Nhận dạng giọng nói và Text-to-Speech trên thiết bị trong Google AI Edge Gallery

Google AI Edge Gallery hiện hỗ trợ khả năng ASR và Text-to-Speech ngoại tuyến trên thiết bị để xây dựng các ứng dụng giọng nói thân thiện với nhà phát triển. Các nhà phát triển có thể tận dụng ML Kit cho hiệu suất Android tối ưu, hoặc dùng MediaPipe Tasks và LiteRT để tích hợp mô hình open-weight đa nền tảng. Pipeline cục bộ này kết hợp liền mạch các mô hình speech nhẹ với các mô hình ngôn ngữ nhỏ trên thiết bị như Gemini Nano và Gemma 4 để kích hoạt phiên âm streaming thời gian thực và tổng hợp độ trễ thấp.