\u043d\u0442\u043d\u043e\u0441\u0442\u044c\u044e \u043c\u043e\u0434\u0435\u043b\u0438<\/strong>. WebSocket \u0438\u0437 \u0415\u0432\u0440\u043e\u043f\u044b \u0432 US-east \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442 80\u2013150 \u043c\u0441 RTT. \u0414\u043b\u044f V2V \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u043e \u0440\u0430\u0437\u043c\u0435\u0449\u0430\u0442\u044c inference <strong>\u0431\u043b\u0438\u0437\u043a\u043e \u043a \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044e<\/strong> \u0438\u043b\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c edge-\u043d\u043e\u0434\u044b. 200 \u043c\u0441 \u043c\u043e\u0434\u0435\u043b\u0438 + 150 \u043c\u0441 \u0441\u0435\u0442\u0438 = \u0443\u0436\u0435 350 \u043c\u0441 \u2014 \u043d\u0430 \u0433\u0440\u0430\u043d\u0438 \u043a\u043e\u043c\u0444\u043e\u0440\u0442\u0430.<\/p>\n<\/blockquote>\n<h3>7. \u041f\u0440\u0438\u043c\u0435\u0440\u044b \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u2014 \u043a\u0442\u043e \u0435\u0441\u0442\u044c \u043a\u0442\u043e<\/h3>\n<blockquote>\n<p><em>\u0422\u0435\u043e\u0440\u0438\u044f \u0431\u0435\u0437 \u0438\u043c\u0451\u043d \u2014 \u0430\u0431\u0441\u0442\u0440\u0430\u043a\u0446\u0438\u044f. \u0417\u0434\u0435\u0441\u044c \u2014 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u0438\u043b\u0438 \u0438\u043d\u0442\u0435\u0433\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0447\u0435\u0440\u0435\u0437 API. \u0414\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0439 \u2014 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430, \u0441\u0438\u043b\u044c\u043d\u044b\u0435 \u0441\u0442\u043e\u0440\u043e\u043d\u044b \u0438 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f.<\/em><\/p>\n<\/blockquote>\n<h4>7.1. OpenAI Realtime API: gpt-realtime \u0438 GPT-Realtime-2<\/h4>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\n<\/th>\n<th>\n<p align=\"left\">\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">C (\u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 realtime speech-to-speech)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0412\u0445\u043e\u0434\/\u0432\u044b\u0445\u043e\u0434<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0430\u0443\u0434\u0438\u043e \u2194 \u0430\u0443\u0434\u0438\u043e, \u043f\u043b\u044e\u0441 \u0442\u0435\u043a\u0441\u0442 \u0438 tool calls \u0432 \u0442\u043e\u0439 \u0436\u0435 \u0441\u0435\u0441\u0441\u0438\u0438<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041c\u043e\u0434\u0435\u043b\u0438<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>gpt-realtime<\/code>; \u0441 \u043c\u0430\u044f 2026 \u2014 GPT-Realtime-2, GPT-Realtime-Translate, GPT-Realtime-Whisper<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0414\u043e\u0441\u0442\u0443\u043f<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">API (WebRTC, WebSocket, SIP)<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041e\u0434\u043d\u0430 \u0438\u0437 \u043f\u0435\u0440\u0432\u044b\u0445 <strong>\u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d-ready<\/strong> \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0445 V2V-\u0441\u0438\u0441\u0442\u0435\u043c. Realtime API \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442 \u0438 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0430\u0443\u0434\u0438\u043e \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u0447\u0435\u0440\u0435\u0437 \u043e\u0434\u043d\u0443 \u043c\u043e\u0434\u0435\u043b\u044c\/API \u2014 \u0431\u0435\u0437 \u044f\u0432\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440\u0430 ASR \u2192 LLM \u2192 TTS \u0432 \u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0435. \u041f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 function calling \u0433\u043e\u043b\u043e\u0441\u043e\u043c, \u043f\u0435\u0440\u0435\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435 \u044f\u0437\u044b\u043a\u0430, \u043f\u0440\u0435\u0440\u044b\u0432\u0430\u043d\u0438\u0435 \u043e\u0442\u0432\u0435\u0442\u0430 \u0438 \u0440\u0430\u0431\u043e\u0442\u0443 \u0441 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435\u043c \u0441\u0435\u0441\u0441\u0438\u0438. GPT-Realtime-2 \u0434\u043e\u0431\u0430\u0432\u0438\u043b \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435 GPT-5-\u043a\u043b\u0430\u0441\u0441\u0430, \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 128k \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0438 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0435 \u0432\u044b\u0437\u043e\u0432\u044b \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u043f\u0440\u044f\u043c\u043e \u043f\u043e\u0441\u0440\u0435\u0434\u0438 \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0430.<\/p>\n<p><strong>\u0414\u043b\u044f \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0430:<\/strong> \u0432 WebSocket-\u0440\u0435\u0436\u0438\u043c\u0435 \u0441\u0435\u0441\u0441\u0438\u044f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0441\u043e\u0431\u044b\u0442\u0438\u044f \u0432\u0440\u043e\u0434\u0435 <code>input_audio_buffer.append<\/code> \u0438 <code>response.output_audio.delta<\/code>; \u0434\u043b\u044f \u0431\u0440\u0430\u0443\u0437\u0435\u0440\u043d\u044b\u0445 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u044b\u0445 \u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u043e\u0431\u044b\u0447\u043d\u043e \u0443\u0434\u043e\u0431\u043d\u0435\u0435 WebRTC. \u0412\u0430\u0436\u043d\u043e: \u044d\u0442\u043e realtime S2S \u0441 barge-in, \u043d\u043e \u043d\u0435 \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e full-duplex \u0432 \u0441\u043c\u044b\u0441\u043b\u0435 Moshi.<\/p>\n<blockquote>\n<p>\ud83d\udcda <strong>\u0421\u0441\u044b\u043b\u043a\u0438:<\/strong> <a href=\"https:\/\/developers.openai.com\/api\/docs\/guides\/realtime\" rel=\"noopener noreferrer nofollow\">OpenAI Realtime API docs<\/a>, <a href=\"https:\/\/openai.com\/index\/advancing-voice-intelligence-with-new-models-in-the-api\/\" rel=\"noopener noreferrer nofollow\">\u0430\u043d\u043e\u043d\u0441 GPT-Realtime-2, -Translate \u0438 -Whisper<\/a> (\u043c\u0430\u0439 2026).<\/p>\n<\/blockquote>\n<h4>7.2. Google Gemini Live API<\/h4>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\n<\/th>\n<th>\n<p align=\"left\">\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">C (\u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 \u043c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u044b\u0439)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0412\u0445\u043e\u0434\/\u0432\u044b\u0445\u043e\u0434<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0430\u0443\u0434\u0438\u043e + \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f\/\u043a\u0430\u0434\u0440\u044b + \u0442\u0435\u043a\u0441\u0442 \u2194 \u0430\u0443\u0434\u0438\u043e<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041c\u043e\u0434\u0435\u043b\u0438<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u043e Live API; \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440 <code>gemini-3.1-flash-live-preview<\/code> \u0432 2026<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u044c<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c; <strong>affective dialog<\/strong> (2.5 Live); style control<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0414\u043e\u0441\u0442\u0443\u043f<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">Gemini API, Google AI Studio, \u043f\u0440\u0438\u043b\u043e\u0436\u0435\u043d\u0438\u0435 Gemini<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>Gemini Live API \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 <strong>\u0430\u0443\u0434\u0438\u043e, \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f \u0438 \u0442\u0435\u043a\u0441\u0442<\/strong> \u0432 \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u043e\u0439 \u0441\u0435\u0441\u0441\u0438\u0438 \u2014 \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u044c \u043e\u0431\u044a\u0435\u043a\u0442 \u0438\u043b\u0438 \u044d\u043a\u0440\u0430\u043d \u0438 \u0441\u043f\u0440\u043e\u0441\u0438\u0442\u044c \u0433\u043e\u043b\u043e\u0441\u043e\u043c. \u041c\u043e\u0434\u0435\u043b\u044c \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0430\u0435\u0442 \u0438 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0440\u0435\u0447\u044c <strong>\u043d\u0430\u0442\u0438\u0432\u043d\u043e \u0432 \u0430\u0443\u0434\u0438\u043e<\/strong> \u2014 \u043d\u0435 \u0447\u0435\u0440\u0435\u0437 ASR\u2192TTS \u0432 \u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0435.<\/p>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u0441\u0438\u043b\u044c\u043d\u0430\u044f \u0441\u0442\u043e\u0440\u043e\u043d\u0430 \u2014 <strong>\u044d\u043c\u043e\u0446\u0438\u0438 \u0438 \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f<\/strong>: \u0440\u0435\u0436\u0438\u043c <em>affective dialog<\/em> (\u0432 Gemini 2.5 Flash Live) \u043f\u043e\u0434\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u0442 \u0441\u0442\u0438\u043b\u044c \u043e\u0442\u0432\u0435\u0442\u0430 \u043f\u043e\u0434 \u0442\u043e\u043d \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f; <em>style control<\/em> \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0437\u0430\u0434\u0430\u0432\u0430\u0442\u044c \u0430\u043a\u0446\u0435\u043d\u0442, \u0448\u0451\u043f\u043e\u0442 \u0438 \u0432\u044b\u0440\u0430\u0437\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c. \u041f\u043e\u0434\u0440\u043e\u0431\u043d\u043e \u2014 \u0432 \u0440\u0430\u0437\u0434\u0435\u043b\u0435 8.<\/p>\n<blockquote>\n<p>\ud83d\udcda <strong>\u0421\u0441\u044b\u043b\u043a\u0438:<\/strong> <a href=\"https:\/\/ai.google.dev\/gemini-api\/docs\/live-api\" rel=\"noopener noreferrer nofollow\">Gemini Live API docs<\/a>, <a href=\"https:\/\/ai.google.dev\/gemini-api\/docs\/live-api\/capabilities#affective-dialog\" rel=\"noopener noreferrer nofollow\">Affective dialog<\/a>, <a href=\"https:\/\/blog.google\/innovation-and-ai\/models-and-research\/google-deepmind\/gemini-2-5-native-audio\/\" rel=\"noopener noreferrer nofollow\">Native audio capabilities<\/a>.<\/p>\n<\/blockquote>\n<h4>7.3. Moshi (Kyutai)<\/h4>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\n<\/th>\n<th>\n<p align=\"left\">\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">C (\u043f\u043e\u043b\u043d\u044b\u0439 \u0434\u0443\u043f\u043b\u0435\u043a\u0441)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">~7B<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041a\u043e\u0434\u0435\u043a<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">Mimi (12.5 \u0413\u0446; \u043f\u0435\u0440\u0432\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c RVQ \u2014 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041b\u0438\u0446\u0435\u043d\u0437\u0438\u044f<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043a\u043e\u0434 MIT\/Apache 2.0, \u0432\u0435\u0441\u0430 CC-BY 4.0<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0414\u043e\u0441\u0442\u0443\u043f<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><a href=\"https:\/\/moshi.chat\" rel=\"noopener noreferrer nofollow\">moshi.chat<\/a>, \u0432\u0435\u0441\u0430 \u043d\u0430 Hugging Face<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>Moshi \u2014 \u043e\u0434\u0438\u043d \u0438\u0437 \u0433\u043b\u0430\u0432\u043d\u044b\u0445 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 \u0440\u0435\u0444\u0435\u0440\u0435\u043d\u0441\u043e\u0432 <strong>\u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u0433\u043e full-duplex<\/strong>. \u041c\u043e\u0434\u0435\u043b\u044c \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0441\u0432\u043e\u044e \u0440\u0435\u0447\u044c, \u043f\u043e\u043a\u0430 \u0441\u043b\u0443\u0448\u0430\u0435\u0442 \u0432\u0430\u0448\u0443, \u0438 \u0434\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0438\u0440\u0443\u0435\u0442 backchanneling (\u00abhm\u00bb, \u00abok\u00bb). \u041f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0430 \u043d\u0430 ~7 \u043c\u043b\u043d \u0447\u0430\u0441\u043e\u0432 \u0430\u0443\u0434\u0438\u043e, \u0437\u0430\u0442\u0435\u043c \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0430 \u043d\u0430 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0445 \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u043d\u044b\u0445 \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0430\u0445 (\u043a\u043e\u0440\u043f\u0443\u0441 Fisher) \u0438 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0434\u0438\u0430\u043b\u043e\u0433\u0430\u0445.<\/p>\n<p><strong>\u0421\u0438\u043b\u044c\u043d\u044b\u0435 \u0441\u0442\u043e\u0440\u043e\u043d\u044b:<\/strong> \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0432\u0435\u0441\u0430, \u043c\u043e\u0436\u043d\u043e \u0438\u0437\u0443\u0447\u0430\u0442\u044c \u0438 \u0434\u043e\u043e\u0431\u0443\u0447\u0430\u0442\u044c. <strong>\u0421\u043b\u0430\u0431\u043e\u0441\u0442\u0438:<\/strong> \u0443\u0441\u0442\u0443\u043f\u0430\u0435\u0442 \u0437\u0430\u043a\u0440\u044b\u0442\u044b\u043c API \u043f\u043e \u043e\u0431\u0449\u0438\u043c \u0437\u043d\u0430\u043d\u0438\u044f\u043c \u0438 \u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044e \u0441\u043b\u043e\u0436\u043d\u044b\u043c \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f\u043c.<\/p>\n<blockquote>\n<p>\ud83d\udcda <strong>\u0421\u0441\u044b\u043b\u043a\u0438:<\/strong> \u0441\u0442\u0430\u0442\u044c\u044f <em>Moshi: a speech-text foundation model for real-time dialogue<\/em> (Kyutai, 2024), <a href=\"https:\/\/github.com\/kyutai-labs\/moshi\" rel=\"noopener noreferrer nofollow\">\u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439 Moshi<\/a>.<\/p>\n<\/blockquote>\n<h4>7.4. Sesame CSM (Conversational Speech Model)<\/h4>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\n<\/th>\n<th>\n<p align=\"left\">\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">B (\u0442\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041a\u043e\u0434\u0435\u043a<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">Mimi (12.5 \u0413\u0446)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">RQ-Transformer: backbone \u043d\u0430 0-\u043c codebook + decoder \u043d\u0430 \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0435 \u0443\u0440\u043e\u0432\u043d\u0438<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0420\u0430\u0437\u043c\u0435\u0440\u044b<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0439 \u0447\u0435\u043a\u043f\u043e\u0439\u043d\u0442 CSM-1B; \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u043e\u0432\u044b\u0435 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u044b \u043c\u043e\u0433\u0443\u0442 \u043e\u0442\u043b\u0438\u0447\u0430\u0442\u044c\u0441\u044f<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041b\u0438\u0446\u0435\u043d\u0437\u0438\u044f<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">Apache 2.0 (\u043a\u043e\u0434 \u043d\u0430 GitHub, \u0432\u0435\u0441\u0430 \u043d\u0430 Hugging Face: <code>sesame\/csm-1b<\/code>)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0414\u043e\u0441\u0442\u0443\u043f<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><a href=\"https:\/\/www.sesame.com\" rel=\"noopener noreferrer nofollow\">sesame.com<\/a>, <code>SesameAILabs\/csm<\/code><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>Sesame (2025) \u0441\u0442\u0440\u043e\u0438\u0442 \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441 \u0430\u043a\u0446\u0435\u043d\u0442\u043e\u043c \u043d\u0430 <strong>\u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044e<\/strong> \u2014 \u043f\u0430\u0443\u0437\u044b, \u0432\u0437\u0434\u043e\u0445\u0438, \u044d\u043c\u043e\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0442\u0435\u043d\u043a\u0438. \u041e\u0442\u043a\u0440\u044b\u0442\u044b\u0439 CSM \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 RVQ-\u043a\u043e\u0434\u044b Mimi \u0438\u0437 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0433\u043e \u0438 \u0430\u0443\u0434\u0438\u043e\u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430: Llama-backbone \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u043e\u0441\u043d\u043e\u0432\u043d\u0443\u044e \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c, \u0430 \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u044b\u0439 audio-decoder \u0434\u043e\u0431\u0438\u0440\u0430\u0435\u0442 \u0430\u0443\u0434\u0438\u043e\u043a\u043e\u0434\u044b. \u042d\u0442\u043e \u0441\u043d\u0438\u0436\u0430\u0435\u0442 \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0443 \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u00ab\u043f\u043b\u043e\u0441\u043a\u0438\u043c\u00bb \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435\u043c \u0432\u0441\u0435\u0445 \u0443\u0440\u043e\u0432\u043d\u0435\u0439 \u043a\u043e\u0434\u0435\u043a\u0430 \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u0448\u0430\u0433\u0435.