Tempo real, sem recarregamentos

Falar com um assistente é manter um fio. Se cada frase começasse do zero, a conversa perderia a sua memória imediata e o seu ritmo. Eis porque escolhemos um canal sempre aberto.

Uma conversa não é uma sequência de pedidos

A arquitetura web clássica baseia-se em pedidos isolados: pede-se, recebe-se, desliga-se. É perfeito para carregar uma página, mas inadequado para uma troca viva. Uma conversa tem uma continuidade: o que acabaste de dizer colore a resposta seguinte, o assistente pode falar em vários tempos, o áudio chega por fragmentos. Tratar cada frase como um formulário independente teria quebrado essa naturalidade.

Um canal que permanece aberto

Construímos, portanto, a troca sobre um WebSocket: uma única ligação, aberta durante a sessão, na qual as mensagens circulam nos dois sentidos. O cliente envia o áudio, o servidor reenvia o texto e a voz, sem restabelecer a ligação a cada turno. A autenticação é feita na abertura, por um token transmitido logo no handshake; depois, o túnel é estabelecido, e tudo passa por ele.

O áudio como um fluxo

Este canal permite tratar a voz como um fluxo em vez de como um ficheiro. A resposta pode começar a ser reproduzida enquanto ainda está a ser gerada, e o servidor sabe adaptar-se: se o utilizador cortou o som, simplesmente não envia a síntese de voz, poupando um cálculo inútil. O mesmo tubo serve para tudo: é o que torna a troca fluida em vez de entrecortada.

Manter-se vivo apesar da rede

Um canal aberto tem uma fragilidade: a rede pode cortá-lo. Uma interrupção do túnel não faz desaparecer a memória nem a conversa em curso; na reconexão, o fio retoma onde tinha sido interrompido. No telemóvel, onde se passa do Wi-Fi para o 4G a caminhar, esta resiliência não é um detalhe: é a condição para que um assistente de voz permaneça um companheiro de todos os momentos.