? Видели видео, где человек уходит с созвона Google Meet, а два ИИ-аватара уходят в бесконечный цикл прощаний («See you», «Take care», «You too»)? Как . 1. Архитектура CVI (Conversational Video Interface) Это сквозной real-time конвейер с задержкой 400–600 мс:tavus Audio VAD + ASR: потоковое распознавание окончания речи. LLM + Tools: агент проверяет график через Calendar API и генерирует реплику. TTS + Клон голоса: синтез аудио чанками на лету. Neural Lip-Sync: модель (Tavus / Simli) генерирует артикуляцию губ поверх видео-двойника.tavus+1 WebRTC: headless-браузер на сервере гонит поток в конференцию...