Потратил неделю, чтобы добавить голос нашему AI-агенту. Шесть коммитов только ради того, чтобы он начал отвечать вслух — и каждый вскрывал новый слой сломанных допущений.
Несовпадение таймаутов: шлюз обрывает длинные ответы на полуслове. Тихая подмена формата: клиент ждёт WAV, получает MP3 без предупреждения. Утечка авторизации: токены теряются между микросервисами. Относительный путь: фронтенд получает половину URL.
Самое сложное? Длительность аудио. Без неё UI крутит спиннер бесконечно — нет способа показать прогресс.
Голос — это не фича. Это минное поле неочевидных зависимостей.
