Домашний робот («Max») использует встроенные микрофоны, чтобы получить команду пользователя и преобразовать речь в текст через Speech-to-Text API → запрос пользователя отправляется в модель Gemini, которая понимает контекст и намерение в рамках диалога → если запрос связан с управлением устройствами умного дома (например: «включи свет в гостиной»), Gemini отправляет соответствующую команду в API платформы Google Home → Gemini формирует ответ на естественном языке (например: «Хорошо, я включил свет») → ответ преобразуется в звук через Text-to-Speech API и воспроизводится через динамики робота.