Как за месяц собрать русскоязычный голосовой стек для китайского гуманоида: пошаговый гайд

Гуманоид Walker Tienkung ростом 173 см и весом 75 кг изначально понимал только китайский. Штатная система давала сбои: Whisper ошибался на коротких командах («встань» превращалось в «Таня»), LLM добавляла задержку, а динамик после паузы «съедал» начало фразы («беги» становилось «begin»).

За месяц команда разработала модульный русскоязычный стек, разделив обработку команд и диалог, ускорив синтез речи. Архитектура позволила добиться отклика за доли секунды. В гайде — подробности тестов, архитектуры и нерешённые задачи.

Материал будет полезен всем, кто хочет интегрировать русскоязычное голосовое управление в роботов или аналогичные системы.