Standard vs Realtime

So sánh Standard Mode (VAD-STT-LLM-TTS) và Realtime Mode (Gemini Live, xAI Grok). Hướng dẫn chọn chế độ hội thoại AI phù hợp với nhu cầu sử dụng, độ trễ và tính năng.

Standard Mode

Loading diagram…

Realtime Mode

Loading diagram…

So Sánh

Tính năng	Standard	Realtime
Kiến trúc	Giọng nói → văn bản → AI → giọng nói	Xử lý speech-to-speech trực tiếp
Độ trễ	Trung bình	Thấp (tức thì)
Model xử lý	Standard pipeline: ASR + LLM + TTS	Realtime voice model riêng
Công cụ	Đầy đủ	Hạn chế
Chat text	LLM → TTS	Gửi trực tiếp vào phiên realtime
Gói cần	Mọi gói có voice	Gói có Realtime models

Khi nào dùng Standard

Hỗ trợ khách hàng — Hỏi đáp có cấu trúc với Knowledge Base
Cần tool đầy đủ — Web search, Knowledge Base, MCP, image generation
Muốn chọn LLM linh hoạt — Standard dùng LLM riêng cho voice turn và TTS riêng cho giọng đọc
Tối ưu chi phí — Standard thường tiết kiệm hơn Realtime cho cùng một tác vụ

Khi nào dùng Realtime

Hội thoại tự nhiên — Trao đổi nhanh, có thể ngắt lời
Độ trễ thấp — Phù hợp brainstorming hoặc tương tác liên tục
Voice-first experience — Ưu tiên cảm giác nói chuyện trực tiếp hơn là câu trả lời dài

Voice usage tiêu tốn credits theo model và mức sử dụng. Xem Credits & Sử Dụng để biết cách tính, và Gói & giá để xem gói nào có Realtime.