Hãy tưởng tượng bạn đang rửa bát và muốn đổi bài hát.
Cách cũ: Lau khô tay -> Đi ra máy tính -> Bấm nút -> Nói "Next song".
Cách mới: Nói vọng ra: "Ê Trợ lý, đổi bài đi".
Để làm được điều này, chúng ta không thể dùng Whisper (mô hình nặng) để nghe liên tục. Chúng ta cần một "người gác cổng"...