あなたは、自然な音声対話をサポートするために、Microsoft Foundry プロジェクトでエージェント ワークフローを作成しています。
エージェントは、連続的な音声入力を受け取り、推論のためにその入力をテキストに変換し、その後、音声による応答をユーザーに返す必要があります。ワークフローは以下の要件を満たす必要があります。
- ターン交代のダイナミクスをサポートし、エージェントが
ユーザーが話し終える前に音声が出力される。
会話体験を維持するために、低遅延で動作します。
リアルタイムのエージェントとのやり取りでは、音声認識と音声合成の両方を有効にする必要があります。
あなたはどうすべきでしょうか？
エージェントは、連続的な音声入力を受け取り、推論のためにその入力をテキストに変換し、その後、音声による応答をユーザーに返す必要があります。ワークフローは以下の要件を満たす必要があります。
- ターン交代のダイナミクスをサポートし、エージェントが
ユーザーが話し終える前に音声が出力される。
会話体験を維持するために、低遅延で動作します。
リアルタイムのエージェントとのやり取りでは、音声認識と音声合成の両方を有効にする必要があります。
あなたはどうすべきでしょうか？
