Разработать передачу голоса в текст на основе готового сервиса

На основе сервиса dasha.ai разработать передачу голоса в текст.

1. WebRTC (или аналогичная технология): для захвата аудио из микрофона пользователя.
2. Real-time Speech-to-Text (STT).
3. Передача текста по api в любую LLM (OpenAI (GPT-4o, GPT-4, GPT-3.5-Turbo, Google (Gemini Pro/Flash), Anthropic (Claude 3 Haiku/Sonnet).

В dasha.ai уже есть весь функционал, нужно только настроить.

В дальнейшем нужно:

4. Загрузить промт в LLM из п. 3. Промт предоставляется. Цель – обработка вопросов пользователя в диалогах продолжительностью до 3 минут.
5. Real-time Text-to-Speech (TTS). Передача текста в голос (озвучка ответов, полученных в результате обработки вопросов).
5. Оркестровка. Связать все компоненты вместе, управлять состоянием диалога, обрабатывать прерывания и обеспечить плавную передачу данных между сервисами.

Все пункты можно реализовать в рамках одного сервиса dasha.ai.

Цена указана за все пять пунктов.