liqiang
b119135836
Build latest book artifacts / build (push) Canceled after 0s
dependency resolution / resolve (3.11) (push) Canceled after 0s
dependency resolution / resolve (3.13) (push) Canceled after 0s
deploy-pages / build (push) Canceled after 0s
deploy-pages / deploy (push) Canceled after 0s
i18n consistency check / check (push) Canceled after 0s
provider adoption tests / test (chapter2/context-compression) (push) Canceled after 0s
provider adoption tests / test (chapter2/prompt-injection) (push) Canceled after 0s
provider adoption tests / test (chapter2/system-hint) (push) Canceled after 0s
provider adoption tests / test (chapter3/log-sanitization) (push) Canceled after 0s
web-search-agent tests / test (push) Canceled after 0s
web-search-agent tests / agentbook (push) Canceled after 0s
60 lines
15 KiB
XML
60 lines
15 KiB
XML
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 40 780 480" width="780" height="480" style="background:#ffffff">
|
||
<defs><marker id="ah" markerWidth="12" markerHeight="8" refX="12" refY="4" orient="auto"><polygon points="0 0, 12 4, 0 8" fill="#333333" /></marker><marker id="ah-light" markerWidth="12" markerHeight="8" refX="12" refY="4" orient="auto"><polygon points="0 0, 12 4, 0 8" fill="#999999" /></marker></defs>
|
||
|
||
<rect x="32" y="58" width="170" height="195" rx="6" fill="#f0f0f0" stroke="#333333" stroke-width="2" />
|
||
<text x="117" y="82.06" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="16" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold">OpenAI Realtime</text>
|
||
<rect x="42" y="94" width="150" height="24" rx="3" fill="#f5f5f5" stroke="#333333" stroke-width="2" />
|
||
<text x="117" y="106" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="normal">gpt-realtime</text>
|
||
<text x="117" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="117" dy="98.26">Máy chủ VAD + phát</tspan><tspan x="117" dy="15.12">hiện vòng</tspan></text>
|
||
<text x="117" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="117" dy="128.5">Lệnh gọi hàm không</tspan><tspan x="117" dy="15.12">đồng bộ</tspan></text>
|
||
<text x="117" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="117" dy="158.74">Ngắt: Dừng thế hệ</tspan><tspan x="117" dy="15.12">hiện tại</tspan></text>
|
||
<text x="117" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="117" dy="188.98">Bản chất vẫn nằm</tspan><tspan x="117" dy="15.12">trong khuôn khổ VAD</tspan></text>
|
||
<text x="117" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="12" fill="#999999" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="117" dy="218.14">2024 preview dựa trên</tspan><tspan x="117" dy="12.96">GPT-4o</tspan></text>
|
||
<rect x="214" y="58" width="170" height="195" rx="6" fill="#f0f0f0" stroke="#333333" stroke-width="2" />
|
||
<text x="299" y="95.02" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="16" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold">Gemini Live</text>
|
||
<rect x="224" y="94" width="150" height="24" rx="3" fill="#f5f5f5" stroke="#333333" stroke-width="2" />
|
||
<text x="299" y="106" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="normal">Gemini 2.0</text>
|
||
<text x="299" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="299" dy="111.22">Có thể cấu hình độ</tspan><tspan x="299" dy="15.12">nhạy VAD</tspan></text>
|
||
<text x="299" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="299" dy="141.46">Ngắt và giữ tin nhắn</tspan><tspan x="299" dy="15.12">đã gửi</tspan></text>
|
||
<text x="299" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="299" dy="171.7">Tối ưu hóa tính liên</tspan><tspan x="299" dy="15.12">tục của đối thoại</tspan></text>
|
||
<text x="299" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="299" dy="201.94">Tương tự với chiến</tspan><tspan x="299" dy="15.12">lược OpenAI</tspan></text>
|
||
<rect x="396" y="58" width="170" height="195" rx="6" fill="#d0d0d0" stroke="#333333" stroke-width="2" />
|
||
<text x="481" y="95.02" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="16" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold">Qwen3-Omni</text>
|
||
<rect x="406" y="94" width="150" height="24" rx="3" fill="#f5f5f5" stroke="#333333" stroke-width="2" />
|
||
<text x="481" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="481" dy="100.6">Thinker-Talker</tspan><tspan x="481" dy="10.8">MoE</tspan></text>
|
||
<text x="481" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="481" dy="111.22">Suy nghĩ (hiểu) + thể</tspan><tspan x="481" dy="15.12">hiện (sáng tạo)</tspan></text>
|
||
<text x="481" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="481" dy="141.46">Mã hóa giọng nói</tspan><tspan x="481" dy="15.12">nhiều sách mã</tspan></text>
|
||
<text x="481" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="481" dy="171.7">Độ trễ gói đầu tiên</tspan><tspan x="481" dy="15.12">234ms</tspan></text>
|
||
<text x="481" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="481" dy="201.94">Điểm chuẩn 22/36 đạt</tspan><tspan x="481" dy="15.12">SOTA</tspan></text>
|
||
<rect x="578" y="58" width="170" height="195" rx="6" fill="#f0f0f0" stroke="#333333" stroke-width="2" />
|
||
<text x="663" y="102.58" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="16" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold">Step-Audio 2</text>
|
||
<rect x="588" y="94" width="150" height="24" rx="3" fill="#f5f5f5" stroke="#333333" stroke-width="2" />
|
||
