# Potok STT → agent tekstowy → TTS

EN: **Cascaded STT–text agent–TTS pipeline** · id `cascadedpipeline`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Język, obraz, audio](https://aiatlasgraph.com/t/modalities.md) › [Mowa i audio](https://aiatlasgraph.com/t/audio.md) › [Agenci głosowi](https://aiatlasgraph.com/t/voiceagents.md) › [Architektury agentów głosowych](https://aiatlasgraph.com/t/voicearch.md) › Potok STT → agent tekstowy → TTS

## Description

- PL: Oddzielne rozpoznawanie mowy, agent tekstowy i synteza głosu. Etapy można wymieniać, sprawdzać oraz łączyć z istniejącym workflow.
- EN: Separate speech recognition, a text agent and speech synthesis. Stages can be swapped, inspected and connected to an existing workflow.

## In one sentence

- PL: To głosowy asystent z osobnymi częściami do zapisywania mowy, przygotowania odpowiedzi i czytania jej na głos.
- EN: This voice assistant has separate components for transcribing speech, preparing a response and reading it aloud.

## Problem it solves

- PL: Chcesz kontrolować każdy etap rozmowy i wymieniać jego części bez przebudowy całego systemu.
- EN: You need to control each conversation stage and replace components without rebuilding the whole system.

## What it does

- PL: Nagranie staje się tekstem dla agenta, a jego odpowiedź przechodzi do syntezy mowy; każdy etap można sprawdzić osobno.
- EN: Audio becomes text for an agent, whose response goes to speech synthesis; each stage can be inspected separately.

## Everyday example

- PL: W asystencie telefonicznym poprawiasz źle rozpoznane nazwy ulic, sprawdzając zapis rozmowy przed generowaniem głosu.
- EN: In a telephone assistant, you fix misrecognised street names by inspecting the transcript before speech is generated.

## This concerns you if you…

- PL: łączysz gotowe narzędzia mowy i tekstu
- PL: potrzebujesz wglądu w poszczególne etapy rozmowy
- EN: connect existing speech and text tools
- EN: need visibility into individual conversation stages

## Keywords

STT-LLM-TTS · Pipecat · frame processors · streaming transcription · stage queues · streaming synthesis

## How it works

- PL: Rozpoznawanie zamienia wejściową mowę na tekst dla agenta z jego historią i narzędziami. Tekst odpowiedzi trafia do syntezy, a kolejki i zdarzenia etapów koordynują strumieniowanie oraz zatrzymywanie.
- EN: Recognition converts incoming speech into text for an agent with history and tools. Response text feeds synthesis, while queues and stage events coordinate streaming and stopping.

## Limits

- PL: Błąd transkrypcji przenosi się do decyzji, a tekst nie zachowuje całej prozodii. Buforowanie etapów zwiększa czas reakcji; przerwanie wymaga koordynacji kilku modułów.
- EN: Transcription errors propagate into decisions, and text loses some prosody. Stage buffering adds latency; interruption requires coordinating multiple modules.

## Key terms

- PL: **tekst pośredni**: Transkrypcja lub odpowiedź przekazywana między modułami audio i agenta.
- PL: **kolejka etapu**: Bufor porządkujący fragmenty danych oczekujące na dalsze przetwarzanie.
- EN: **intermediate text**: A transcript or answer passed between audio modules and agents.
- EN: **stage queue**: A buffer ordering data fragments awaiting subsequent processing.

## Know first

- [Rozpoznawanie mowy / ASR (Automatic speech recognition)](https://aiatlasgraph.com/t/asr.md)
- [Synteza mowy / TTS (Text-to-speech)](https://aiatlasgraph.com/t/tts.md)

## Examples

- PL: orkiestracja w chmurze · ramki i procesory potoku
- EN: cloud orchestration · pipeline frames and processors

## Related topics

Untyped, symmetric "see also" links.

- [Rozpoznawanie mowy / ASR (Automatic speech recognition)](https://aiatlasgraph.com/t/asr.md)
- [Synteza mowy / TTS (Text-to-speech)](https://aiatlasgraph.com/t/tts.md)

## Sources

- [Voice AI & Voice Agents: An Illustrated Primer](<https://voiceaiandvoiceagents.com/>) `voiceprimer` · by Kwindla Hultman Kramer i współautorzy (Daily / Pipecat)
- [Pipecat: open-source voice agent framework](<https://github.com/pipecat-ai/pipecat>) `pipecatrepo` · by Daily i społeczność
- [OpenAI API: Voice agents](<https://developers.openai.com/api/docs/guides/voice-agents>) `openai-voice-guide` · by OpenAI

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/cascadedpipeline · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30