<\/p>\n<blockquote>\n<p>\ud83d\udee0\ufe0f <strong>\u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430:<\/strong> CSM \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043d\u043e-\u0443\u043c\u0435\u0441\u0442\u043d\u0443\u044e \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044e, \u043d\u043e <strong>\u043d\u0435 \u043c\u043e\u0434\u0435\u043b\u0438\u0440\u0443\u0435\u0442 \u043f\u043e\u043b\u043d\u044b\u0439 \u0434\u0443\u043f\u043b\u0435\u043a\u0441<\/strong> (\u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u043d\u0438\u044f, overlap) \u2014 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043d\u0443\u0436\u043d\u044b \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u043a\u043b\u0430\u0441\u0441\u0430 Moshi. \u0421\u043c. <a href=\"https:\/\/github.com\/SesameAILabs\/csm\" rel=\"noopener noreferrer nofollow\">SesameAILabs\/csm<\/a>.<\/p>\n<\/blockquote>\n<h4>7.5. \u041a\u0430\u0441\u043a\u0430\u0434\u043d\u044b\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b (\u0431\u0430\u0437\u043e\u0432\u0430\u044f \u043b\u0438\u043d\u0438\u044f)<\/h4>\n<p>\u041d\u0435 \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0435 V2V, \u043d\u043e \u0434\u043e \u0441\u0438\u0445 \u043f\u043e\u0440 <strong>\u043e\u0441\u043d\u043e\u0432\u0430 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0430<\/strong>:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u041a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u041f\u0440\u0438\u043c\u0435\u0440\u044b<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">ASR<\/p>\n<\/td>\n<td>\n<p align=\"left\">OpenAI Whisper, Deepgram, Google STT<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">LLM<\/p>\n<\/td>\n<td>\n<p align=\"left\">GPT-\u043a\u043b\u0430\u0441\u0441\u0430, Claude, Gemini (\u0442\u0435\u043a\u0441\u0442)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">TTS<\/p>\n<\/td>\n<td>\n<p align=\"left\">ElevenLabs, Cartesia, OpenAI TTS, PlayHT<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u0421\u0432\u044f\u0437\u043a\u0430 Whisper + GPT-\u043a\u043b\u0430\u0441\u0441\u0430 + ElevenLabs \u2014 \u0440\u0430\u0431\u043e\u0447\u0438\u0439 V2V-\u043f\u0440\u043e\u0442\u043e\u0442\u0438\u043f \u0437\u0430 \u0434\u0435\u043d\u044c \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u043a\u0438. \u0417\u0430\u0434\u0435\u0440\u0436\u043a\u0430 \u0432\u044b\u0448\u0435, \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u044f \u0431\u0435\u0434\u043d\u0435\u0435 \u2014 \u043d\u043e \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u043e\u0441\u0442\u044c \u0438 \u043b\u043e\u0433\u0438\u0440\u0443\u0435\u043c\u043e\u0441\u0442\u044c \u0432\u044b\u0448\u0435. \u0421 \u0442\u0430\u043a\u043e\u0439 \u0441\u0432\u044f\u0437\u043a\u0438 \u043d\u0430\u0447\u0438\u043d\u0430\u043b\u0441\u044f \u043d\u0435 \u043e\u0434\u0438\u043d \u043c\u043e\u0439 \u043f\u0440\u043e\u0434. \u041c\u0438\u0433\u0440\u0438\u0440\u0443\u044e\u0442 \u043f\u043e\u0442\u043e\u043c \u043f\u043e \u043a\u0443\u0441\u043e\u0447\u043a\u0443: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433\u043e\u0432\u044b\u0439 TTS, \u043f\u043e\u0442\u043e\u043c \u0431\u043e\u043b\u0435\u0435 \u0431\u044b\u0441\u0442\u0440\u044b\u0439 ASR \u2014 \u043f\u043e\u043a\u0430 \u043d\u0435 \u0443\u043f\u0440\u0451\u0448\u044c\u0441\u044f \u0432 \u043f\u043e\u0442\u043e\u043b\u043e\u043a \u0441\u0430\u043c\u043e\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b.<\/p>\n<h4>7.6. \u0418\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u0441\u043a\u0438\u0435 \u043f\u0440\u0435\u0434\u0448\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u0438\u043a\u0438<\/h4>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u041c\u043e\u0434\u0435\u043b\u044c<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0413\u043e\u0434<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0412\u043a\u043b\u0430\u0434<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>AudioLM<\/strong> (Google)<\/p>\n<\/td>\n<td>\n<p align=\"left\">2022<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0438\u0435\u0440\u0430\u0440\u0445\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 \u0440\u0435\u0447\u0435\u0432\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>VALL-E<\/strong> (Microsoft)<\/p>\n<\/td>\n<td>\n<p align=\"left\">2023<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043a\u043b\u043e\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0433\u043e\u043b\u043e\u0441\u0430 \u0437\u0430 3 \u0441 \u0430\u0443\u0434\u0438\u043e<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>Voicebox<\/strong> (Meta)<\/p>\n<\/td>\n<td>\n<p align=\"left\">2023<\/p>\n<\/td>\n<td>\n<p align=\"left\">flow-matching \u0434\u043b\u044f TTS, \u043d\u0435 \u0430\u0432\u0442\u043e\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>SpeechGPT<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">2023<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u043e\u043d\u043d\u044b\u0439 fine-tuning \u0440\u0435\u0447\u0435\u0432\u043e\u0439 LM<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>SeamlessM4T<\/strong> (Meta)<\/p>\n<\/td>\n<td>\n<p align=\"left\">2023<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0440\u0435\u0447\u044c-to-\u0440\u0435\u0447\u044c \u043f\u0435\u0440\u0435\u0432\u043e\u0434<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>Ultravox<\/strong> (Fixie)<\/p>\n<\/td>\n<td>\n<p align=\"left\">2024<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043e\u0442\u043a\u0440\u044b\u0442\u0430\u044f speech LLM: \u0441\u043b\u044b\u0448\u0438\u0442 \u0440\u0435\u0447\u044c \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e, \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0442\u0435\u043a\u0441\u0442\u043e\u043c (\u0437\u0432\u0443\u043a \u2014 \u0447\u0435\u0440\u0435\u0437 TTS)<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u042d\u0442\u0438 \u0440\u0430\u0431\u043e\u0442\u044b \u0437\u0430\u043b\u043e\u0436\u0438\u043b\u0438 \u0442\u0435\u0445\u043d\u0438\u043a\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0432\u043e\u0448\u043b\u0438 \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d 2024\u20132025.<\/p>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c:<\/strong> \u043b\u0430\u043d\u0434\u0448\u0430\u0444\u0442 V2V \u0432 2026 \u2014 <strong>\u0442\u0440\u0438 \u0441\u043b\u043e\u044f<\/strong>: \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 (Moshi, Ultravox, Sesame CSM), \u0437\u0430\u043a\u0440\u044b\u0442\u044b\u0435 realtime API (OpenAI, Google), \u0438 \u043a\u0430\u0441\u043a\u0430\u0434\u044b \u0438\u0437 \u043b\u0443\u0447\u0448\u0438\u0445 \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u043e\u0432. \u0414\u043b\u044f \u043f\u0440\u043e\u0442\u043e\u0442\u0438\u043f\u0430 \u043d\u0430\u0447\u043d\u0438\u0442\u0435 \u0441 \u043a\u0430\u0441\u043a\u0430\u0434\u0430; \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u0430 \u00ab\u043a\u0430\u043a \u0432 \u0444\u0438\u043b\u044c\u043c\u0435\u00bb \u2014 \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 realtime API, \u0430 \u0434\u043b\u044f overlap-\u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440\u0430 \u0438\u0449\u0438\u0442\u0435 \u0438\u043c\u0435\u043d\u043d\u043e full-duplex \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443.<\/p>\n<\/blockquote>\n<h3>8. \u042d\u043c\u043e\u0446\u0438\u0438 \u0438 \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f \u2014 \u043a\u0430\u043a V2V \u00ab\u0447\u0443\u0432\u0441\u0442\u0432\u0443\u0435\u0442\u00bb \u0442\u043e\u043d<\/h3>\n<blockquote>\n<p><em>\u00ab\u0421\u043f\u0430\u0441\u0438\u0431\u043e\u00bb \u2014 \u043e\u0434\u043d\u043e \u0441\u043b\u043e\u0432\u043e. \u041d\u043e \u00ab\u0421\u043f\u0430-\u0441\u0438-\u0431\u043e\u00bb \u0441 \u0432\u043e\u0441\u0442\u043e\u0440\u0433\u043e\u043c \u0438 \u00ab\u0441\u043f\u0430\u0441\u0438\u0431\u043e\u2026\u00bb \u0441 \u0443\u0441\u0442\u0430\u043b\u043e\u0441\u0442\u044c\u044e \u2014 \u0434\u043b\u044f \u0443\u0445\u0430 \u044d\u0442\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0440\u0435\u043f\u043b\u0438\u043a\u0438. \u0422\u0435\u043a\u0441\u0442\u043e\u0432\u0430\u044f LLM \u0432\u0438\u0434\u0438\u0442 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u044b\u0435 \u0431\u0443\u043a\u0432\u044b; \u0445\u043e\u0440\u043e\u0448\u0430\u044f V2V-\u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043b\u044b\u0448\u0438\u0442 \u0440\u0430\u0437\u043d\u0438\u0446\u0443 \u0438 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e. \u0412 \u044d\u0442\u043e\u0439 \u0433\u043b\u0430\u0432\u0435 \u2014 \u043e\u0442\u043a\u0443\u0434\u0430 \u0431\u0435\u0440\u0451\u0442\u0441\u044f \u044d\u043c\u043e\u0446\u0438\u044f \u0432 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u043c AI \u0438 \u043f\u043e\u0447\u0435\u043c\u0443 Gemini Live \u0432\u044b\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f \u0440\u0435\u0436\u0438\u043c\u043e\u043c affective dialog.<\/em><\/p>\n<\/blockquote>\n<h4>8.1. \u0421\u043c\u044b\u0441\u043b, \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f, \u044d\u043c\u043e\u0446\u0438\u044f \u2014 \u043d\u0435 \u043f\u0443\u0442\u0430\u0442\u044c<\/h4>\n<p>\u0412 \u0440\u0435\u0447\u0438 \u0435\u0441\u0442\u044c \u0442\u0440\u0438 \u0441\u043b\u043e\u044f, \u0438 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u0441 \u043a\u0430\u0436\u0434\u044b\u043c \u043f\u043e-\u0441\u0432\u043e\u0435\u043c\u0443:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u0421\u043b\u043e\u0439<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0427\u0442\u043e \u044d\u0442\u043e<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u041f\u0440\u0438\u043c\u0435\u0440<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u0421\u0435\u043c\u0430\u043d\u0442\u0438\u043a\u0430<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><em>\u0447\u0442\u043e<\/em> \u0441\u043a\u0430\u0437\u0430\u043d\u043e<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u00ab\u0417\u0430\u043a\u0430\u0437 \u043e\u043f\u043e\u0437\u0434\u0430\u043b \u043d\u0430 \u0434\u0432\u0430 \u0434\u043d\u044f\u00bb<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u041f\u0440\u043e\u0441\u043e\u0434\u0438\u044f<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><em>\u043a\u0430\u043a<\/em> \u0441\u043a\u0430\u0437\u0430\u043d\u043e: \u0442\u0435\u043c\u043f, \u043f\u0430\u0443\u0437\u044b, \u0432\u044b\u0441\u043e\u0442\u0430 \u0433\u043e\u043b\u043e\u0441\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0431\u044b\u0441\u0442\u0440\u043e, \u0441 \u043d\u0430\u043f\u0440\u044f\u0436\u0435\u043d\u0438\u0435\u043c<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><strong>\u042d\u043c\u043e\u0446\u0438\u044f<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><em>\u0437\u0430\u0447\u0435\u043c<\/em> \u0438 \u0441 \u043a\u0430\u043a\u0438\u043c \u0447\u0443\u0432\u0441\u0442\u0432\u043e\u043c<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0440\u0430\u0437\u0434\u0440\u0430\u0436\u0435\u043d\u0438\u0435, \u0443\u0441\u0442\u0430\u043b\u043e\u0441\u0442\u044c, \u0440\u0430\u0434\u043e\u0441\u0442\u044c<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u0422\u0435\u043a\u0441\u0442\u043e\u0432\u0430\u044f LLM \u043f\u043e\u0441\u043b\u0435 ASR \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u0432 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u043c <strong>\u0441\u0435\u043c\u0430\u043d\u0442\u0438\u043a\u0443<\/strong>. \u041f\u0440\u043e\u0441\u043e\u0434\u0438\u044f \u0438 \u044d\u043c\u043e\u0446\u0438\u044f \u0432 \u0442\u0440\u0430\u043d\u0441\u043a\u0440\u0438\u043f\u0442\u0435 \u043e\u0431\u044b\u0447\u043d\u043e <strong>\u0438\u0441\u0447\u0435\u0437\u0430\u044e\u0442<\/strong> \u2014 \u043e\u0442\u0441\u044e\u0434\u0430 \u0440\u043e\u0431\u043e\u0442\u0438\u0447\u043d\u043e\u0441\u0442\u044c \u043a\u0430\u0441\u043a\u0430\u0434\u043d\u044b\u0445 \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u043e\u0432. \u041d\u0430\u0442\u0438\u0432\u043d\u044b\u0435 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u0441\u0442\u0430\u0440\u0430\u044e\u0442\u0441\u044f \u0441\u043e\u0445\u0440\u0430\u043d\u0438\u0442\u044c \u0432\u0441\u0435 \u0442\u0440\u0438 \u0441\u043b\u043e\u044f, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043d\u0430 \u0432\u0445\u043e\u0434 \u0438 \u0432\u044b\u0445\u043e\u0434 \u0438\u0434\u0451\u0442 <strong>\u0430\u0443\u0434\u0438\u043e<\/strong>, \u0430 \u043d\u0435 \u0441\u0442\u0440\u043e\u043a\u0430.<\/p>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c:<\/strong> \u044d\u043c\u043e\u0446\u0438\u044f \u0432 V2V \u2014 \u044d\u0442\u043e \u043d\u0435 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u00ab\u043a\u043d\u043e\u043f\u043a\u0430 \u0433\u0440\u0443\u0441\u0442\u0438\u00bb \u0432 \u0438\u043d\u0442\u0435\u0440\u0444\u0435\u0439\u0441\u0435. \u042d\u0442\u043e <strong>\u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f \u0432 \u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u0430\u0445<\/strong>: \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u0442\u0441\u044f \u0441\u0432\u044f\u0437\u044b\u0432\u0430\u0442\u044c \u0442\u043e\u043d \u0432\u0445\u043e\u0434\u0430 \u0441\u043e \u0441\u0442\u0438\u043b\u0435\u043c \u0432\u044b\u0445\u043e\u0434\u0430 \u0438 \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0431\u0430 \u0432 \u0442\u043e\u043a\u0435\u043d\u0430\u0445 \u0440\u0435\u0447\u0438.<\/p>\n<\/blockquote>\n<h4>8.2. \u041f\u043e\u0447\u0435\u043c\u0443 \u043a\u0430\u0441\u043a\u0430\u0434 \u044d\u043c\u043e\u0446\u0438\u0438 \u0442\u0435\u0440\u044f\u0435\u0442<\/h4>\n<p>\u0412\u0441\u043f\u043e\u043c\u043d\u0438\u043c \u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440 \u0438\u0437 \u0440\u0430\u0437\u0434\u0435\u043b\u0430 2:<\/p>\n<pre><code>\ud83c\udfa4 \u2192 ASR \u2192 \u00ab\u0437\u0430\u043a\u0430\u0437 \u043e\u043f\u043e\u0437\u0434\u0430\u043b\u00bb \u2192 LLM \u2192 \u00ab\u043c\u043d\u0435 \u0436\u0430\u043b\u044c\u00bb \u2192 TTS \u2192 \ud83d\udd0a<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>ASR \u0432\u044b\u0434\u0430\u0451\u0442 \u0441\u043b\u043e\u0432\u0430 \u0431\u0435\u0437:<\/p>\n<ul>\n<li>\n<p>\u043f\u043e\u0432\u044b\u0448\u0435\u043d\u043d\u043e\u0439 \u0432\u044b\u0441\u043e\u0442\u044b \u0433\u043e\u043b\u043e\u0441\u0430 \u043d\u0430 \u00ab\u0434\u0432\u0430 \u0434\u043d\u044f\u00bb;<\/p>\n<\/li>\n<li>\n<p>\u0432\u0437\u0434\u043e\u0445\u0430 \u043f\u0435\u0440\u0435\u0434 \u0444\u0440\u0430\u0437\u043e\u0439;<\/p>\n<\/li>\n<li>\n<p>\u0443\u0441\u043a\u043e\u0440\u0435\u043d\u043d\u043e\u0433\u043e \u0442\u0435\u043c\u043f\u0430.<\/p>\n<\/li>\n<\/ul>\n<p>LLM \u0432\u0438\u0434\u0438\u0442 \u043d\u0435\u0439\u0442\u0440\u0430\u043b\u044c\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442 \u0438 \u043c\u043e\u0436\u0435\u0442 \u0443\u0433\u0430\u0434\u0430\u0442\u044c \u044d\u043c\u043e\u0446\u0438\u044e <strong>\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e \u0441\u043b\u043e\u0432\u0430\u043c<\/strong> \u2014 \u0438\u043d\u043e\u0433\u0434\u0430 \u0432\u0435\u0440\u043d\u043e, \u0447\u0430\u0441\u0442\u043e \u043d\u0435\u0442. TTS \u043f\u043e\u0442\u043e\u043c \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u0441\u0443\u0445\u0443\u044e \u0441\u0442\u0440\u043e\u043a\u0443 \u00ab\u043c\u043d\u0435 \u0436\u0430\u043b\u044c\u00bb \u0438 \u043e\u0437\u0432\u0443\u0447\u0438\u0432\u0430\u0435\u0442 \u0435\u0451 \u00ab\u043a\u0430\u043a \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0441\u044f\u00bb, \u0435\u0441\u043b\u0438 \u044f\u0432\u043d\u043e \u043d\u0435 \u0443\u043a\u0430\u0437\u0430\u0442\u044c \u0441\u0442\u0438\u043b\u044c.