বেশির ভাগ অটোমেটেড ফোন কলই একেবারে বাজে। নতুন টেকনোলজি সেটাই বদলে দিচ্ছে।
ফোন অটোমেশনের পুরোনো সমস্যা শ্রুতিমধুর কণ্ঠের অভাব ছিল না। বাস্তব কথোপকথন এগিয়ে নেওয়ার মতো যথেষ্ট বোঝাপড়াই ছিল না।
ফোন কল অটোমেট করা আরও সহজ হয়ে ওঠে।
প্রতিটি প্রজন্মের সঙ্গে আরও বেশি প্রেক্ষাপট সামলায় মেশিন।
কলারকেই মেশিনের ভাষায় কথা বলতে হতো।
02AI-এর শুরুর যুগসীমিত গণ্ডির অনুরোধ বুঝত সিস্টেম, তার বাইরে গেলেই ভেঙে পড়ত।
033-ধাপের পাইপলাইনস্ট্যাক আরও নমনীয় হয়েছে, কিন্তু প্রতিটি ধাপ আগের ধাপকেই নির্ভুল ধরে নিয়েছে।
04ThunderPhoneসিস্টেমটি শুনতে, বিচার-বিশ্লেষণ করতে ও ভুল সামলে নিতে পারে—সবই একটি লুপে।
কলারকেই মেশিনের ভাষায় কথা বলতে হতো।
অটোমেশন বলতে বোঝাত মেনু, কীপ্যাডের ব্রাঞ্চ আর কিউ। কলার আগে থেকেই সঠিক পথ জানলে এটি কাজ করত।
একটি বোতাম চাপার মধ্যেই ইনটেন্টকে সীমিত করে ফেলা হয়। তাই মেনুর বাইরের যেকোনো অনুরোধের পরিণতি হয় কল ট্রান্সফার বা একই কথা আবার বলা।
ফলাফল · কলার আন্দাজে একটি অপশন বেছে নেন, অপেক্ষা করেন, তারপর একই কথা আবার বোঝান।
সীমিত গণ্ডির অনুরোধ বুঝত সিস্টেম, তার বাইরে গেলেই ভেঙে পড়ত।
নির্দিষ্ট কল ফ্লোর জন্য টিমগুলো অ্যাকুস্টিক মডেল, ইনটেন্ট ক্লাসিফায়ার ও স্লট এক্সট্র্যাক্টর ট্রেনিং দিত। কাজে লাগত, তবে বদলাতে খরচ হতো অনেক।
সিস্টেমটি ট্রেনিং দেওয়া একটি ইনটেন্ট ধরতে পারে, কিন্তু এরপর দ্বিতীয় অনুরোধটি বাদ দিয়ে দেয় বা বাঁধাধরা ফলো-আপ প্রশ্ন করে।
ফলাফল · ট্রেনিং দেওয়া ফ্লোতে না থাকায় জীবনসঙ্গীর তথ্যটি হারিয়ে যায়।
স্ট্যাক আরও নমনীয় হয়েছে, কিন্তু প্রতিটি ধাপ আগের ধাপকেই নির্ভুল ধরে নিয়েছে।
প্রচলিত আধুনিক আর্কিটেকচারে স্পিচ-টু-টেক্সট, একটি LLM এবং টেক্সট-টু-স্পিচকে একই কল লুপে জুড়ে দেওয়া হয়।
ট্রান্সক্রিপ্টে ভুল হলে বা কলার মাঝপথে কথা বললে, LLM আত্মবিশ্বাসের সঙ্গে ভুল কথারই জবাব দেয়।
ফলাফল · একবার ভুল শুনলেই, সেটি ভুল উত্তর হয়ে কলারের কানে পৌঁছায়।
সিস্টেমটি শুনতে, বিচার-বিশ্লেষণ করতে ও ভুল সামলে নিতে পারে—সবই একটি লুপে।
ThunderPhone একটি সমন্বিত আর্কিটেকচারে অডিও বোঝা, মডেল রাউটিং, কথার পালা সামলানো এবং উত্তর তৈরি—সবকিছু একসঙ্গে পরিচালনা করে।
একাধিক পথে অডিও শোনা ও অডিও-সচেতন বিশ্লেষণ, একক কোনো ধাপের ব্যর্থতা কলারের কাছে পৌঁছানোর আগেই কমিয়ে আনে।
ফলাফল · সিস্টেমের সঙ্গে কলারকে লড়াই করতে না দিয়েই কল এগিয়ে যায়।
আসল অগ্রগতি আরও শ্রুতিমধুর রোবটিক কণ্ঠে নয়—এমন আর্কিটেকচারে, যা কলকে সঠিক পথে রাখে।
আরও ভালোভাবে শোনা
একটি ট্রান্সক্রিপ্টের ওপর ভরসা না করে সিস্টেমটি একাধিক সিগন্যাল তুলনা করতে এবং অডিওর ভিত্তিতে রিজনিং করতে পারে।
আরও ভালো টাইমিং
কথার পালাবদল ও মাঝপথে বাধা সামলানো—দুটিই কথোপকথনের লুপের অংশ।
আরও ভালো রাউটিং
কথোপকথনের প্রতিটি টার্নের প্রয়োজন অনুযায়ী দ্রুত প্রসেসিংয়ের পথ বা আরও গভীর রিজনিং বেছে নেওয়া যায়।
আরও ভালো অভিজ্ঞতা
অটোমেশনকে শুধরে দেওয়ার পেছনে কলারদের সময় কম যায়, কাজটি শেষ করার পেছনে বেশি।