运用 Gemini 的不同模型和 A2A（Agents2Agents）、MCP（Model Context Protocol）等新技术，传音开发了语音助手 Ella 和多个 Agent 产品，支持从普通文本对话到实时音视频交互的多样模式，覆盖语音控制、信息查询、生活服务等不同场景。运用 Gemini 1.5 Flash 的代理能力，Ella 能更好地理解用户指令并快速回复，接收第一个词元只需要 0.23 秒。

基于 Ella 模型，传音成功打造了一键问屏、智慧识屏、AI 搜索、通话摘要、AI Writing 等一系列让用户生活更便利的产品功能。例如，受 Gemini 1.5 Flash 高达 100 万个词元的上下文窗口范围支持，传音 Ella 的 AI Writing 功能可以不受文本长度限制地生成、校对和润色文字，让用户能尽情发挥创造力。

此外，传音也将 Gemini 的文字润色能力与 Imagen 和 Veo 结合，打造 AI 图像和视频生成器。只需要几个关键词，AI 图像和视频生成器即能精炼用户输入的描述，让 Ella 快速生成指定风格的高质量图像。

为进一步降低新兴市场用户的视频创作门槛，传音基于 Ella 的轻量化多模态生成工具，运用 Agent Development Kit (ADK) 快速开发并部署了图生视频的子 Agent，并针对社交分享、知识科普、商业推广等本地化场景适配。在此架构中，传音使用 Gemini 等大语言模型进行决策、推理和规划，并运用 Cloud SQL 或 Gemini Enterprise Agent Platform Agent Engine Sessions 存储单个任务期间的上下文和状态、Firestore 或 Gemini Enterprise Agent Platform Vector Search 存储需要长期保留的知识或可供语义搜索的信息，支持子 Agent 的长短期记忆。史团委表示，基于 Google Cloud 弹性算力的资源调度策略，有效降低了视频的生成成本。

为了向移动网络较复杂的区域传递 PB 级别的数据，以及数十亿多变、有低延迟要求的 API 呼叫，同时确保数据安全，传音使用 Google Cloud Global Front End 建构了一个高速、安全的信息传递系统。Google Cloud Global Front End 集成 Cloud CDN 的边缘缓存功能、Cloud Load Balancing 的智能路由功能，以及 Google Cloud Armor 企业级别的安全防护，让传音能直到边缘节点都保持安全连接，在 Google 的优质网络骨干上为重要的 API 流量选择最佳路径，同时又能立即防御机器人攻击和 DDoS 威胁。针对数据量较大的内容，传音也使用 Media CDN 直接从 Cloud Storage 将数据推送到边缘节点，实现快速传递。