<\/p>\n<p><strong>\u041a\u0430\u043a \u044d\u043c\u043e\u0446\u0438\u0438 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u044e\u0442 \u0432 \u043a\u0430\u0441\u043a\u0430\u0434:<\/strong><\/p>\n<ol>\n<li>\n<p><strong>\u041f\u0440\u043e\u043c\u043f\u0442 \u043a LLM<\/strong> \u2014 \u00ab\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u0440\u0430\u0437\u0434\u0440\u0430\u0436\u0451\u043d, \u043e\u0442\u0432\u0435\u0447\u0430\u0439 \u0441\u043f\u043e\u043a\u043e\u0439\u043d\u043e \u0438 \u044d\u043c\u043f\u0430\u0442\u0438\u0447\u043d\u043e\u00bb.<\/p>\n<\/li>\n<li>\n<p><strong>\u0422\u0435\u0433\u0438 \/ SSML \u0432 TTS<\/strong> \u2014 <code>&lt;prosody rate=\"slow\"&gt;<\/code>, emotion markers (\u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0434\u0432\u0438\u0436\u043a\u0430).<\/p>\n<\/li>\n<li>\n<p><strong>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440 \u044d\u043c\u043e\u0446\u0438\u0439<\/strong> \u043d\u0430 \u0430\u0443\u0434\u0438\u043e \u2192 \u043c\u0435\u0442\u043a\u0430 \u2192 prompt \u0434\u043b\u044f TTS (ElevenLabs, Cartesia \u0438 \u0434\u0440.).<\/p>\n<\/li>\n<\/ol>\n<p>\u0420\u0430\u0431\u043e\u0442\u0430\u0435\u0442, \u043d\u043e \u044d\u0442\u043e <strong>\u0442\u0440\u0438 \u043c\u0435\u0441\u0442\u0430<\/strong>, \u0433\u0434\u0435 \u044d\u043c\u043e\u0446\u0438\u044f \u043c\u043e\u0436\u0435\u0442 \u0441\u043b\u043e\u043c\u0430\u0442\u044c\u0441\u044f, \u0438 \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430 \u0440\u0430\u0441\u0442\u0451\u0442.<\/p>\n<p>\u0412\u0436\u0438\u0432\u0443\u044e \u0441\u043b\u043e\u043c\u0430\u043d\u043d\u0430\u044f \u0446\u0435\u043f\u043e\u0447\u043a\u0430 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a: \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440 \u0443\u043b\u043e\u0432\u0438\u043b \u0440\u0430\u0437\u0434\u0440\u0430\u0436\u0435\u043d\u0438\u0435, LLM \u043f\u043e\u0442\u0435\u0440\u044f\u043b \u0435\u0433\u043e \u043f\u0440\u0438 \u043f\u0435\u0440\u0435\u0441\u043a\u0430\u0437\u0435, \u0430 TTS \u0437\u0430\u0447\u0438\u0442\u0430\u043b \u0438\u0437\u0432\u0438\u043d\u0435\u043d\u0438\u0435 \u0436\u0438\u0437\u043d\u0435\u0440\u0430\u0434\u043e\u0441\u0442\u043d\u044b\u043c \u0442\u043e\u043d\u043e\u043c \u043f\u0440\u043e\u043c\u043e-\u0440\u043e\u043b\u0438\u043a\u0430. \u041a\u0442\u043e \u0441\u043e\u0431\u0438\u0440\u0430\u043b \u043a\u0430\u0441\u043a\u0430\u0434 \u00ab\u0441 \u044d\u043c\u043e\u0446\u0438\u044f\u043c\u0438\u00bb, \u0442\u043e\u0442 \u044d\u0442\u0443 \u0441\u0446\u0435\u043d\u0443 \u0432\u0438\u0434\u0435\u043b.<\/p>\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/webt\/01\/55\/b9\/0155b984f45c7227e87acaffd063def3.png\" alt=\"\u041e\u0442\u043a\u0443\u0434\u0430 \u0431\u0435\u0440\u0443\u0442\u0441\u044f \u044d\u043c\u043e\u0446\u0438\u0438 \u0432 V2V\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/webt\/01\/55\/b9\/0155b984f45c7227e87acaffd063def3.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/webt\/01\/55\/b9\/0155b984f45c7227e87acaffd063def3.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u041e\u0442\u043a\u0443\u0434\u0430 \u0431\u0435\u0440\u0443\u0442\u0441\u044f \u044d\u043c\u043e\u0446\u0438\u0438 \u0432 V2V<\/figcaption><\/div>\n<\/figure>\n<h4>8.3. \u041a\u0430\u043a \u044d\u043c\u043e\u0446\u0438\u0438 \u0436\u0438\u0432\u0443\u0442 \u0432 \u043d\u0430\u0442\u0438\u0432\u043d\u043e\u0439 V2V<\/h4>\n<p>\u0412 \u0441\u043a\u0432\u043e\u0437\u043d\u044b\u0445 \u0438 realtime-\u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u044d\u043c\u043e\u0446\u0438\u044f \u00ab\u0432\u0448\u0438\u0442\u0430\u00bb \u0432 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0438\u043d\u0430\u0447\u0435.<\/p>\n<h3>\u0423\u0440\u043e\u0432\u0435\u043d\u044c 1: \u0430\u043a\u0443\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b<\/h3>\n<p>\u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a (\u0440\u0430\u0437\u0434\u0435\u043b 3) \u043a\u043e\u0434\u0438\u0440\u0443\u0435\u0442 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0444\u043e\u043d\u0435\u043c\u044b, \u043d\u043e \u0438 <strong>\u043c\u0430\u043d\u0435\u0440\u0443<\/strong> \u043f\u0440\u043e\u0438\u0437\u043d\u0435\u0441\u0435\u043d\u0438\u044f \u2014 \u0442\u0435\u043c\u0431\u0440, \u043c\u0438\u043a\u0440\u043e\u043f\u0430\u0443\u0437\u044b, \u043d\u0430\u043f\u0440\u044f\u0436\u0435\u043d\u0438\u0435. \u041d\u0438\u0436\u043d\u0438\u0435 \u0443\u0440\u043e\u0432\u043d\u0438 RVQ \u043d\u0435\u0441\u0443\u0442 \u0438\u043c\u0435\u043d\u043d\u043e \u0430\u043a\u0443\u0441\u0442\u0438\u043a\u0443. \u041c\u043e\u0434\u0435\u043b\u044c, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0449\u0430\u044f \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d \u0440\u0435\u0447\u0438, \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u00ab\u043a\u0430\u043a\u043e\u0435 \u0441\u043b\u043e\u0432\u043e \u0437\u0432\u0443\u0447\u0438\u0442 \u0434\u0430\u043b\u044c\u0448\u0435\u00bb, \u043d\u043e \u0438 <strong>\u043a\u0430\u043a \u043e\u043d\u043e \u0437\u0432\u0443\u0447\u0438\u0442<\/strong>.<\/p>\n<h3>\u0423\u0440\u043e\u0432\u0435\u043d\u044c 2: \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043b\u044b\u0448\u0438\u0442 \u0432\u0445\u043e\u0434\u043d\u043e\u0439 \u0442\u043e\u043d<\/h3>\n<p>\u0412 \u043d\u0430\u0442\u0438\u0432\u043d\u043e\u043c realtime \u0430\u0443\u0434\u0438\u043e\u043f\u043e\u0442\u043e\u043a \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f \u043f\u043e\u043f\u0430\u0434\u0430\u0435\u0442 \u0432 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 <strong>\u0446\u0435\u043b\u0438\u043a\u043e\u043c<\/strong>. \u041c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u0440\u0430\u0437\u043b\u0438\u0447\u0438\u0442\u044c: \u0442\u0435 \u0436\u0435 \u0441\u043b\u043e\u0432\u0430 \u00ab\u0432\u0441\u0451 \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e\u00bb \u0441\u043a\u0430\u0437\u0430\u043d\u044b \u0441\u043f\u043e\u043a\u043e\u0439\u043d\u043e \u0438\u043b\u0438 \u0441\u043a\u0432\u043e\u0437\u044c \u0437\u0443\u0431\u044b. \u042d\u0442\u043e \u043e\u0441\u043d\u043e\u0432\u0430 <strong>affective dialog<\/strong> (<em>\u0430\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u0439 \u0434\u0438\u0430\u043b\u043e\u0433<\/em>) \u2014 \u043e\u0442\u0432\u0435\u0442 \u043f\u043e\u0434\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043f\u043e\u0434 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0435 \u0438 \u0442\u043e\u043d \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a\u0430, \u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0434 \u043b\u0435\u043a\u0441\u0438\u043a\u0443.<\/p>\n<h3>\u0423\u0440\u043e\u0432\u0435\u043d\u044c 3: \u044f\u0432\u043d\u043e\u0435 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0441\u0442\u0438\u043b\u0435\u043c<\/h3>\n<p>\u0414\u0430\u0436\u0435 \u043d\u0430\u0442\u0438\u0432\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 <strong>\u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438<\/strong> \u0432 \u0441\u0435\u0441\u0441\u0438\u0438:<\/p>\n<ul>\n<li>\n<p>system prompt: \u00ab\u0442\u044b \u2014 \u0442\u0435\u0440\u043f\u0435\u043b\u0438\u0432\u044b\u0439 \u0440\u0435\u043f\u0435\u0442\u0438\u0442\u043e\u0440\u00bb;<\/p>\n<\/li>\n<li>\n<p>style control (Gemini): \u00ab\u0433\u043e\u0432\u043e\u0440\u0438 \u0448\u0451\u043f\u043e\u0442\u043e\u043c\u00bb, \u00ab\u0441 \u043b\u0451\u0433\u043a\u0438\u043c \u0431\u0440\u0438\u0442\u0430\u043d\u0441\u043a\u0438\u043c \u0430\u043a\u0446\u0435\u043d\u0442\u043e\u043c\u00bb;<\/p>\n<\/li>\n<li>\n<p>OpenAI Realtime: \u00ab\u0441\u043f\u043e\u043a\u043e\u0439\u043d\u043e \u0438 \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e, \u043f\u043e\u043a\u0430 \u0440\u0435\u0448\u0430\u0435\u0448\u044c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443; \u0434\u043e\u0431\u0430\u0432\u044c \u044d\u043d\u0435\u0440\u0433\u0438\u0438 \u043f\u0440\u0438 \u0443\u0441\u043f\u0435\u0445\u0435\u00bb.<\/p>\n<\/li>\n<\/ul>\n<p>\u0422\u043e \u0435\u0441\u0442\u044c \u044d\u043c\u043e\u0446\u0438\u044f = <strong>\u0441\u043c\u0435\u0441\u044c<\/strong> \u0443\u0441\u043b\u044b\u0448\u0430\u043d\u043d\u043e\u0433\u043e \u0442\u043e\u043d\u0430, \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u0434\u0438\u0430\u043b\u043e\u0433\u0430 \u0438 \u044f\u0432\u043d\u044b\u0445 \u0443\u043a\u0430\u0437\u0430\u043d\u0438\u0439 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0430.<\/p>\n<blockquote>\n<p>\ud83d\udcd0 <strong>\u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f:<\/strong> \u043a\u0430\u0441\u043a\u0430\u0434 \u2014 \u0430\u043a\u0442\u0451\u0440, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u043b\u0443\u0447\u0438\u043b <strong>\u0441\u0443\u0445\u043e\u0439 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0439<\/strong> \u0438 \u0441\u0430\u043c \u0434\u043e\u0434\u0443\u043c\u044b\u0432\u0430\u0435\u0442, \u043a\u0430\u043a \u0438\u0433\u0440\u0430\u0442\u044c. \u041d\u0430\u0442\u0438\u0432\u043d\u0430\u044f V2V \u2014 \u0430\u043a\u0442\u0451\u0440 \u043d\u0430 \u0438\u043c\u043f\u0440\u043e\u0432\u0438\u0437\u0430\u0446\u0438\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 <strong>\u0432\u0438\u0434\u0435\u043b \u0438 \u0441\u043b\u044b\u0448\u0430\u043b<\/strong> \u0441\u0446\u0435\u043d\u0443 \u043f\u0435\u0440\u0435\u0434 \u043e\u0442\u0432\u0435\u0442\u043e\u043c \u0438 \u043f\u043e\u0434\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u0442 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u044e \u043f\u043e\u0434 \u043f\u0430\u0440\u0442\u043d\u0451\u0440\u0430.<\/p>\n<\/blockquote>\n<h4>8.4. \u041a\u0430\u043a \u044d\u0442\u043e\u043c\u0443 \u0443\u0447\u0430\u0442 \u043d\u0430 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0435<\/h4>\n<p>\u042d\u043c\u043e\u0446\u0438\u0438 \u043d\u0435 \u043f\u043e\u044f\u0432\u043b\u044f\u044e\u0442\u0441\u044f \u0438\u0437 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u00ab\u0443\u0433\u0430\u0434\u0430\u0439 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d\u00bb \u0441\u0430\u043c\u0438 \u043f\u043e \u0441\u0435\u0431\u0435 \u2014 \u043d\u0443\u0436\u043d\u044b \u0446\u0435\u043b\u0435\u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0438 \u043f\u043e\u043b\u0438\u0440\u043e\u0432\u043a\u0430 (\u0441\u043c. \u0440\u0430\u0437\u0434\u0435\u043b 5):<\/p>\n<ol>\n<li>\n<p><strong>\u041a\u043e\u0440\u043f\u0443\u0441\u0430 \u0441 \u0432\u044b\u0440\u0430\u0437\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u0440\u0435\u0447\u044c\u044e<\/strong> \u2014 \u043f\u043e\u0434\u043a\u0430\u0441\u0442\u044b, \u0430\u0443\u0434\u0438\u043e\u043a\u043d\u0438\u0433\u0438 \u0441 \u0430\u043a\u0442\u0451\u0440\u0430\u043c\u0438, \u0434\u0443\u0431\u043b\u044f\u0436, call-\u0446\u0435\u043d\u0442\u0440\u044b (\u0441 \u0441\u043e\u0433\u043b\u0430\u0441\u0438\u044f), \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0430 \u043e\u0442 \u044d\u043c\u043e\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u044b\u0445 TTS.<\/p>\n<\/li>\n<li>\n<p><strong>SFT \u043d\u0430 \u0434\u0438\u0430\u043b\u043e\u0433\u0430\u0445<\/strong> \u2014 \u043f\u0430\u0440\u044b, \u0433\u0434\u0435 \u0443\u043c\u0435\u0441\u0442\u043d\u044b\u0439 \u043e\u0442\u0432\u0435\u0442 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e \u0441\u043c\u044b\u0441\u043b\u0443, \u043d\u043e \u0438 \u043f\u043e \u043c\u0430\u043d\u0435\u0440\u0435: \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043d\u0435\u0440\u0432\u043d\u0438\u0447\u0430\u0435\u0442 \u2192 \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442 \u043c\u044f\u0433\u0447\u0435 \u0438 \u043a\u043e\u0440\u043e\u0447\u0435.<\/p>\n<\/li>\n<li>\n<p><strong>RLHF \/ DPO<\/strong> \u2014 \u043e\u0446\u0435\u043d\u0449\u0438\u043a\u0438 (\u043b\u044e\u0434\u0438 \u0438\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u0438) \u0440\u0430\u043d\u0436\u0438\u0440\u0443\u044e\u0442: \u00ab\u043a\u0430\u043a\u043e\u0439 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u043e\u0442\u0432\u0435\u0442 \u0437\u0432\u0443\u0447\u0438\u0442 \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u0435\u0435 \/ \u0443\u043c\u0435\u0441\u0442\u043d\u0435\u0435 \/ \u043d\u0435 \u0440\u0430\u0437\u0434\u0440\u0430\u0436\u0430\u0435\u0442\u00bb.<\/p>\n<\/li>\n<li>\n<p><strong>\u0410\u043a\u0442\u0451\u0440\u0441\u043a\u0438\u0435 \u043c\u0435\u0442\u043a\u0438<\/strong> \u2014 \u0432 \u0434\u0430\u043d\u043d\u044b\u0445 \u044f\u0432\u043d\u043e \u0440\u0430\u0437\u043c\u0435\u0447\u0430\u044e\u0442 \u0441\u0442\u0438\u043b\u044c: <code>&lt;empathetic&gt;<\/code>, <code>&lt;cheerful&gt;<\/code>, \u0438\u043b\u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0441\u043f\u0438\u043a\u0435\u0440\u044b \u0441 \u0440\u0430\u0437\u043d\u043e\u0439 \u043c\u0430\u043d\u0435\u0440\u043e\u0439.<\/p>\n<\/li>\n<\/ol>\n<p>Sesame CSM \u0438 Gemini native audio \u0434\u0435\u043b\u0430\u044e\u0442 \u0441\u0442\u0430\u0432\u043a\u0443 \u043d\u0430 \u0442\u043e, \u0447\u0442\u043e <strong>\u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f \u0437\u0430\u0448\u0438\u0442\u0430 \u0432 \u0442\u043e\u043a\u0435\u043d\u044b<\/strong> \u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u00ab\u0432\u043a\u043b\u044e\u0447\u0430\u0435\u0442 \u044d\u043c\u043e\u0446\u0438\u044e\u00bb \u043f\u043e\u0441\u0442\u0444\u0430\u043a\u0442\u0443\u043c, \u0430 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0441\u0440\u0430\u0437\u0443 \u0432\u044b\u0440\u0430\u0437\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0430\u0443\u0434\u0438\u043e\u043f\u043e\u0442\u043e\u043a.<\/p>\n<blockquote>\n<p>\ud83d\udee0\ufe0f <strong>\u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430: \u0447\u0442\u043e \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u0443\u0435\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435.<\/strong> \u041d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 loss \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0432\u0441\u0451 \u0442\u043e\u0442 \u0436\u0435 <img decoding=\"async\" class=\"formula inline\" source=\"-\\log P(s_{t+1} \\mid \\text{\u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442})\" alt=\"-\\log P(s_{t+1} \\mid \\text{\u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442})\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c4\/c40\/c40be6db29e8b34ccdc6aa93048380da.svg\" width=\"200\" height=\"16\" data-width=\"25.482\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c4\/c40\/c40be6db29e8b34ccdc6aa93048380da.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/c\/c4\/c40\/c40be6db29e8b34ccdc6aa93048380da.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u2014 \u043d\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0432\u043a\u043b\u044e\u0447\u0430\u0435\u0442 <strong>\u0430\u0443\u0434\u0438\u043e\u0432\u0445\u043e\u0434 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f<\/strong>. \u041c\u043e\u0434\u0435\u043b\u044c \u0448\u0442\u0440\u0430\u0444\u0443\u0435\u0442\u0441\u044f, \u0435\u0441\u043b\u0438 \u043f\u0440\u0438 \u0440\u0430\u0437\u0434\u0440\u0430\u0436\u0451\u043d\u043d\u043e\u043c \u0442\u043e\u043d\u0435 \u0432\u0445\u043e\u0434\u0430 \u043e\u043d\u0430 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0431\u043e\u0434\u0440\u044b\u0439 \u0432\u0435\u0441\u0451\u043b\u044b\u0439 \u043e\u0442\u0432\u0435\u0442 \u043d\u0430 \u0442\u0435 \u0436\u0435 \u0441\u043b\u043e\u0432\u0430. \u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u00abemotion head\u00bb \u043c\u043e\u0436\u0435\u0442 \u043d\u0435 \u0431\u044b\u0442\u044c \u2014 \u0441\u0442\u0438\u043b\u044c \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0451\u043d \u043f\u043e \u0432\u0435\u0441\u0430\u043c \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u0438 \u043a\u043e\u0434\u0435\u043a\u0430.