<text x="663" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="663" dy="100.6">Mã hóa âm thanh</tspan><tspan x="663" dy="10.8">tiềm ẩn +RL</tspan></text>
|
||
<text x="663" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="663" dy="118.78">Giọng nói đầu cuối</tspan><tspan x="663" dy="15.12">token</tspan></text>
|
||
<text x="663" y="149.02" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal">Hiểu ngôn ngữ 83.09%</text>
|
||
<text x="663" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="663" dy="164.14">Suy nghĩ CoT + RAG +</tspan><tspan x="663" dy="15.12">Tool</tspan></text>
|
||
<text x="663" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="663" dy="194.38">Ngoài Qwen2.5-Omni</tspan><tspan x="663" dy="15.12">(44.18%)</tspan></text>
|
||
<rect x="40" y="273" width="700" height="100" rx="4" fill="#f5f5f5" stroke="#333333" stroke-width="2" />
|
||
<text x="390" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="13.02" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold"><tspan x="390" dy="283.12">Hạn chế chung của hầu hết các giải pháp: vẫn dựa vào cơ chế phát</tspan><tspan x="390" dy="14.06">hiện vòng</tspan></text>
|
||
<text x="180" y="300.32" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="16" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold">Vòng thử nghiệm không đủ</text>
|
||
<text x="180" y="316.52" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal">Người dùng tạm dừng ≠ nói xong</text>
|
||
<text x="180" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="180" dy="331.64">Cần sự hướng dẫn chủ động khi</tspan><tspan x="180" dy="15.12">còn do dự</tspan></text>
|
||
<text x="400" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10.42" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold"><tspan x="400" dy="309.83">làm gián đoạn bản án ban</tspan><tspan x="400" dy="11.25">đầu</tspan></text>
|
||
<text x="400" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="400" dy="332.12">"Ừ" và "đúng" là tiếng vang</tspan><tspan x="400" dy="10.8">chứ không phải sự gián đoạn.</tspan></text>
|
||
<text x="400" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="400" dy="353.72">Tiếng ồn xung quanh bị xác</tspan><tspan x="400" dy="10.8">định nhầm là lời nói</tspan></text>
|
||
<text x="620" y="292.76" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="16" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold">nguyên nhân gốc rễ</text>
|
||
<text x="620" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="620" dy="308.96">VAD dựa trên tín hiệu âm</tspan><tspan x="620" dy="15.12">thanh</tspan></text>
|
||
<text x="620" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="14" fill="#666666" text-anchor="middle" dominant-baseline="central" font-weight="normal"><tspan x="620" dy="339.2">Không thể nắm bắt được thông</tspan><tspan x="620" dy="15.12">tin ở cấp độ ngữ nghĩa</tspan></text>
|
||
<rect x="40" y="388" width="700" height="120" rx="6" fill="#f0f0f0" stroke="#333333" stroke-width="2" />
|
||
<text x="390" y="448" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="20" fill="#333333" text-anchor="middle" dominant-baseline="central" font-weight="bold">So sánh kiến trúc đầu vào/đầu ra</text>
|
||
<text x="60" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#333333" text-anchor="start" dominant-baseline="central" font-weight="bold"><tspan x="60" dy="383.2">nối tiếp truyền</tspan><tspan x="60" dy="10.8">thống</tspan></text>
|
||
<text x="210" y="404.8" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#666666" text-anchor="start" dominant-baseline="central" font-weight="normal">Âm thanh→VAD→ASR→Văn bản→LLM→Văn bản→TTS→Âm thanh</text>
|
||
<text x="60" y="415.6" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#333333" text-anchor="start" dominant-baseline="central" font-weight="bold">OpenAI/Gemini</text>
|
||
<text x="210" y="426.4" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#666666" text-anchor="start" dominant-baseline="central" font-weight="normal">Âm thanh → Mô hình đầu cuối (VAD tích hợp) → Âm thanh/Văn bản</text>
|
||
<text x="60" y="437.2" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#333333" text-anchor="start" dominant-baseline="central" font-weight="bold">Qwen3-Omni</text>
|
||
<text x="210" y="448" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#666666" text-anchor="start" dominant-baseline="central" font-weight="normal">Âm thanh/hình ảnh/video→Thinker(MoE)→Talker→Mã hóa giọng nói</text>
|
||
<text x="60" y="458.8" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#333333" text-anchor="start" dominant-baseline="central" font-weight="bold">Step-Audio 2</text>
|
||
<text x="210" y="469.6" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#666666" text-anchor="start" dominant-baseline="central" font-weight="normal">Âm thanh gốc→Bộ mã hóa tiềm ẩn→LLM+RL→Âm thanh+Văn bản token</text>
|
||
<text x="60" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#333333" text-anchor="start" dominant-baseline="central" font-weight="bold"><tspan x="60" dy="480.4">Song công hoàn</tspan><tspan x="60" dy="10.8">toàn Moshi</tspan></text>
|
||
<text x="210" y="0" font-family="Arial, 'Helvetica Neue', Helvetica, 'PingFang SC', 'Microsoft YaHei', sans-serif" font-size="10" fill="#666666" text-anchor="start" dominant-baseline="central" font-weight="normal"><tspan x="210" dy="502">Luồng âm thanh kép song song + luồng văn bản độc thoại bên trong → Không cần VAD / phát</tspan><tspan x="210" dy="10.8">hiện lần lượt</tspan></text>
|
||
</svg> |
