Como uma extensão central da estrutura TEN, o StoryTeller implementa a geração de imagens para interações multimodais. Quando o usuário gera uma história por solicitação de voz, a extensão cria dinamicamente o conteúdo visual que corresponde ao enredo, por exemplo, gerando imagens de cenas da selva ao contar uma história de aventura na floresta. Essa interação audiovisual sincronizada aprimora significativamente a experiência do usuário, especialmente nas áreas de tutoria educacional e entretenimento infantil, em que pais e filhos podem acessar conteúdo imersivo com saída visual por meio de interação de voz natural.
Essa resposta foi extraída do artigoTEN: uma ferramenta de código aberto para criar inteligências de IA de fala multimodal em tempo realO
Português do Brasil 
简体中文 
English 
日本語 
Deutsch