<\/p>\n<\/blockquote>\n<h4>8.5. Gemini Live \u0438 affective dialog<\/h4>\n<p><strong>Gemini Live API<\/strong> \u2014 \u043d\u0430\u0433\u043b\u044f\u0434\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u043d\u0430\u0442\u0438\u0432\u043d\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b \u0441 \u044d\u043c\u043e\u0446\u0438\u044f\u043c\u0438. \u0412 <a href=\"https:\/\/blog.google\/innovation-and-ai\/models-and-research\/google-deepmind\/gemini-2-5-native-audio\/\" rel=\"noopener noreferrer nofollow\">\u0431\u043b\u043e\u0433\u0435 Google \u043e native audio<\/a> (\u0438\u044e\u043d\u044c 2025) \u043f\u0440\u044f\u043c\u043e \u043d\u0430\u0437\u0432\u0430\u043d\u044b \u0434\u0432\u0435 \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0435 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0438:<\/p>\n<ul>\n<li>\n<p><strong>Affective dialog<\/strong> \u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u0440\u0435\u0430\u0433\u0438\u0440\u0443\u0435\u0442 \u043d\u0430 <strong>\u0442\u043e\u043d \u0433\u043e\u043b\u043e\u0441\u0430<\/strong> \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f; \u043e\u0434\u043d\u0438 \u0438 \u0442\u0435 \u0436\u0435 \u0441\u043b\u043e\u0432\u0430 \u043f\u0440\u0438 \u0440\u0430\u0437\u043d\u043e\u0439 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u0438 \u0432\u0435\u0434\u0443\u0442 \u043a \u0440\u0430\u0437\u043d\u043e\u043c\u0443 \u0441\u0442\u0438\u043b\u044e \u043e\u0442\u0432\u0435\u0442\u0430.<\/p>\n<\/li>\n<li>\n<p><strong>Style control<\/strong> \u2014 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a \u0438\u043b\u0438 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0437\u0430\u0434\u0430\u0451\u0442 \u043c\u0430\u043d\u0435\u0440\u0443: \u0430\u043a\u0446\u0435\u043d\u0442, \u0448\u0451\u043f\u043e\u0442, \u044d\u043a\u0441\u043f\u0440\u0435\u0441\u0441\u0438\u044f.<\/p>\n<\/li>\n<\/ul>\n<p>\u0414\u043b\u044f \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432 \u0432 Live API \u0435\u0441\u0442\u044c \u0444\u043b\u0430\u0433 <code><strong>enable_affective_dialog<\/strong><\/code> \u0432 \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u0438 \u0441\u0435\u0441\u0441\u0438\u0438 (\u0441\u043c. <a href=\"https:\/\/ai.google.dev\/gemini-api\/docs\/live-api\/capabilities#affective-dialog\" rel=\"noopener noreferrer nofollow\">capabilities guide<\/a>). \u0412\u043a\u043b\u044e\u0447\u0438\u0432 \u0435\u0433\u043e, \u0432\u044b \u043f\u0440\u043e\u0441\u0438\u0442\u0435 \u043c\u043e\u0434\u0435\u043b\u044c <strong>\u043f\u043e\u0434\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0442\u044c \u0441\u0442\u0438\u043b\u044c \u043e\u0442\u0432\u0435\u0442\u0430<\/strong> \u043f\u043e\u0434 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0435 \u0438 \u0442\u043e\u043d \u0432\u0445\u043e\u0434\u044f\u0449\u0435\u0433\u043e \u0430\u0443\u0434\u0438\u043e.<\/p>\n<pre><code class=\"swift\">\/\/ \u041f\u0441\u0435\u0432\u0434\u043e\u043a\u043e\u043d\u0444\u0438\u0433 \u0441\u0435\u0441\u0441\u0438\u0438 (\u0438\u0434\u0435\u044f, \u043d\u0435 \u043f\u043e\u043b\u043d\u044b\u0439 API-\u043a\u043b\u0438\u0435\u043d\u0442)struct LiveSessionConfig {    let responseModalities: [String] = [\"AUDIO\"]    let enableAffectiveDialog: Bool = true   \/\/ Gemini 2.5 Flash Live    let voiceName: String = \"Kore\"}<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0412\u0430\u0436\u043d\u044b\u0439 \u043d\u044e\u0430\u043d\u0441 2026:<\/strong> \u0432 <a href=\"https:\/\/ai.google.dev\/gemini-api\/docs\/live-api\/capabilities\" rel=\"noopener noreferrer nofollow\">\u0442\u0430\u0431\u043b\u0438\u0446\u0435 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/a> <strong>affective dialog \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 Gemini 2.5 Flash Live Preview<\/strong>, \u0430 \u0443 <strong>Gemini 3.1 Flash Live Preview<\/strong> \u044d\u0442\u043e\u0439 \u043e\u043f\u0446\u0438\u0438 \u043f\u043e\u043a\u0430 \u043d\u0435\u0442 \u2014 \u0437\u0430\u0442\u043e \u0434\u0440\u0443\u0433\u0438\u0435 \u0444\u0438\u0447\u0438 (thinking levels, \u0438\u043d\u043e\u0439 \u0444\u043e\u0440\u043c\u0430\u0442 \u0441\u043e\u0431\u044b\u0442\u0438\u0439). \u041f\u0435\u0440\u0435\u0434 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u043e\u043c \u0441\u0432\u0435\u0440\u044f\u0439\u0442\u0435 capabilities \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438, \u0430 \u043d\u0435 \u0431\u0440\u0435\u043d\u0434 \u00abGemini\u00bb \u0432 \u0446\u0435\u043b\u043e\u043c.<\/p>\n<\/blockquote>\n<p>\u0414\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0430\u0446\u0438\u044f \u0438\u0434\u0435\u0438 \u043d\u0430 Swift (\u0443\u043f\u0440\u043e\u0449\u0451\u043d\u043d\u043e, \u043d\u0435 \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u043e\u0441\u0442\u0438 Google) \u2014 <a href=\"https:\/\/github.com\/asaptf\/v2v-models-article-ru\/blob\/main\/ch08_emotion_prosody.swift\" rel=\"noopener noreferrer nofollow\"><code>ch08_emotion_prosody.swift<\/code><\/a>:<\/p>\n<pre><code class=\"swift\">func detectTone(_ hint: ProsodyHint) -&gt; UserTone {    if hint.energyRms &gt; 0.45 &amp;&amp; hint.avgPitchHz &gt; 180 { return .frustrated }    \/\/ ...}func responseStyle(for tone: UserTone) -&gt; String {    switch tone {    case .frustrated: return \"\u0441\u043f\u043e\u043a\u043e\u0439\u043d\u0435\u0435, \u044d\u043c\u043f\u0430\u0442\u0438\u0447\u043d\u043e, \u0431\u0435\u0437 \u043d\u0430\u0437\u0438\u0434\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438\"    case .excited:    return \"\u044d\u043d\u0435\u0440\u0433\u0438\u0447\u043d\u0435\u0435, \u043a\u043e\u0440\u043e\u0447\u0435 \u0444\u0440\u0430\u0437\u044b\"    \/\/ ...    }}<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0412 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0439 Gemini \u0432\u043c\u0435\u0441\u0442\u043e \u044d\u0432\u0440\u0438\u0441\u0442\u0438\u043a \u043f\u043e pitch\/energy \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 <strong>\u043d\u0430\u0442\u0438\u0432\u043d\u043e\u0435 \u0430\u0443\u0434\u0438\u043e\u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435<\/strong> \u0432\u043d\u0443\u0442\u0440\u0438 \u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<h4>8.6. OpenAI Realtime \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b<\/h4>\n<p><strong>OpenAI Realtime<\/strong> (gpt-realtime, GPT-Realtime-2) \u0434\u0435\u043b\u0430\u0435\u0442 \u0441\u0442\u0430\u0432\u043a\u0443 \u043d\u0430 <strong>\u0443\u043f\u0440\u0430\u0432\u043b\u044f\u0435\u043c\u0443\u044e \u043f\u043e\u0434\u0430\u0447\u0443<\/strong>: \u0442\u043e\u043d \u0438 \u043c\u0430\u043d\u0435\u0440\u0430 \u0437\u0430\u0434\u0430\u044e\u0442\u0441\u044f \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f\u043c\u0438 \u0441\u0435\u0441\u0441\u0438\u0438 \u2014 \u00ab\u0441\u043f\u043e\u043a\u043e\u0439\u043d\u043e, \u043f\u043e\u043a\u0430 \u0440\u0435\u0448\u0430\u0435\u0448\u044c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443\u00bb, \u00ab\u044d\u043d\u0435\u0440\u0433\u0438\u0447\u043d\u043e \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0434\u0438 \u0443\u0441\u043f\u0435\u0445\u00bb. \u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u043c\u0430\u0440\u043a\u0435\u0442\u0438\u043d\u0433\u043e\u0432\u043e\u0433\u043e \u0442\u0435\u0440\u043c\u0438\u043d\u0430 \u0432\u0440\u043e\u0434\u0435 \u00abaffective dialog\u00bb \u0443 OpenAI \u043d\u0435\u0442; \u044d\u0442\u043e \u0431\u043b\u0438\u0436\u0435 \u043a \u044f\u0432\u043d\u043e\u043c\u0443 style control, \u043d\u043e \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c \u0442\u043e\u0442 \u0436\u0435: \u043c\u043e\u0434\u0435\u043b\u044c \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 <strong>\u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u044b<\/strong> \u0441 \u043d\u0443\u0436\u043d\u043e\u0439 \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u0435\u0439, \u0430 \u043d\u0435 \u0442\u0435\u043a\u0441\u0442 + \u0432\u043d\u0435\u0448\u043d\u0438\u0439 TTS.<\/p>\n<p><strong>Moshi<\/strong> \u0434\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0438\u0440\u0443\u0435\u0442 \u044d\u043c\u043e\u0446\u0438\u044e \u0447\u0435\u0440\u0435\u0437 <strong>\u043d\u0430\u0442\u0443\u0440\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0434\u0443\u043f\u043b\u0435\u043a\u0441\u0430<\/strong> \u2014 \u0432\u0437\u0434\u043e\u0445\u0438, \u00abhm\u00bb, \u0441\u043c\u0435\u0445 \u0432 \u043f\u043e\u0442\u043e\u043a\u0435; \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 \u0434\u0438\u0430\u043b\u043e\u0433\u0430\u0445 \u0441 overlap. <strong>Sesame CSM<\/strong> \u2014 \u0447\u0435\u0440\u0435\u0437 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e <strong>\u043f\u0440\u043e\u0441\u043e\u0434\u0438\u0438<\/strong> \u0432 long-form \u0440\u0435\u0447\u0438, \u0431\u0435\u0437 \u043f\u043e\u043b\u043d\u043e\u0433\u043e \u0434\u0443\u043f\u043b\u0435\u043a\u0441\u0430.<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u0421\u0438\u0441\u0442\u0435\u043c\u0430<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u041a\u0430\u043a \u043f\u0440\u043e \u044d\u043c\u043e\u0446\u0438\u0438<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041a\u0430\u0441\u043a\u0430\u0434 ASR+LLM+TTS<\/p>\n<\/td>\n<td>\n<p align=\"left\">prompt + TTS style; \u0442\u043e\u043d \u0432\u0445\u043e\u0434\u0430 \u0447\u0430\u0441\u0442\u043e \u043f\u043e\u0442\u0435\u0440\u044f\u043d<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Gemini 2.5 Live<\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>enable_affective_dialog<\/code> + style prompts<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">OpenAI Realtime (GPT-Realtime-2)<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0442\u043e\u043d\u0430 \u0438 \u043f\u043e\u0434\u0430\u0447\u0438 \u0432 \u043e\u0434\u043d\u043e\u0439 S2S-\u043c\u043e\u0434\u0435\u043b\u0438<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Sesame CSM<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f \u0432 RVQ-\u0442\u043e\u043a\u0435\u043d\u0430\u0445 Mimi<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Moshi<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u043f\u0430\u0440\u0430\u043b\u0438\u043d\u0433\u0432\u0438\u0441\u0442\u0438\u043a\u0430 \u0432 full-duplex \u043f\u043e\u0442\u043e\u043a\u0435<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<h4>8.7. \u041e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u2014 \u044d\u043c\u043e\u0446\u0438\u0438 \u043d\u0435 \u0431\u0435\u0437\u0433\u0440\u0430\u043d\u0438\u0447\u043d\u044b<\/h4>\n<ul>\n<li>\n<p><strong>\u041d\u0435 \u043f\u0441\u0438\u0445\u043e\u0442\u0435\u0440\u0430\u043f\u0435\u0432\u0442:<\/strong> \u043f\u043e\u0434\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u0442\u043e\u043d\u0430 \u2260 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043f\u0441\u0438\u0445\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f; \u0434\u043b\u044f \u043a\u0440\u0438\u0437\u0438\u0441\u043d\u044b\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0435\u0432 \u043d\u0443\u0436\u043d\u044b \u0436\u0451\u0441\u0442\u043a\u0438\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u0438 \u044d\u0441\u043a\u0430\u043b\u0430\u0446\u0438\u044f \u043a \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0443.<\/p>\n<\/li>\n<li>\n<p><strong>\u041a\u0443\u043b\u044c\u0442\u0443\u0440\u043d\u044b\u0435 \u0440\u0430\u0437\u043b\u0438\u0447\u0438\u044f:<\/strong> \u00ab\u0432\u0435\u0436\u043b\u0438\u0432\u044b\u0439\u00bb \u0442\u043e\u043d \u0432 \u043e\u0434\u043d\u043e\u0439 \u043a\u0443\u043b\u044c\u0442\u0443\u0440\u0435 \u0437\u0432\u0443\u0447\u0438\u0442 \u0445\u043e\u043b\u043e\u0434\u043d\u043e \u0432 \u0434\u0440\u0443\u0433\u043e\u0439.<\/p>\n<\/li>\n<li>\n<p><strong>\u0417\u043b\u043e\u0443\u043f\u043e\u0442\u0440\u0435\u0431\u043b\u0435\u043d\u0438\u044f:<\/strong> \u044d\u043c\u043e\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e \u0443\u0431\u0435\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0433\u043e\u043b\u043e\u0441 \u0443\u0441\u0438\u043b\u0438\u0432\u0430\u0435\u0442 \u0434\u043e\u0432\u0435\u0440\u0438\u0435 \u043a \u0433\u0430\u043b\u043b\u044e\u0446\u0438\u043d\u0430\u0446\u0438\u044f\u043c (\u0441\u043c. \u0440\u0430\u0437\u0434\u0435\u043b 9).<\/p>\n<\/li>\n<li>\n<p><strong>\u0421\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u044c:<\/strong> \u044d\u043c\u043e\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u043c\u043e\u0436\u0435\u0442 \u043f\u043b\u0430\u0432\u0430\u0442\u044c \u043e\u0442 \u0441\u0435\u0441\u0441\u0438\u0438 \u043a \u0441\u0435\u0441\u0441\u0438\u0438; \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0435 \u043d\u0443\u0436\u043d\u044b \u0442\u0435\u0441\u0442\u044b \u0438 \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 voice profiles.<\/p>\n<\/li>\n<\/ul>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u0434\u0443\u043c\u0430\u0442\u044c, \u0447\u0442\u043e <code>enable_affective_dialog = true<\/code> \u0437\u0430\u043c\u0435\u043d\u044f\u0435\u0442 \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u043e\u0432\u044b\u0439 \u0434\u0438\u0437\u0430\u0439\u043d. \u0424\u043b\u0430\u0433 \u0432\u043a\u043b\u044e\u0447\u0430\u0435\u0442 <strong>\u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c<\/strong> \u043c\u043e\u0434\u0435\u043b\u0438; <strong>\u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0430<\/strong> \u0442\u043e\u043d\u0430 (\u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0431\u0430\u043d\u043a vs \u0434\u0440\u0443\u0436\u0435\u043b\u044e\u0431\u043d\u044b\u0439 \u0440\u0435\u043f\u0435\u0442\u0438\u0442\u043e\u0440) \u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e \u0437\u0430\u0434\u0430\u0451\u0442\u0441\u044f system prompt, \u0432\u044b\u0431\u043e\u0440\u043e\u043c \u0433\u043e\u043b\u043e\u0441\u0430 \u0438 RLHF-\u043f\u043e\u043b\u0438\u0440\u043e\u0432\u043a\u043e\u0439 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0433\u043e \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u0430.<\/p>\n<\/blockquote>\n<blockquote>\n<p>\ud83d\udcda <strong>\u0421\u0441\u044b\u043b\u043a\u0438:<\/strong><\/p>\n<ul>\n<li>\n<p><a href=\"https:\/\/blog.google\/innovation-and-ai\/models-and-research\/google-deepmind\/gemini-2-5-native-audio\/\" rel=\"noopener noreferrer nofollow\">Gemini 2.5 native audio<\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/ai.google.dev\/gemini-api\/docs\/live-api\/capabilities#affective-dialog\" rel=\"noopener noreferrer nofollow\">Live API capabilities \u2014 Affective dialog<\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/openai.com\/index\/advancing-voice-intelligence-with-new-models-in-the-api\/\" rel=\"noopener noreferrer nofollow\">OpenAI GPT-Realtime-2 announcement<\/a><\/p>\n<\/li>\n<\/ul>\n<\/blockquote>\n<h3>9. \u041e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f, \u0440\u0438\u0441\u043a\u0438 \u0438 \u0431\u0443\u0434\u0443\u0449\u0435\u0435<\/h3>\n<blockquote>\n<p><em>\u0413\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 AI \u0437\u0432\u0443\u0447\u0438\u0442 \u0432\u043e\u043b\u0448\u0435\u0431\u043d\u043e \u2014 \u043f\u043e\u043a\u0430 \u043d\u0435 \u043f\u043e\u043f\u0440\u043e\u0441\u0438\u0448\u044c \u0435\u0433\u043e \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u0442\u044c \u043d\u0430\u043b\u043e\u0433\u0438 \u043d\u0430 \u0442\u0440\u0451\u0445 \u044f\u0437\u044b\u043a\u0430\u0445 \u0441 \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u043d\u0438\u044f\u043c\u0438. \u0412 \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u043c \u0440\u0430\u0437\u0434\u0435\u043b\u0435 \u2014 \u0447\u0435\u0441\u0442\u043d\u044b\u0439 \u0440\u0430\u0437\u0431\u043e\u0440 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e V2V \u043f\u043e\u043a\u0430 \u043d\u0435 \u0443\u043c\u0435\u0435\u0442, \u0438 \u043a\u0443\u0434\u0430 \u0434\u0432\u0438\u0436\u0435\u0442\u0441\u044f \u043f\u043e\u043b\u0435.<\/em><\/p>\n<\/blockquote>\n<h4>9.1. \u0422\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f<\/h4>\n<p><strong>\u0417\u043d\u0430\u043d\u0438\u044f \u0438 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435.<\/strong> V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430\u0441\u043b\u0435\u0434\u0443\u044e\u0442 \u00ab\u044d\u0440\u0443\u0434\u0438\u0446\u0438\u044e\u00bb \u043e\u0442 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043d\u043e \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u0440\u0435\u0436\u0438\u043c \u0447\u0430\u0441\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 <strong>\u043e\u0431\u043b\u0435\u0433\u0447\u0451\u043d\u043d\u044b\u0439<\/strong> inference path. \u0421\u043b\u043e\u0436\u043d\u044b\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 (\u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430, \u043a\u043e\u0434, \u043c\u043d\u043e\u0433\u043e\u0448\u0430\u0433\u043e\u0432\u043e\u0435 \u043f\u043b\u0430\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435) \u043d\u0430\u0434\u0451\u0436\u043d\u0435\u0435 \u0432 <strong>\u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u043c<\/strong> \u0440\u0435\u0436\u0438\u043c\u0435 \u0442\u043e\u0439 \u0436\u0435 \u043c\u043e\u0434\u0435\u043b\u0438. \u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u043e\u0432\u0435\u0442: \u0433\u0438\u0431\u0440\u0438\u0434 \u00ab\u0433\u043e\u043b\u043e\u0441 \u0434\u043b\u044f \u0434\u0438\u0430\u043b\u043e\u0433\u0430, \u0442\u0435\u043a\u0441\u0442 \u0434\u043b\u044f \u0440\u0430\u0431\u043e\u0442\u044b\u00bb.<\/p>\n<p><strong>\u0414\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442.<\/strong> 30-\u043c\u0438\u043d\u0443\u0442\u043d\u044b\u0439 \u0440\u0430\u0437\u0433\u043e\u0432\u043e\u0440 = \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0442\u044b\u0441\u044f\u0447 \u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u043e\u0432. KV-\u043a\u044d\u0448 \u0440\u0430\u0441\u0442\u0451\u0442, \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0436\u0435\u0442 \u0434\u0435\u0433\u0440\u0430\u0434\u0438\u0440\u043e\u0432\u0430\u0442\u044c (\u043a\u0430\u043a \u0443 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 LLM \u043d\u0430 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0441\u0435\u0441\u0441\u0438\u044f\u0445). \u041f\u043e\u043a\u0430 \u0442\u0438\u043f\u0438\u0447\u043d\u044b\u0439 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u0441\u0435\u0430\u043d\u0441 \u2014 5\u201315 \u043c\u0438\u043d\u0443\u0442.<\/p>\n<p><strong>\u042f\u0437\u044b\u043a\u0438 \u0438 \u0430\u043a\u0446\u0435\u043d\u0442\u044b.<\/strong> \u041a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u0438\u043b\u044c\u043d\u043e \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u043e\u0441\u0442\u0438 \u044f\u0437\u044b\u043a\u0430 \u0432 \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445. \u0410\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u0438\u0439 \u0438 \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0435\u0432\u0440\u043e\u043f\u0435\u0439\u0441\u043a\u0438\u0435 \u044f\u0437\u044b\u043a\u0438 \u2014 \u0445\u043e\u0440\u043e\u0448\u043e; \u0440\u0435\u0434\u043a\u0438\u0435 \u044f\u0437\u044b\u043a\u0438 \u0438 \u0441\u0438\u043b\u044c\u043d\u044b\u0435 \u0430\u043a\u0446\u0435\u043d\u0442\u044b \u2014 \u0445\u0443\u0436\u0435.<\/p>\n<p><strong>\u0428\u0443\u043c \u0438 \u043a\u0430\u043d\u0430\u043b.<\/strong> \u0422\u0435\u043b\u0435\u0444\u043e\u043d\u0438\u044f (8 kHz), Bluetooth-\u0433\u0430\u0440\u043d\u0438\u0442\u0443\u0440\u0430, \u043a\u0430\u0444\u0435 \u0441 \u043c\u0443\u0437\u044b\u043a\u043e\u0439 \u2014 \u0432\u0441\u0451 \u044d\u0442\u043e \u0440\u043e\u043d\u044f\u0435\u0442 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e. VAD \u043c\u043e\u0436\u0435\u0442 \u0441\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c \u043b\u043e\u0436\u043d\u043e; ASR \u0432 \u043a\u0430\u0441\u043a\u0430\u0434\u0435 \u043f\u0443\u0442\u0430\u0435\u0442 \u0441\u043b\u043e\u0432\u0430.<\/p>\n<h4>9.2. \u0413\u0430\u043b\u043b\u044e\u0446\u0438\u043d\u0430\u0446\u0438\u0438 \u2014 \u0442\u0435\u043f\u0435\u0440\u044c \u0432\u0441\u043b\u0443\u0445<\/h4>\n<p>\u0422\u0435\u043a\u0441\u0442\u043e\u0432\u0430\u044f LLM, \u043f\u0440\u0438\u0434\u0443\u043c\u0430\u0432\u0448\u0430\u044f \u0444\u0430\u043a\u0442, \u0445\u043e\u0442\u044f \u0431\u044b \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0435\u0433\u043e \u0432 \u0447\u0430\u0442\u0435 \u2014 \u0432\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u043f\u0435\u0440\u0435\u0447\u0438\u0442\u0430\u0442\u044c. V2V-\u043c\u043e\u0434\u0435\u043b\u044c <strong>\u043e\u0437\u0432\u0443\u0447\u0438\u0442<\/strong> \u0433\u0430\u043b\u043b\u044e\u0446\u0438\u043d\u0430\u0446\u0438\u044e \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u044b\u043c \u0433\u043e\u043b\u043e\u0441\u043e\u043c. \u042d\u0442\u043e \u043e\u043f\u0430\u0441\u043d\u0435\u0435:<\/p>\n<ul>\n<li>\n<p>\u041f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043d\u0435 \u0432\u0438\u0434\u0438\u0442 \u0442\u0435\u043a\u0441\u0442 \u2014 \u0441\u043b\u043e\u0436\u043d\u0435\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c.<\/p>\n<\/li>\n<li>\n<p>\u0423\u0432\u0435\u0440\u0435\u043d\u043d\u0430\u044f \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f <strong>\u0443\u0441\u0438\u043b\u0438\u0432\u0430\u0435\u0442<\/strong> \u0434\u043e\u0432\u0435\u0440\u0438\u0435 \u043a \u043e\u0448\u0438\u0431\u043a\u0435.<\/p>\n<\/li>\n<li>\n<p>\u041d\u0435\u0442 \u0441\u0441\u044b\u043b\u043e\u043a \u0438 \u0446\u0438\u0442\u0430\u0442 \u0432 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u043c \u043e\u0442\u0432\u0435\u0442\u0435.<\/p>\n<\/li>\n<\/ul>\n<p>\u0416\u0438\u0432\u044c\u0451\u043c \u044d\u0442\u043e \u043f\u0440\u043e\u0431\u0438\u0440\u0430\u0435\u0442 \u0441\u0438\u043b\u044c\u043d\u0435\u0435, \u0447\u0435\u043c \u043d\u0430 \u0431\u0443\u043c\u0430\u0433\u0435: \u0432\u044b\u0434\u0443\u043c\u0430\u043d\u043d\u0443\u044e \u0434\u043e\u0437\u0438\u0440\u043e\u0432\u043a\u0443 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0438\u0437\u043d\u043e\u0441\u0438\u0442 \u0442\u0435\u043c \u0436\u0435 \u0440\u043e\u0432\u043d\u044b\u043c \u0434\u043e\u0431\u0440\u043e\u0436\u0435\u043b\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u043c \u0442\u043e\u043d\u043e\u043c, \u0447\u0442\u043e \u0438 \u0447\u0430\u0441\u044b \u0440\u0430\u0431\u043e\u0442\u044b \u0430\u043f\u0442\u0435\u043a\u0438. \u041d\u0438 \u0437\u0430\u043f\u0438\u043d\u043a\u0438, \u043d\u0438 \u00ab\u043a\u0430\u0436\u0435\u0442\u0441\u044f\u00bb.<\/p>\n<blockquote>\n<p>\u26a0\ufe0f <strong>\u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430:<\/strong> \u0434\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u043c\u0443 \u043e\u0442\u0432\u0435\u0442\u0443 \u043e \u0444\u0430\u043a\u0442\u0430\u0445 (\u0434\u0430\u0442\u044b, \u0434\u043e\u0437\u0438\u0440\u043e\u0432\u043a\u0438, \u044e\u0440\u0438\u0434\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u043a\u0438) \u0431\u0435\u0437 \u0432\u0435\u0440\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438. V2V \u2014 \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a, \u043d\u0435 \u044d\u043d\u0446\u0438\u043a\u043b\u043e\u043f\u0435\u0434\u0438\u044f. \u0414\u043b\u044f \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u044b\u0445 \u0434\u043e\u043c\u0435\u043d\u043e\u0432 \u043d\u0443\u0436\u0435\u043d \u043a\u0430\u0441\u043a\u0430\u0434 \u0441 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u043c \u043b\u043e\u0433\u043e\u043c \u0438\u043b\u0438 \u044f\u0432\u043d\u043e\u0435 \u00ab\u044f \u043d\u0435 \u0443\u0432\u0435\u0440\u0435\u043d, \u043f\u0440\u043e\u0432\u0435\u0440\u044c\u0442\u0435\u00bb.<\/p>\n<\/blockquote>\n<h4>9.3. \u0411\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c \u0438 deepfake<\/h4>\n<p>V2V \u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u0442 \u043d\u043e\u0432\u044b\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u044b \u0430\u0442\u0430\u043a:<\/p>\n<ul>\n<li>\n<p><strong>\u041a\u043b\u043e\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0433\u043e\u043b\u043e\u0441\u0430<\/strong> \u2014 VALL-E \u043f\u043e\u043a\u0430\u0437\u0430\u043b: 3 \u0441\u0435\u043a\u0443\u043d\u0434\u044b \u043e\u0431\u0440\u0430\u0437\u0446\u0430 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0434\u043b\u044f \u0443\u0437\u043d\u0430\u0432\u0430\u0435\u043c\u043e\u0433\u043e \u0441\u0438\u043d\u0442\u0435\u0437\u0430. \u0417\u0430\u0449\u0438\u0442\u0430: watermarking, consent-based voice profiles, \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440\u044b \u0441\u0438\u043d\u0442\u0435\u0437\u0430.<\/p>\n<\/li>\n<li>\n<p><strong>\u0421\u043e\u0446\u0438\u0430\u043b\u044c\u043d\u0430\u044f \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0438\u044f<\/strong> \u2014 \u0436\u0438\u0432\u043e\u0439 \u0433\u043e\u043b\u043e\u0441 \u0432 \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0435 \u0443\u0431\u0435\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u0435\u0435 \u0442\u0435\u043a\u0441\u0442\u0430.<\/p>\n<\/li>\n<li>\n<p><strong>Jailbreak \u0433\u043e\u043b\u043e\u0441\u043e\u043c<\/strong> \u2014 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u044f \u0438 \u043f\u0430\u0443\u0437\u044b \u043c\u043e\u0433\u0443\u0442 \u043e\u0431\u0445\u043e\u0434\u0438\u0442\u044c \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0435 \u0444\u0438\u043b\u044c\u0442\u0440\u044b.<\/p>\n<\/li>\n<\/ul>\n<p>\u0420\u0435\u0433\u0443\u043b\u044f\u0442\u043e\u0440\u044b (EU AI Act, FTC) \u0432\u0441\u0451 \u0430\u043a\u0442\u0438\u0432\u043d\u0435\u0435 \u0442\u0440\u0435\u0431\u0443\u044e\u0442 \u043c\u0430\u0440\u043a\u0438\u0440\u043e\u0432\u043a\u0438 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0440\u0435\u0447\u0438.<\/p>\n<h4>9.4. \u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0438 \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430<\/h4>\n<p>\u041d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 V2V <strong>\u0434\u043e\u0440\u043e\u0436\u0435<\/strong> \u0442\u0435\u043a\u0441\u0442\u0430 \u043d\u0430 \u0442\u043e\u0442 \u0436\u0435 \u0434\u0438\u0430\u043b\u043e\u0433:<\/p>\n<ul>\n<li>\n<p>\u0410\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u044b \u043f\u043b\u043e\u0442\u043d\u0435\u0435 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 (50 \u0442\u043e\u043a\u0435\u043d\/\u0441 vs ~3 \u0442\u043e\u043a\u0435\u043d\/\u0441 \u0440\u0435\u0447\u0438).<\/p>\n<\/li>\n<li>\n<p>\u041d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u044b\u0439 \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433 \u0434\u0435\u0440\u0436\u0438\u0442 GPU \u0437\u0430\u043d\u044f\u0442\u044b\u043c \u0432\u0441\u044e \u0441\u0435\u0441\u0441\u0438\u044e (\u043d\u0435 batch-\u0437\u0430\u043f\u0440\u043e\u0441).<\/p>\n<\/li>\n<li>\n<p>KV-\u043a\u044d\u0448 \u0435\u0441\u0442 \u043f\u0430\u043c\u044f\u0442\u044c.<\/p>\n<\/li>\n<\/ul>\n<p>\u041e\u0440\u0438\u0435\u043d\u0442\u0438\u0440 2026: \u0443 GPT-Realtime-2 \u043c\u0438\u043b\u043b\u0438\u043e\u043d \u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0441\u0442\u043e\u0438\u0442 $32 \u043d\u0430 \u0432\u0445\u043e\u0434\u0435 \u0438 $64 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435 \u2014 \u0432 \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0440\u0430\u0437 \u0434\u043e\u0440\u043e\u0436\u0435 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0433\u043e \u0432\u0445\u043e\u0434\u0430 \u0442\u0435\u0445 \u0436\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439, \u0438 \u0441\u0430\u043c\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043d\u0430 \u0442\u0443 \u0436\u0435 \u0440\u0435\u043f\u043b\u0438\u043a\u0443 \u0443\u0445\u043e\u0434\u0438\u0442 \u0431\u043e\u043b\u044c\u0448\u0435. \u0418\u0442\u043e\u0433: \u043c\u0438\u043d\u0443\u0442\u0430 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0433\u043e \u0434\u0438\u0430\u043b\u043e\u0433\u0430 \u0447\u0435\u0440\u0435\u0437 API \u043e\u0431\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u043d\u0430 1\u20132 \u043f\u043e\u0440\u044f\u0434\u043a\u0430 \u0434\u043e\u0440\u043e\u0436\u0435 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0433\u043e \u044d\u043a\u0432\u0438\u0432\u0430\u043b\u0435\u043d\u0442\u0430. \u0414\u043b\u044f \u043c\u0430\u0441\u0441\u043e\u0432\u043e\u0433\u043e \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u0430 \u044d\u0442\u043e \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u0431\u0438\u0437\u043d\u0435\u0441-\u043c\u043e\u0434\u0435\u043b\u044c (\u043f\u043e\u0434\u043f\u0438\u0441\u043a\u0430, \u043b\u0438\u043c\u0438\u0442\u044b \u043c\u0438\u043d\u0443\u0442).<\/p>\n<h4>9.5. \u0427\u0442\u043e \u0434\u0430\u043b\u044c\u0448\u0435<\/h4>\n<p>\u041d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0439, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0444\u043e\u0440\u043c\u0438\u0440\u0443\u044e\u0442 2026\u20132027:<\/p>\n<ol>\n<li>\n<p><strong>\u0415\u0449\u0451 \u043d\u0438\u0436\u0435 \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430<\/strong> \u2014 \u0434\u0438\u0441\u0442\u0438\u043b\u043b\u044f\u0446\u0438\u044f, \u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0442\u0438\u0432\u043d\u043e\u0435 \u0434\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0430\u0443\u0434\u0438\u043e\u0442\u043e\u043a\u0435\u043d\u043e\u0432, edge inference \u043d\u0430 NPU \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0430.<\/p>\n<\/li>\n<li>\n<p><strong>\u0411\u043e\u043b\u0435\u0435 \u0437\u0440\u0435\u043b\u044b\u0439 turn-taking<\/strong> \u2014 \u043e\u0442 \u043f\u0440\u043e\u0441\u0442\u043e\u0433\u043e interrupt \u043a \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u043c\u0443 full-duplex \u0442\u0430\u043c, \u0433\u0434\u0435 \u043e\u043d \u043d\u0443\u0436\u0435\u043d.<\/p>\n<\/li>\n<li>\n<p><strong>\u041c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c<\/strong> \u2014 \u0433\u043e\u043b\u043e\u0441 + \u0436\u0435\u0441\u0442\u044b + \u044d\u043a\u0440\u0430\u043d (Gemini Live \u0443\u0436\u0435 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442).<\/p>\n<\/li>\n<li>\n<p><strong>\u041f\u0435\u0440\u0441\u043e\u043d\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f<\/strong> \u2014 \u0432\u0430\u0448 \u0433\u043e\u043b\u043e\u0441, \u0432\u0430\u0448 \u0441\u0442\u0438\u043b\u044c, \u0432\u0430\u0448\u0430 \u043f\u0430\u043c\u044f\u0442\u044c \u2014 \u0431\u0435\u0437 \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0441\u0435\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 (adapters, voice profiles).<\/p>\n<\/li>\n<li>\n<p><strong>\u041e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0432\u0435\u0441\u0430<\/strong> \u2014 Moshi, Ultravox, Qwen3-Omni \u0441\u043d\u0438\u0436\u0430\u044e\u0442 \u043f\u043e\u0440\u043e\u0433 \u0432\u0445\u043e\u0434\u0430 \u0434\u043b\u044f \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432.<\/p>\n<\/li>\n<\/ol>\n<blockquote>\n<p>\ud83d\udca1 <strong>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c \u0444\u0438\u043d\u0430\u043b\u0430:<\/strong> V2V \u2014 \u043d\u0435 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u0432\u0441\u0435\u043b\u0435\u043d\u043d\u0430\u044f, \u0430 <strong>\u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0441\u043b\u043e\u0439<\/strong> \u043d\u0430 \u0442\u043e\u043c \u0436\u0435 \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442\u0435, \u0447\u0442\u043e \u0438 LLM: \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435, RLHF \u0434\u043b\u044f \u0443\u0434\u043e\u0431\u0441\u0442\u0432\u0430. \u0415\u0441\u043b\u0438 \u0432\u044b \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442\u0435 LLM \u2014 \u0432\u044b \u0443\u0436\u0435 \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442\u0435 80% V2V. \u041e\u0441\u0442\u0430\u0432\u0448\u0438\u0435\u0441\u044f 20% \u2014 \u043a\u043e\u0434\u0435\u043a\u0438, \u043f\u0440\u043e\u0441\u043e\u0434\u0438\u044f \u0438 \u0431\u043e\u0440\u044c\u0431\u0430 \u0441 \u043c\u0438\u043b\u043b\u0438\u0441\u0435\u043a\u0443\u043d\u0434\u0430\u043c\u0438.<\/p>\n<\/blockquote>\n<h4>\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435<\/h4>\n<p>\u041c\u044b \u043f\u0440\u043e\u0448\u043b\u0438 \u043f\u0443\u0442\u044c \u043e\u0442 \u0437\u0432\u0443\u043a\u043e\u0432\u043e\u0439 \u0432\u043e\u043b\u043d\u044b \u0434\u043e \u0436\u0438\u0432\u043e\u0433\u043e \u0434\u0438\u0430\u043b\u043e\u0433\u0430:<\/p>\n<ul>\n<li>\n<p><strong>\u0417\u0432\u0443\u043a<\/strong> \u0441\u0436\u0438\u043c\u0430\u0435\u0442\u0441\u044f \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u043c \u043a\u043e\u0434\u0435\u043a\u043e\u043c \u0432 \u0442\u043e\u043a\u0435\u043d\u044b.<\/p>\n<\/li>\n<li>\n<p><strong>\u0422\u0440\u0438 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b<\/strong> \u2014 \u043a\u0430\u0441\u043a\u0430\u0434, \u0441\u043a\u0432\u043e\u0437\u043d\u0430\u044f LM, \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0439 realtime (\u0430 full-duplex \u2014 \u0435\u0433\u043e \u0441\u0438\u043b\u044c\u043d\u0435\u0439\u0448\u0430\u044f \u0444\u043e\u0440\u043c\u0430) \u2014 \u0440\u0435\u0448\u0430\u044e\u0442 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441 \u043c\u0435\u0436\u0434\u0443 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e\u043c, \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u043e\u0439 \u0438 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u043c\u043e\u0441\u0442\u044c\u044e.<\/p>\n<\/li>\n<li>\n<p><strong>\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435<\/strong> \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u0435\u0442 LLM: \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0435, SFT, RLHF \u2014 \u043f\u043b\u044e\u0441 turn-taking.<\/p>\n<\/li>\n<li>\n<p><strong>\u0418\u043d\u0444\u0435\u0440\u0435\u043d\u0441<\/strong> \u2014 \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433 \u0447\u0430\u043d\u043a\u043e\u0432 \u0441 KV-\u043a\u044d\u0448\u0435\u043c, VAD, \u0431\u043e\u0440\u044c\u0431\u0430 \u0437\u0430 &lt; 300 \u043c\u0441.<\/p>\n<\/li>\n<\/ul>\n<p>\u0413\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 AI \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u0451\u0442 \u0431\u044b\u0442\u044c \u0444\u0430\u043d\u0442\u0430\u0441\u0442\u0438\u043a\u043e\u0439 \u0438 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u043e\u0439 \u2014 \u043a\u0430\u043a \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0439 \u0447\u0430\u0442 \u043f\u044f\u0442\u044c \u043b\u0435\u0442 \u043d\u0430\u0437\u0430\u0434. \u0420\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c\u0441\u044f \u0432 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u0435 \u0441\u0435\u0439\u0447\u0430\u0441 \u2014 \u0437\u043d\u0430\u0447\u0438\u0442 \u043d\u0435 \u0443\u0434\u0438\u0432\u043b\u044f\u0442\u044c\u0441\u044f \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u0430\u043c \u0437\u0430\u0432\u0442\u0440\u0430.<\/p>\n<blockquote>\n<p>\ud83d\udcda <strong>\u0427\u0442\u043e \u0447\u0438\u0442\u0430\u0442\u044c \u0434\u0430\u043b\u044c\u0448\u0435:<\/strong><\/p>\n<ul>\n<li>\n<p>\u041a\u043d\u0438\u0433\u0430 \u00ab\u041a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 LLM\u00bb (\u0410. \u0421\u0430\u043f\u0443\u043d\u043e\u0432) \u2014 \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u043e\u0432 \u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n<li>\n<p>AudioLM, SoundStream, Moshi \u2014 \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0430 arXiv (\u043f\u043e\u0438\u0441\u043a \u043f\u043e \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u044e).<\/p>\n<\/li>\n<li>\n<p>\u0414\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u044f OpenAI Realtime API \u0438 Google Gemini Live \u2014 \u0434\u043b\u044f \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0438.<\/p>\n<\/li>\n<li>\n<p>Hugging Face: \u043c\u043e\u0434\u0435\u043b\u0438 <code>kyutai\/moshiko-*<\/code>, <code>fixie-ai\/ultravox<\/code> \u2014 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0432\u0435\u0441\u0430.<\/p>\n<\/li>\n<\/ul>\n<\/blockquote>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1056820\/\">https:\/\/habr.com\/ru\/articles\/1056820\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0412\u044b \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u0435 \u0432 \u0442\u0435\u043b\u0435\u0444\u043e\u043d: \u00ab\u041e\u0431\u044a\u044f\u0441\u043d\u0438 \u043a\u0432\u0430\u043d\u0442\u043e\u0432\u0443\u044e \u0437\u0430\u043f\u0443\u0442\u0430\u043d\u043d\u043e\u0441\u0442\u044c \u0437\u0430 \u043c\u0438\u043d\u0443\u0442\u0443\u00bb. \u0427\u0435\u0440\u0435\u0437 \u0434\u043e\u043b\u044e \u0441\u0435\u043a\u0443\u043d\u0434\u044b \u0438\u0437 \u0434\u0438\u043d\u0430\u043c\u0438\u043a\u0430 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0436\u0438\u0432\u043e\u0439 \u0433\u043e\u043b\u043e\u0441 \u2014 \u043d\u0435 \u0440\u043e\u0431\u043e\u0442 \u0438\u0437 \u043d\u0430\u0432\u0438\u0433\u0430\u0442\u043e\u0440\u0430, \u0430 \u043f\u043e\u0447\u0442\u0438 \u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a: \u0441 \u043f\u0430\u0443\u0437\u0430\u043c\u0438, \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u0435\u0439, \u0434\u0430\u0436\u0435 \u0441 \u043b\u0451\u0433\u043a\u0438\u043c \u00ab\u0445\u043c\u00bb \u043f\u0435\u0440\u0435\u0434 \u0441\u043b\u043e\u0436\u043d\u044b\u043c \u043c\u0435\u0441\u0442\u043e\u043c. \u042d\u0442\u043e voice-2-voice (V2V): \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u0430\u0443\u0434\u0438\u043e \u0438 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0430\u0443\u0434\u0438\u043e. \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043c\u044b \u0440\u0430\u0437\u0431\u0435\u0440\u0451\u043c, \u043a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u044d\u0442\u043e\u0442 \u0444\u043e\u043a\u0443\u0441 \u2014 \u043e\u0442 \u0432\u043e\u043b\u043d\u044b \u0432 \u043c\u0438\u043a\u0440\u043e\u0444\u043e\u043d\u0435 \u0434\u043e \u0437\u0432\u0443\u043a\u0430 \u0432 \u0434\u0438\u043d\u0430\u043c\u0438\u043a\u0435.\u041e\u0442\u043a\u0443\u0434\u0430 \u0432\u0437\u044f\u043b\u0430\u0441\u044c \u0441\u0442\u0430\u0442\u044c\u044f\u041c\u043d\u0435 \u0434\u043e\u0432\u0435\u043b\u043e\u0441\u044c \u043f\u043e\u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0432 Newo.ai \u2014 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0438, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043e\u0441\u043d\u043e\u0432\u0430\u043b \u0414\u0430\u0432\u0438\u0434 \u042f\u043d, \u0441\u043e\u0437\u0434\u0430\u0442\u0435\u043b\u044c ABBYY \u0438 \u043e\u0434\u0438\u043d \u0438\u0437 \u0442\u0435\u0445, \u043a\u0442\u043e \u0435\u0449\u0451 \u0432 \u0434\u0435\u0432\u044f\u043d\u043e\u0441\u0442\u044b\u0435 \u043f\u043e\u043a\u0430\u0437\u0430\u043b, \u0447\u0442\u043e \u0438\u0437 \u0420\u043e\u0441\u0441\u0438\u0438 \u043c\u043e\u0433\u0443\u0442 \u0432\u044b\u0445\u043e\u0434\u0438\u0442\u044c \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u044b \u043c\u0438\u0440\u043e\u0432\u043e\u0433\u043e \u0443\u0440\u043e\u0432\u043d\u044f. \u042f \u0437\u0430\u043d\u0438\u043c\u0430\u043b\u0441\u044f \u0432\u043d\u0435\u0434\u0440\u0435\u043d\u0438\u0435\u043c \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u044b\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0432 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0435 \u043f\u0440\u043e\u0435\u043a\u0442\u044b \u043d\u0430 \u0435\u0432\u0440\u043e\u043f\u0435\u0439\u0441\u043a\u043e\u043c \u0440\u044b\u043d\u043a\u0435: \u043d\u0435 \u0441\u0446\u0435\u043d\u043e\u0439 \u043d\u0430 \u043a\u043e\u043d\u0444\u0435\u0440\u0435\u043d\u0446\u0438\u0438, \u0430 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u043e\u043c, \u0433\u0434\u0435 \u0441\u0447\u0451\u0442 \u0438\u0434\u0451\u0442 \u043d\u0430 \u043c\u0438\u043b\u043b\u0438\u0441\u0435\u043a\u0443\u043d\u0434\u044b, \u0430 \u043d\u0435\u0443\u0434\u0430\u0447\u043d\u044b\u0439 \u0442\u043e\u043d \u043e\u0442\u0432\u0435\u0442\u0430 \u0441\u043b\u044b\u0448\u0435\u043d \u0432 \u043e\u0442\u0442\u043e\u043a\u0435 \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432.\u0418\u043c\u0435\u043d\u043d\u043e \u0442\u0430\u043c \u044f \u0432\u043f\u0435\u0440\u0432\u044b\u0435 \u0432\u0441\u0435\u0440\u044c\u0451\u0437 \u0441\u0442\u043e\u043b\u043a\u043d\u0443\u043b\u0441\u044f \u0441 voice-2-voice \u2014 \u0441\u0438\u0441\u0442\u0435\u043c\u0430\u043c\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u044e\u0442 \u0440\u0435\u0447\u044c \u0438 \u043e\u0442\u0432\u0435\u0447\u0430\u044e\u0442 \u0440\u0435\u0447\u044c\u044e. \u0421\u043d\u0430\u0440\u0443\u0436\u0438 \u0432\u0441\u0451 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043f\u0440\u043e\u0441\u0442\u043e; \u0432\u043d\u0443\u0442\u0440\u0438 \u2014 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u043a\u043e\u0434\u0435\u043a\u0438, \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b, \u0442\u0440\u0438 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0438 \u043c\u0435\u0441\u044f\u0446\u044b \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043e \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0432 \u0440\u0435\u043a\u043b\u0430\u043c\u043d\u044b\u0445 \u0431\u0440\u043e\u0448\u044e\u0440\u0430\u0445 \u043e\u0431\u044b\u0447\u043d\u043e \u043d\u0435 \u043f\u0438\u0448\u0443\u0442. \u041c\u043d\u0435 \u0437\u0430\u0445\u043e\u0442\u0435\u043b\u043e\u0441\u044c \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c\u0441\u044f, \u043a\u0430\u043a \u044d\u0442\u043e \u0443\u0441\u0442\u0440\u043e\u0435\u043d\u043e \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0434\u0435\u043b\u0435 \u0438 \u0447\u0435\u043c \u043e\u0434\u043d\u0438 V2V- \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0442\u043b\u0438\u0447\u0430\u044e\u0442\u0441\u044f \u043e\u0442 \u0434\u0440\u0443\u0433\u0438\u0445 \u2014 \u043d\u0435 \u043f\u043e \u043f\u0440\u0435\u0437\u0435\u043d\u0442\u0430\u0446\u0438\u044f\u043c, \u0430 \u043f\u043e \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u0443.\u042f \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u043b\u0441\u044f \u2014 \u0438 \u043d\u0430\u043f\u0438\u0441\u0430\u043b \u044d\u0442\u0443 \u0441\u0442\u0430\u0442\u044c\u044e. \u041e\u043d\u0430 \u0434\u043b\u044f \u0442\u0435\u0445, \u043a\u043e\u043c\u0443 V2V \u0443\u0436\u0435 \u043f\u043e\u043f\u0430\u043b\u0441\u044f \u0432 \u0440\u0430\u0431\u043e\u0442\u0435, \u043d\u043e \u043a\u0442\u043e, \u043a\u0430\u043a \u0438 \u044f \u043a\u043e\u0433\u0434\u0430-\u0442\u043e, \u0445\u043e\u0447\u0435\u0442 \u0443\u0432\u0438\u0434\u0435\u0442\u044c \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442\u043e\u043c \u043d\u0435 \u043c\u0430\u0433\u0438\u044e, \u0430 \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0439 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c.\u041e \u0447\u0451\u043c \u044d\u0442\u0430 \u0441\u0442\u0430\u0442\u044c\u044f\u0415\u0441\u043b\u0438 \u0432\u044b \u0437\u043d\u0430\u0435\u0442\u0435, \u043a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u044f\u0437\u044b\u043a\u043e\u0432\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 (\u0438\u043b\u0438 \u0447\u0438\u0442\u0430\u043b\u0438 \u043a\u043d\u0438\u0433\u0443 \u00ab\u041a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 LLM\u00bb), \u0432\u0430\u043c \u0437\u043d\u0430\u043a\u043e\u043c \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u043f\u0440\u0438\u043d\u0446\u0438\u043f: \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d. V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u2014 \u0431\u043b\u0438\u0437\u043a\u0438\u0435 \u0440\u043e\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u0438\u043a\u0438 \u044d\u0442\u043e\u0439 \u0438\u0434\u0435\u0438, \u0442\u043e\u043b\u044c\u043a\u043e \u00ab\u0442\u043e\u043a\u0435\u043d\u044b\u00bb \u0442\u0435\u043f\u0435\u0440\u044c \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u044e\u0442 \u043d\u0435 \u0431\u0443\u043a\u0432\u044b \u0438 \u0441\u043b\u043e\u0432\u0430, \u0430 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u044b \u0437\u0432\u0443\u043a\u0430.\u0421\u0442\u0430\u0442\u044c\u044f \u0440\u0430\u0441\u0441\u0447\u0438\u0442\u0430\u043d\u0430 \u043d\u0430 \u0418\u0422-\u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0441\u0442\u0430: \u0432\u044b \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442\u0435, \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 API, GPU \u0438 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440, \u043d\u043e, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u043d\u0438\u043a\u043e\u0433\u0434\u0430 \u043d\u0435 \u043a\u0430\u0441\u0430\u043b\u0438\u0441\u044c speech ML. \u041c\u044b \u043d\u0435 \u0431\u0443\u0434\u0435\u043c \u0443\u043f\u0440\u043e\u0449\u0430\u0442\u044c \u0434\u043e \u00ab\u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u0441\u043b\u0443\u0448\u0430\u0435\u0442 \u0438 \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u00bb \u2014 \u043f\u0440\u043e\u0439\u0434\u0451\u043c \u0432\u0435\u0441\u044c \u043f\u0443\u0442\u044c: \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0437\u0432\u0443\u043a\u0430, \u0442\u0440\u0438 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b, \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435, \u0441\u0442\u0440\u0438\u043c\u0438\u043d\u0433 \u0438 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f.\u041e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0442\u0435\u043a\u0441\u0442 \u043e\u0431\u044a\u044f\u0441\u043d\u044f\u0435\u0442 \u0438\u0434\u0435\u0438 \u043d\u0430 \u043f\u0430\u043b\u044c\u0446\u0430\u0445, \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043a\u043e\u0434\u0430 \u2014 \u043d\u0430 Swift (github.com\/asaptf\/v2v-models-article-ru \u2014 \u043a\u0430\u0436\u0434\u044b\u0439 \u0444\u0430\u0439\u043b \u0431\u0435\u0437 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439 \u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442\u0441\u044f \u043e\u0434\u043d\u043e\u0439 \u043a\u043e\u043c\u0430\u043d\u0434\u043e\u0439), \u0430 \u0432\u0440\u0435\u0437\u043a\u0438 \u0434\u0430\u044e\u0442 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0443\u044e \u0433\u043b\u0443\u0431\u0438\u043d\u0443: \ud83d\udca1 \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c, \ud83d\udcd0 \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u044f, \ud83d\udee0 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u0435 \u0434\u0435\u0442\u0430\u043b\u0438, \u26a0\ufe0f \u0447\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430, \ud83d\udcdc \u0438\u0441\u0442\u043e\u0440\u0438\u044f, \ud83d\udcda \u0441\u0441\u044b\u043b\u043a\u0438.\u0421 \u0447\u0435\u0433\u043e \u043d\u0430\u0447\u043d\u0451\u043c: \u0447\u0451\u0440\u043d\u044b\u0439 \u044f\u0449\u0438\u043a\u0421\u043d\u0430\u0440\u0443\u0436\u0438 V2V-\u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043f\u0440\u0435\u0434\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u043e:V2V \u043a\u0430\u043a \u0447\u0451\u0440\u043d\u044b\u0439 \u044f\u0449\u0438\u043a\u0420\u0435\u0447\u044c \u0432\u0445\u043e\u0434\u0438\u0442 \u2014 \u0440\u0435\u0447\u044c \u0432\u044b\u0445\u043e\u0434\u0438\u0442. \u041d\u0438\u043a\u0430\u043a\u043e\u0433\u043e \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u044b \u043c\u043e\u0433\u043b\u0438 \u0431\u044b \u043f\u0440\u043e\u0447\u0438\u0442\u0430\u0442\u044c (\u0445\u043e\u0442\u044f \u0432\u043d\u0443\u0442\u0440\u0438 \u043e\u043d \u0438\u043d\u043e\u0433\u0434\u0430 \u0432\u0441\u0451 \u0436\u0435 \u043f\u043e\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u2014 \u043e\u0431 \u044d\u0442\u043e\u043c \u0432 \u0440\u0430\u0437\u0434\u0435\u043b\u0435 2). \u0412\u0441\u044f \u0441\u0442\u0430\u0442\u044c\u044f \u2014 \u043e \u0442\u043e\u043c, \u0447\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u0432\u043d\u0443\u0442\u0440\u0438 \u044d\u0442\u043e\u0433\u043e \u044f\u0449\u0438\u043a\u0430.\ud83d\udca1 \u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c \u0441\u0442\u0430\u0442\u044c\u0438: \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u043e \u043c\u043d\u043e\u0433\u043e\u043c \u043f\u043e\u0445\u043e\u0436\u0438 \u043d\u0430 \u044f\u0437\u044b\u043a\u043e\u0432\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043b\u044f \u0437\u0432\u0443\u043a\u0430. \u0422\u0430 \u0436\u0435 \u0438\u0434\u0435\u044f \u00ab\u0443\u0433\u0430\u0434\u0430\u0439 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u044d\u043b\u0435\u043c\u0435\u043d\u0442 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438\u00bb, \u043d\u043e \u0432\u043c\u0435\u0441\u0442\u043e \u0441\u043b\u043e\u0432 \u2014 \u0442\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438, \u0441\u0436\u0430\u0442\u044b\u0435 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u043c \u043a\u043e\u0434\u0435\u043a\u043e\u043c. \u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f \u043d\u0435 \u043f\u043e\u043b\u043d\u0430\u044f: \u0430\u0443\u0434\u0438\u043e \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u043a\u043e\u0434\u0435\u043a\u043e\u0432, \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043f\u043e\u0442\u043e\u043a\u043e\u0432 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043e\u0447\u0435\u0440\u0451\u0434\u043d\u043e\u0441\u0442\u0438 \u0440\u0435\u043f\u043b\u0438\u043a \u0438 \u0431\u043e\u0440\u044c\u0431\u044b \u0437\u0430 \u043c\u0438\u043b\u043b\u0438\u0441\u0435\u043a\u0443\u043d\u0434\u044b \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0438.\ud83d\udcd0 \u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f: \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u0430\u044f LLM \u2014 \u044d\u0442\u043e \u043f\u0438\u0441\u0430\u0442\u0435\u043b\u044c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043d\u0430\u0431\u0438\u0440\u0430\u0435\u0442 \u043e\u0442\u0432\u0435\u0442 \u043f\u043e \u0431\u0443\u043a\u0432\u0430\u043c. V2V-\u043c\u043e\u0434\u0435\u043b\u044c \u2014 \u0434\u0438\u043a\u0442\u043e\u0440-\u0441\u043e\u0431\u0435\u0441\u0435\u0434\u043d\u0438\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043d\u0430\u0431\u0438\u0440\u0430\u0435\u0442 \u043e\u0442\u0432\u0435\u0442 \u043a\u0440\u043e\u0448\u0435\u0447\u043d\u044b\u043c\u0438 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442\u0430\u043c\u0438 \u0437\u0432\u0443\u043a\u0430 \u0438 \u0432 realtime-\u0440\u0435\u0436\u0438\u043c\u0435 \u0435\u0449\u0451 \u0441\u043b\u0435\u0434\u0438\u0442 \u0437\u0430 \u043f\u0430\u0443\u0437\u0430\u043c\u0438, \u043f\u0435\u0440\u0435\u0431\u0438\u0432\u0430\u043d\u0438\u044f\u043c\u0438 \u0438 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u0435\u0439. \u0418 \u043f\u0438\u0441\u0430\u0442\u0435\u043b\u044c, \u0438 \u0434\u0438\u043a\u0442\u043e\u0440 \u0443\u0447\u0430\u0442\u0441\u044f \u043d\u0430 \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0445 \u043a\u043e\u0440\u043f\u0443\u0441\u0430\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432 \u00ab\u0447\u0442\u043e \u0431\u044b\u043b\u043e \u0434\u0430\u043b\u044c\u0448\u0435\u00bb.\u0427\u0435\u043c V2V \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u0442 \u00ab\u043f\u0440\u043e\u0441\u0442\u043e TTS\u00bb\u0421\u0438\u043d\u0442\u0435\u0437 \u0440\u0435\u0447\u0438 (TTS, text-to-speech) \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u0434\u0435\u0441\u044f\u0442\u0438\u043b\u0435\u0442\u0438\u044f\u043c\u0438: \u0432\u044b \u0434\u0430\u0451\u0442\u0435 \u0442\u0435\u043a\u0441\u0442 \u2014 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0435 \u0433\u043e\u043b\u043e\u0441. V2V \u2014 \u0434\u0440\u0443\u0433\u043e\u0435:TTSV2V\u0412\u0445\u043e\u0434\u0442\u0435\u043a\u0441\u0442\u0430\u0443\u0434\u0438\u043e (\u0440\u0435\u0447\u044c \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f)\u041f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0441\u043c\u044b\u0441\u043b\u0430\u043d\u0435 \u043d\u0443\u0436\u043d\u043e\u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0414\u0438\u0430\u043b\u043e\u0433\u043d\u0435\u0442 (\u043e\u0434\u043d\u043e\u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u043d\u043e)\u0434\u0430 (\u043c\u043d\u043e\u0433\u043e\u0445\u043e\u0434\u043e\u0432\u044b\u0439)\u0417\u0430\u0434\u0435\u0440\u0436\u043a\u0430\u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0432\u044b\u0441\u043e\u043a\u043e\u0439\u0434\u043e\u043b\u0436\u043d\u0430 \u0431\u044b\u0442\u044c \u043d\u0438\u0437\u043a\u043e\u0439V2V \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u044f\u0435\u0442 \u0442\u0440\u0438 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0440\u0430\u043d\u044c\u0448\u0435 \u0436\u0438\u043b\u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e: \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0440\u0435\u0447\u0438 (ASR), \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0438 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435 (LLM), \u0441\u0438\u043d\u0442\u0435\u0437 \u0440\u0435\u0447\u0438 (TTS). \u0412\u043e\u043f\u0440\u043e\u0441 \u0432 \u0442\u043e\u043c, \u0434\u0435\u043b\u0430\u0442\u044c \u043b\u0438 \u044d\u0442\u043e \u0442\u0440\u0435\u043c\u044f \u0431\u043b\u043e\u043a\u0430\u043c\u0438 \u043f\u043e\u0434\u0440\u044f\u0434 \u0438\u043b\u0438 \u043e\u0434\u043d\u043e\u0439 \u0441\u043a\u0432\u043e\u0437\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u2014 \u043a \u044d\u0442\u043e\u043c\u0443 \u043c\u044b \u043f\u0435\u0440\u0435\u0439\u0434\u0451\u043c \u0432\u043e \u0432\u0442\u043e\u0440\u043e\u043c \u0440\u0430\u0437\u0434\u0435\u043b\u0435.\u26a0\ufe0f \u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430: \u043d\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043b\u044e\u0431\u043e\u0439 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u043e\u0439 \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442 \u00abV2V-\u043c\u043e\u0434\u0435\u043b\u044c\u044e\u00bb. \u0415\u0441\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440 \u00abWhisper \u2192 GPT \u2192 ElevenLabs\u00bb, \u044d\u0442\u043e \u043a\u0430\u0441\u043a\u0430\u0434, \u0430 \u043d\u0435 \u043d\u0430\u0442\u0438\u0432\u043d\u0430\u044f voice-2-voice \u043c\u043e\u0434\u0435\u043b\u044c. \u0420\u0430\u0437\u043d\u0438\u0446\u0430 \u0432\u0430\u0436\u043d\u0430: \u043a\u0430\u0441\u043a\u0430\u0434 \u043f\u0440\u043e\u0449\u0435 \u043e\u0442\u043b\u0430\u0436\u0438\u0432\u0430\u0442\u044c, \u043d\u043e \u0442\u0435\u0440\u044f\u0435\u0442 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u044e, \u044d\u043c\u043e\u0446\u0438\u0438 \u0438 \u043d\u0435\u0432\u0435\u0440\u0431\u0430\u043b\u044c\u043d\u044b\u0435 \u0441\u0438\u0433\u043d\u0430\u043b\u044b (\u0432\u0437\u0434\u043e\u0445, \u0441\u043c\u0435\u0448\u043e\u043a), \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435 \u043f\u043e\u043f\u0430\u0434\u0430\u044e\u0442 \u0432 \u0442\u0435\u043a\u0441\u0442.1. \u0417\u0432\u0443\u043a \u043a\u0430\u043a \u0434\u0430\u043d\u043d\u044b\u0435 \u2014 \u0442\u0440\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f\u041f\u0440\u0435\u0436\u0434\u0435 \u0447\u0435\u043c \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u00ab\u0443\u0441\u043b\u044b\u0448\u0438\u0442\u00bb \u0432\u0430\u0441, \u0437\u0432\u0443\u043a \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u044c \u0432 \u0447\u0438\u0441\u043b\u0430. \u041d\u043e \u043d\u0435 \u0432 \u043b\u044e\u0431\u044b\u0435 \u2014 \u0432 \u0442\u0430\u043a\u0438\u0435, \u0441 \u043a\u043e\u0442\u043e\u0440\u044b\u043c\u0438 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043c\u043e\u0436\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e. \u0412 \u044d\u0442\u043e\u0439 \u0433\u043b\u0430\u0432\u0435 \u2014 \u0442\u0440\u0438 \u0441\u0442\u0443\u043f\u0435\u043d\u0438 \u0441\u0436\u0430\u0442\u0438\u044f: \u043e\u0442 \u0441\u044b\u0440\u043e\u0439 \u0432\u043e\u043b\u043d\u044b \u0434\u043e \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043f\u043e\u0445\u043e\u0436\u0438\u0445 \u043d\u0430 \u0441\u043b\u043e\u0432\u0430 \u0432 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 LLM.1.1. \u0421\u044b\u0440\u0430\u044f \u0432\u043e\u043b\u043d\u0430: \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u043c\u043d\u043e\u0433\u043e \u0447\u0438\u0441\u0435\u043b\u041a\u043e\u0433\u0434\u0430 \u0432\u044b \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u0435 \u0432 \u043c\u0438\u043a\u0440\u043e\u0444\u043e\u043d, \u043e\u043d \u0437\u0430\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 \u0430\u043c\u043f\u043b\u0438\u0442\u0443\u0434\u0443 \u0437\u0432\u0443\u043a\u043e\u0432\u043e\u0433\u043e \u0434\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0442\u044b\u0441\u044f\u0447 \u0440\u0430\u0437 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443. \u0421\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u0430\u044f \u0447\u0430\u0441\u0442\u043e\u0442\u0430 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u0438\u0437\u0430\u0446\u0438\u0438 \u0434\u043b\u044f \u0440\u0435\u0447\u0438 \u2014 16 000 \u0438\u043b\u0438 24 000 \u0413\u0446 (\u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0439 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443). \u041e\u0434\u043d\u0430 \u0441\u0435\u043a\u0443\u043d\u0434\u0430 \u0440\u0435\u0447\u0438 \u043f\u0440\u0438 24 kHz \u2014 \u044d\u0442\u043e 24 000 \u0447\u0438\u0441\u0435\u043b.\u0414\u043b\u044f \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f: \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0435 \u0438\u0437 15 \u0441\u043b\u043e\u0432 \u0432 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 LLM \u2014 \u044d\u0442\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 15\u201325 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0421\u0435\u043a\u0443\u043d\u0434\u0430 \u0440\u0435\u0447\u0438 \u0432 \u00ab\u0441\u044b\u0440\u043e\u043c\u00bb \u0432\u0438\u0434\u0435 \u2014 \u043d\u0430 \u0442\u0440\u0438 \u043f\u043e\u0440\u044f\u0434\u043a\u0430 \u0431\u043e\u043b\u044c\u0448\u0435. \u041f\u043e\u0434\u0430\u0432\u0430\u0442\u044c \u0442\u0430\u043a\u043e\u0439 \u043f\u043e\u0442\u043e\u043a \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u0432 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0434\u043e\u0440\u043e\u0433\u043e: \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u0438\u0447\u043d\u043e \u043e\u0442 \u0434\u043b\u0438\u043d\u044b \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438.\u041f\u043e\u0441\u0447\u0438\u0442\u0430\u0435\u043c \u043d\u0430 \u043f\u0430\u043b\u044c\u0446\u0430\u0445 \u2014 \u043f\u043e\u043b\u043d\u044b\u0439 \u0441\u043a\u0440\u0438\u043f\u0442 \u0432 ch01_audio_compression.swift:let sampleRate = 24_000let durationSec = 1.0let rawSamples = Int(Double(sampleRate) * durationSec)   \/\/ 24 000 \u0447\u0438\u0441\u0435\u043blet tokensPerSec = 50.0let speechTokens = Int(tokensPerSec * durationSec)       \/\/ 50 \u0442\u043e\u043a\u0435\u043d\u043e\u0432print(&#171;\u0421\u0436\u0430\u0442\u0438\u0435 \u0432\u043e\u043b\u043d\u0430 \u2192 \u0442\u043e\u043a\u0435\u043d\u044b: \u00d7\\(rawSamples \/ speechTokens)&#187;)  \/\/ \u00d7480\ud83d\udcd0 \u0410\u043d\u0430\u043b\u043e\u0433\u0438\u044f: \u0441\u044b\u0440\u0430\u044f \u0432\u043e\u043b\u043d\u0430 \u2014 \u043a\u0430\u043a \u0444\u0438\u043b\u044c\u043c \u0432 \u0444\u043e\u0440\u043c\u0430\u0442\u0435 8K \u0431\u0435\u0437 \u0441\u0436\u0430\u0442\u0438\u044f: \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u0430\u0434\u0440 \u043f\u0440\u0435\u043a\u0440\u0430\u0441\u0435\u043d, \u043d\u043e \u0445\u0440\u0430\u043d\u0438\u0442\u044c \u0438 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c \u0435\u0433\u043e \u0434\u043b\u044f \u0437\u0430\u0434\u0430\u0447\u0438 \u00ab\u043f\u043e\u043d\u044f\u0442\u044c \u0441\u044e\u0436\u0435\u0442\u00bb \u2014 \u0440\u0430\u0441\u0442\u043e\u0447\u0438\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e. \u041d\u0443\u0436\u0435\u043d \u043a\u043e\u0434\u0435\u043a.1.2. \u0421\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430: \u0437\u0432\u0443\u043a \u043a\u0430\u043a \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0430\u041f\u0435\u0440\u0432\u044b\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u0441\u0436\u0430\u0442\u0438\u044f \u2014 \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430 (mel-spectrogram). \u0417\u0432\u0443\u043a \u0440\u0430\u0437\u0431\u0438\u0432\u0430\u044e\u0442 \u043d\u0430 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0435 \u043e\u043a\u043d\u0430 (\u043e\u0431\u044b\u0447\u043d\u043e 20\u201330 \u043c\u0441), \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043e\u043a\u043d\u0430 \u0441\u0447\u0438\u0442\u0430\u044e\u0442, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u044d\u043d\u0435\u0440\u0433\u0438\u0438 \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u043d\u0430 \u043a\u0430\u0436\u0434\u0443\u044e \u0447\u0430\u0441\u0442\u043e\u0442\u0443. \u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u2014 \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u0430\u044f \u00ab\u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0430\u00bb: \u043e\u0441\u044c X \u2014 \u0432\u0440\u0435\u043c\u044f, \u043e\u0441\u044c Y \u2014 \u0447\u0430\u0441\u0442\u043e\u0442\u0430, \u0446\u0432\u0435\u0442\/\u044f\u0440\u043a\u043e\u0441\u0442\u044c \u2014 \u0433\u0440\u043e\u043c\u043a\u043e\u0441\u0442\u044c.\u0427\u0430\u0441\u0442\u043e\u0442\u0430 \u043a\u0430\u0434\u0440\u043e\u0432 \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u2014 \u043e\u0431\u044b\u0447\u043d\u043e 50\u2013100 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443 (\u0432\u043c\u0435\u0441\u0442\u043e 24 000). \u0423\u0436\u0435 \u043b\u0443\u0447\u0448\u0435, \u043d\u043e \u0432\u0441\u0451 \u0435\u0449\u0451 \u043c\u043d\u043e\u0433\u043e: \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u0430\u0434\u0440 \u2014 \u0432\u0435\u043a\u0442\u043e\u0440 \u0438\u0437 ~80\u2013128 \u0447\u0438\u0441\u0435\u043b (mel-\u043a\u0430\u043d\u0430\u043b\u043e\u0432).\u0418\u043c\u0435\u043d\u043d\u043e \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0434\u0435\u0441\u044f\u0442\u0438\u043b\u0435\u0442\u0438\u044f\u043c\u0438 \u043a\u043e\u0440\u043c\u0438\u043b\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u0440\u0435\u0447\u0438. \u0421\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0447\u0430\u0441\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0438\u0445 \u043a\u0430\u043a \u0432\u0445\u043e\u0434 \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u0430, \u043d\u043e \u0434\u043b\u044f \u044f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0443\u0436\u043d\u043e \u0441\u0436\u0430\u0442\u044c \u0435\u0449\u0451 \u0441\u0438\u043b\u044c\u043d\u0435\u0435.\u041a\u0441\u0442\u0430\u0442\u0438, \u0435\u0441\u043b\u0438 \u0432\u044b \u0445\u043e\u0442\u044c \u0440\u0430\u0437 \u0432\u043a\u043b\u044e\u0447\u0430\u043b\u0438 \u0440\u0435\u0436\u0438\u043c \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0432 Audacity \u2014 \u0432\u044b \u044d\u0442\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0443\u0436\u0435 \u0432\u0438\u0434\u0435\u043b\u0438. \u041e\u043f\u044b\u0442\u043d\u044b\u0435 \u0444\u043e\u043d\u0435\u0442\u0438\u0441\u0442\u044b \u0443\u043c\u0435\u044e\u0442 \u00ab\u0447\u0438\u0442\u0430\u0442\u044c\u00bb \u043f\u043e \u0442\u0430\u043a\u043e\u0439 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0435 \u0433\u043b\u0430\u0441\u043d\u044b\u0435, \u0431\u0435\u0437 \u0432\u0441\u044f\u043a\u043e\u0433\u043e ML.1.3. \u0422\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438: \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u044b\u0435 \u00ab\u0441\u043b\u043e\u0432\u0430 \u0437\u0432\u0443\u043a\u0430\u00bb\u0422\u0440\u0435\u0442\u0438\u0439 \u0443\u0440\u043e\u0432\u0435\u043d\u044c \u2014 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u0430\u0443\u0434\u0438\u043e\u043a\u043e\u0434\u0435\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0441\u043f\u0435\u043a\u0442\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0443 (\u0438\u043b\u0438 \u0432\u043e\u043b\u043d\u0443) \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0446\u0435\u043b\u044b\u0445 \u0447\u0438\u0441\u0435\u043b \u2014 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0440\u0435\u0447\u0438. \u0422\u0438\u043f\u0438\u0447\u043d\u0430\u044f \u0447\u0430\u0441\u0442\u043e\u0442\u0430: 25\u201375 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443. \u0421\u0435\u043a\u0443\u043d\u0434\u0430 \u0440\u0435\u0447\u0438 \u2248 50 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u2014 \u043d\u0435 24 000. \u042d\u0442\u043e \u0432\u0441\u0451 \u0435\u0449\u0451 \u043f\u043b\u043e\u0442\u043d\u0435\u0435 \u0442\u0435\u043a\u0441\u0442\u0430 (\u0442\u0430 \u0436\u0435 \u0441\u0435\u043a\u0443\u043d\u0434\u0430, \u0437\u0430\u043f\u0438\u0441\u0430\u043d\u043d\u0430\u044f \u0431\u0443\u043a\u0432\u0430\u043c\u0438, \u2014 \u0442\u043e\u043a\u0435\u043d\u0430 \u0442\u0440\u0438-\u0447\u0435\u0442\u044b\u0440\u0435), \u043d\u043e \u0443\u0436\u0435 \u0442\u043e\u0442 \u043c\u0430\u0441\u0448\u0442\u0430\u0431, \u0441 \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b \u043f\u0440\u0435\u043a\u0440\u0430\u0441\u043d\u043e \u0436\u0438\u0432\u0443\u0442.\u0422\u0440\u0438 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0437\u0432\u0443\u043a\u0430\ud83d\udca1 \u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u044b\u0441\u043b\u044c: V2V-\u043c\u043e\u0434\u0435\u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u043d\u0435 \u0441 \u0432\u043e\u043b\u043d\u043e\u0439, \u0430 \u0441 \u0442\u043e\u043a\u0435\u043d\u0430\u043c\u0438 \u0440\u0435\u0447\u0438 \u2014 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u043d\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c\u044e, \u043a \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u0430 \u0442\u0430 \u0436\u0435 \u043b\u043e\u0433\u0438\u043a\u0430, \u0447\u0442\u043e \u0438 \u043a \u0442\u0435\u043a\u0441\u0442\u0443: \u00ab\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0436\u0438 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d\u00bb. \u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a \u2014 \u043c\u043e\u0441\u0442 \u043c\u0435\u0436\u0434\u0443 \u0444\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u0437\u0432\u0443\u043a\u043e\u043c \u0438 \u044f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u044c\u044e.\ud83d\udee0\ufe0f \u0418\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u0430\u044f \u0432\u0441\u0442\u0430\u0432\u043a\u0430: \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0430\u0443\u0434\u0438\u043e.\u0427\u0430\u0441\u0442\u043e\u0442\u0430 \u0434\u0438\u0441\u043a\u0440\u0435\u0442\u0438\u0437\u0430\u0446\u0438\u0438 : 16 kHz (\u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0438\u044f) \u0438\u043b\u0438 24 kHz (\u0448\u0438\u0440\u043e\u043a\u043e\u043f\u043e\u043b\u043e\u0441\u043d\u0430\u044f \u0440\u0435\u0447\u044c).\u0420\u0430\u0437\u043c\u0435\u0440 \u043e\u043a\u043d\u0430 FFT: \u043e\u0431\u044b\u0447\u043d\u043e 25 \u043c\u0441, \u0448\u0430\u0433 (hop) 10 \u043c\u0441 \u2192 ~100 \u043a\u0430\u0434\u0440\u043e\u0432\/\u0441 \u0434\u043e \u0434\u0430\u0443\u043d\u0441\u044d\u043c\u043f\u043b\u0438\u043d\u0433\u0430.Mel-\u0448\u043a\u0430\u043b\u0430:  \u2014 \u0430\u043f\u043f\u0440\u043e\u043a\u0441\u0438\u043c\u0438\u0440\u0443\u0435\u0442 \u0432\u043e\u0441\u043f\u0440\u0438\u044f\u0442\u0438\u0435 \u0443\u0445\u043e\u043c.\u0422\u043e\u043a\u0435\u043d\u044b \u043a\u043e\u0434\u0435\u043a\u0430: \u043a\u043e\u0434\u043e\u0432\u0430\u044f \u043a\u043d\u0438\u0433\u0430 \u0440\u0430\u0437\u043c\u0435\u0440\u043e\u043c  (\u0447\u0430\u0441\u0442\u043e  \u0438\u043b\u0438 ), \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0443\u0440\u043e\u0432\u043d\u0435\u0439 RVQ (\u0441\u043c. \u0440\u0430\u0437\u0434\u0435\u043b 3).\u0411\u0438\u0442\u0440\u0435\u0439\u0442 \u0442\u043e\u043a\u0435\u043d\u043e\u0432: \u043f\u0440\u0438 50 \u0442\u043e\u043a\u0435\u043d\/\u0441 \u0438  \u0431\u0438\u0442 \u2248 500 \u0431\u0438\u0442\/\u0441 \u043d\u0430 \u0443\u0440\u043e\u0432\u0435\u043d\u044c; \u0441 4 \u0443\u0440\u043e\u0432\u043d\u044f\u043c\u0438 RVQ \u2014 \u043f\u043e\u0440\u044f\u0434\u043a\u0430 2 \u043a\u0431\u0438\u0442\/\u0441 (\u043f\u0440\u043e\u0442\u0438\u0432 ~384 \u043a\u0431\u0438\u0442\/\u0441 \u0443 \u043d\u0435\u0441\u0436\u0430\u0442\u043e\u0433\u043e 24 kHz PCM).1.4. \u0427\u0442\u043e \u0442\u0435\u0440\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u0438 \u0441\u0436\u0430\u0442\u0438\u0438\u041b\u044e\u0431\u043e\u0435 \u0441\u0436\u0430\u0442\u0438\u0435 \u2014 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441. \u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0435 \u043a\u043e\u0434\u0435\u043a\u0438 \u0445\u043e\u0440\u043e\u0448\u043e \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u044e\u0442 \u0440\u0430\u0437\u0431\u043e\u0440\u0447\u0438\u0432\u043e\u0441\u0442\u044c \u0440\u0435\u0447\u0438 \u0438 \u0442\u0435\u043c\u0431\u0440, \u043d\u043e \u043c\u043e\u0433\u0443\u0442 \u0442\u0435\u0440\u044f\u0442\u044c:\u0442\u043e\u043d\u043a\u0438\u0435 \u043d\u044e\u0430\u043d\u0441\u044b \u0434\u044b\u0445\u0430\u043d\u0438\u044f \u0438 \u043f\u0430\u0443\u0437;\u0444\u043e\u043d\u043e\u0432\u044b\u0435 \u0448\u0443\u043c\u044b (\u0438\u043d\u043e\u0433\u0434\u0430 \u044d\u0442\u043e \u043f\u043b\u044e\u0441);\u043c\u0443\u0437\u044b\u043a\u0443 \u0438 \u043d\u0435\u0440\u0435\u0447\u0435\u0432\u044b\u0435 \u0437\u0432\u0443\u043a\u0438 (\u043a\u043e\u0434\u0435\u043a\u0438 \u043e\u0431\u0443\u0447\u0430\u044e\u0442 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043d\u0430 \u0440\u0435\u0447\u0438).\u0414\u043b\u044f \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432\u043e\u0433\u043e \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u0430 \u044d\u0442\u043e \u043e\u0431\u044b\u0447\u043d\u043e \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u043e. \u0414\u043b\u044f \u043c\u0443\u0437\u044b\u043a\u0430\u043b\u044c\u043d\u043e\u0433\u043e AI \u2014 \u043d\u0443\u0436\u043d\u044b \u0434\u0440\u0443\u0433\u0438\u0435 \u043a\u043e\u0434\u0435\u043a\u0438 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, EnCodec \u043e\u0431\u0443\u0447\u0430\u043b\u0438 \u0438 \u043d\u0430 \u043c\u0443\u0437\u044b\u043a\u0435).\u26a0\ufe0f \u0427\u0430\u0441\u0442\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430: \u0434\u0443\u043c\u0430\u0442\u044c, \u0447\u0442\u043e \u0442\u043e\u043a\u0435\u043d \u0440\u0435\u0447\u0438 = \u0441\u043b\u043e\u0433 \u0438\u043b\u0438 \u0444\u043e\u043d\u0435\u043c\u0430. \u041d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435 \u043e\u0434\u0438\u043d \u0442\u043e\u043a\u0435\u043d \u043a\u043e\u0434\u0438\u0440\u0443\u0435\u0442 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0439 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442 (~20\u201340 \u043c\u0441) \u0430\u043a\u0443\u0441\u0442\u0438\u043a\u0438 \u2014 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043a\u0430\u043a \u043e\u0434\u0438\u043d \u0441\u0438\u043c\u0432\u043e\u043b \u0432 BPE- \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u043d\u0435 \u0440\u0430\u0432\u0435\u043d \u043e\u0434\u043d\u043e\u0439 \u0431\u0443\u043a\u0432\u0435. \u0421\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0438\u0435 \u00ab\u0442\u043e\u043a\u0435\u043d \u2194 \u043b\u0438\u043d\u0433\u0432\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0435\u0434\u0438\u043d\u0438\u0446\u0430\u00bb \u043d\u0435 \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043e \u0438 \u0432\u044b\u0443\u0447\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u043d\u0435\u044f\u0432\u043d\u043e.2. \u0422\u0440\u0438 \u043f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u044b voice-2-voice\u041a\u0430\u043a \u0441\u043e\u0435\u0434\u0438\u043d\u0438\u0442\u044c \u00ab\u0443\u0441\u043b\u044b\u0448\u0430\u0442\u044c\u00bb \u0438 \u00ab\u043e\u0442\u0432\u0435\u0442\u0438\u0442\u044c\u00bb? \u0418\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u044f \u043f\u0440\u0438\u0448\u043b\u0430 \u043a \u0442\u0440\u0451\u043c \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e \u0440\u0430\u0437\u043d\u044b\u043c \u043e\u0442\u0432\u0435\u0442\u0430\u043c. \u041e\u043d\u0438 \u043d\u0435 \u0432\u0437\u0430\u0438\u043c\u043e\u0438\u0441\u043a\u043b\u044e\u0447\u0430\u044e\u0449\u0438\u0435 \u2014 \u0441\u0435\u0433\u043e\u0434\u043d\u044f \u0432\u0441\u0435 \u0442\u0440\u0438 \u0436\u0438\u0432\u0443\u0442 \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0435. \u041f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0440\u0430\u0437\u043b\u0438\u0447\u0438\u0439 \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0432\u0430\u043c \u0447\u0438\u0442\u0430\u0442\u044c \u0430\u043d\u043e\u043d\u0441\u044b \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0431\u0435\u0437 \u043c\u0430\u0440\u043a\u0435\u0442\u0438\u043d\u0433\u043e\u0432\u043e\u0433\u043e \u0442\u0443\u043c\u0430\u043d\u0430.2.1. \u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430 A: \u043a\u0430\u0441\u043a\u0430\u0434 (\u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440)\u0421\u0430\u043c\u044b\u0439 \u043f\u0440\u0430\u0433\u043c\u0430\u0442\u0438\u0447\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u2014 \u0441\u043e\u0435\u0434\u0438\u043d\u0438\u0442\u044c \u0442\u0440\u0438 \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u0431\u043b\u043e\u043a\u0430:\ud83c\udfa4 \u0430\u0443\u0434\u0438\u043e \u2192 [ASR] \u2192 \u0442\u0435\u043a\u0441\u0442 \u2192 [LLM] \u2192 \u0442\u0435\u043a\u0441\u0442 \u2192 [TTS] \u2192 \ud83d\udd0a \u0430\u0443\u0434\u0438\u043eASR (automatic speech recognition) \u2014 Whisper, Google Speech, \u0438 \u0434\u0440.LLM \u2014 GPT-\u043a\u043b\u0430\u0441\u0441\u0430, Claude, Gemini \u0432 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u043c \u0440\u0435\u0436\u0438\u043c\u0435.TTS \u2014 ElevenLabs, OpenAI TTS, Google Cloud TTS.\u041f\u043b\u044e\u0441\u044b: \u043a\u0430\u0436\u0434\u044b\u0439 \u0431\u043b\u043e\u043a \u043c\u043e\u0436\u043d\u043e \u043c\u0435\u043d\u044f\u0442\u044c, \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e; \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442 \u0443\u0434\u043e\u0431\u0435\u043d \u0434\u043b\u044f \u043b\u043e\u0433\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0438 \u043c\u043e\u0434\u0435\u0440\u0430\u0446\u0438\u0438. \u041c\u0438\u043d\u0443\u0441\u044b: \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430 \u0441\u0443\u043c\u043c\u0438\u0440\u0443\u0435\u0442\u0441\u044f (ASR + LLM + TTS = 1\u20133 \u0441\u0435\u043a\u0443\u043d\u0434\u044b \u0438 \u0431\u043e\u043b\u044c\u0448\u0435); \u043f\u0440\u0438 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0435 \u0432 \u0442\u0435\u043a\u0441\u0442 \u0438\u0441\u0447\u0435\u0437\u0430\u044e\u0442 \u0438\u043d\u0442\u043e\u043d\u0430\u0446\u0438\u044f, \u044d\u043c\u043e\u0446\u0438\u044f, \u0430\u043a\u0446\u0435\u043d\u0442, \u0441\u043c\u0435\u0445, \u0432\u0437\u0434\u043e\u0445\u0438 \u2014 \u0432\u0441\u0451, \u0447\u0442\u043e \u043d\u0435 \u0432\u044b\u0440\u0430\u0437\u0438\u043c\u043e \u0431\u0443\u043a\u0432\u0430\u043c\u0438.\u0417\u0430\u0434\u0435\u0440\u0436\u043a\u0438 \u0441\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u044e\u0442\u0441\u044f \u0431\u0443\u043a\u0432\u0430\u043b\u044c\u043d\u043e \u2014 \u0441\u043c. ch02_cascaded_latency.swift:struct Stage { let name: String; let latencyMs: Double }let cascade = [    Stage(name: &#171;ASR&#187;, latencyMs: 400),    Stage(name: &#171;LLM (\u043f\u0435\u0440\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d)&#187;, latencyMs: 350),    Stage(name: &#171;TTS (\u043f\u0435\u0440\u0432\u044b\u0439 \u0437\u0432\u0443\u043a)&#187;, latencyMs: 300),]let totalMs = cascade.reduce(0.0) { $0 + $1.latencyMs }   \/\/ ~1050 \u043c\u0441 + VAD \u0438 \u0441\u0435\u0442\u044c\ud83d\udcdc \u0418\u0437 \u0438\u0441\u0442\u043e\u0440\u0438\u0438: \u0438\u043c\u0435\u043d\u043d\u043e \u0442\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d\u044b \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0433\u043e\u043b\u043e\u0441\u043e\u0432\u044b\u0435 \u0430\u0441\u0441\u0438\u0441\u0442\u0435\u043d\u0442\u044b \u2014 Siri (2011), Alexa (2014), \u0440\u0430\u043d\u043d\u0438\u0439 ChatGPT Voice (2023). \u042d\u0442\u043e \u043d\u0435 \u00ab\u043f\u043b\u043e\u0445\u043e\u0439\u00bb \u043f\u043e\u0434\u0445\u043e\u0434: \u043e\u043d \u0434\u043e \u0441\u0438\u0445 \u043f\u043e\u0440 \u0434\u043e\u043c\u0438\u043d\u0438\u0440\u0443\u0435\u0442 \u0442\u0430\u043c, \u0433\u0434\u0435 \u0432\u0430\u0436\u043d\u0430 \u043d\u0430\u0434\u0451\u0436\u043d\u043e\u0441\u0442\u044c \u0438 \u043f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u043e\u0441\u0442\u044c, \u0430 \u043d\u0435 \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430.2.2. \u041f\u0430\u0440\u0430\u0434\u0438\u0433\u043c\u0430 B: \u0441\u043a\u0432\u043e\u0437\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u0442\u043e\u043a\u0435\u043d\u0430\u0445 \u0440\u0435\u0447\u0438\u0412\u0442\u043e\u0440\u0430\u044f \u0438\u0434\u0435\u044f \u2014 \u043d\u0435 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0438\u0442\u044c \u0440\u0435\u0447\u044c \u0432 \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0445 \u044d\u0442\u0430\u043f\u0430\u0445. \u0412\u043c\u0435\u0441\u0442\u043e \u044d\u0442\u043e\u0433\u043e:\u041d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0439 \u043a\u043e\u0434\u0435\u043a \u043a\u043e\u0434\u0438\u0440\u0443\u0435\u0442 \u0432\u0445\u043e\u0434\u044f\u0449\u0443\u044e \u0440\u0435\u0447\u044c \u0432 \u0442\u043e\u043a\u0435\u043d\u044b.\u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 (\u043a\u0430\u043a \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u0430\u044f LLM) \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u043e\u0442\u0432\u0435\u0442\u0430.\u0414\u0435\u043a\u043e\u0434\u0435\u0440 \u043a\u043e\u0434\u0435\u043a\u0430 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0442\u043e\u043a\u0435\u043d\u044b \u043e\u0431\u0440\u0430\u0442\u043d\u043e \u0432 \u0437\u0432\u0443\u043a.\ud83c\udfa4 \u2192 [\u043a\u043e\u0434\u0435\u043a] \u2192 \u0442\u043e\u043a\u0435\u043d\u044b \u2192 [\u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440] \u2192 \u0442\u043e\u043a\u0435\u043d\u044b \u2192 [\u0434\u0435\u043a\u043e\u0434\u0435\u0440] \u2192 \ud83d\udd0a\u041c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u043e\u043f\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441\u043c\u0435\u0448\u0430\u043d\u043d\u044b\u043c\u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044f\u043c\u0438: \u0442\u043e\u043a\u0435\u043d\u044b \u0440\u0435\u0447\u0438 + \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u0432 \u043e\u0434\u043d\u043e\u043c&#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-486570","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/486570","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=486570"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/486570\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=486570"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=486570"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=486570"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}