વૉઇસ AIની પેઢીઓ
મોટાભાગના સ્વચાલિત ફોન કૉલ્સ ખરાબ હોય છે. નવી ટેક્નોલોજી એ બદલે છે.
જૂની સમસ્યા એ નહોતી કે ફોન ઓટોમેશનમાં સુખદ અવાજનો અભાવ હતો. વાસ્તવિક વાતચીતને આગળ વધતી રાખવા માટે તેમાં પૂરતી સમજણનો અભાવ હતો.
ફોન કૉલને સ્વચાલિત કરવું વધુ સરળ બને છે
દરેક પેઢી મશીનમાં વધુ સંદર્ભ લાવે છે.
ફોન ટ્રી
IVR યુગ
કોલરને મશીનની ભાષામાં બોલવું પડતું.
ઓટોમેશનનો અર્થ મેનૂ, કીપેડ શાખાઓ અને કતારો હતો. જ્યારે કોલરને પહેલેથી જ સાચો માર્ગ ખબર હોય ત્યારે તે કામ કરતું હતું.
અણઘડ ક્ષણ
ઇન્ટેન્ટને બટન દબાવવા સુધી સીમિત કરવામાં આવે છે, તેથી મેનૂની બહારની કોઈપણ બાબત ટ્રાન્સફર અથવા પુનરાવર્તન બની જાય છે.
નમૂના કૉલ
IVR યુગ
કૉલર
"મારે આવતીકાલની એપોઇન્ટમેન્ટ બદલવી છે."
સિસ્ટમ
"બિલિંગ માટે 1 દબાવો. શેડ્યૂલિંગ માટે 2 દબાવો. અન્ય તમામ પ્રશ્નો માટે 9 દબાવો."
પરિણામ
કોલર અંદાજ લગાવે છે, રાહ જુએ છે અને એ જ વાત ફરી સમજાવે છે.
સિસ્ટમ કેવી રીતે વિચારે છે
3 તબક્કામેનૂ prompt
નિર્ધારિતએક નિશ્ચિત સ્ક્રિપ્ટ વિકલ્પોની યાદી આપે છે.
DTMF શાખા
નાજુકએક બટન સમગ્ર ઇન્ટેન્ટ બની જાય છે.
કતાર
નિષ્ફળવાસ્તવિક સંદર્ભ માનવ સાથે આવે છે.
કસ્ટમ મોડેલ્સ
પ્રારંભિક AI
સિસ્ટમો મર્યાદિત પરિસ્થિતિઓ સમજતી, પછી તૂટી પડતી.
ટીમોએ ચોક્કસ કોલ ફ્લો માટે એકોસ્ટિક મોડેલ્સ, ઇન્ટેન્ટ ક્લાસિફાયર્સ અને સ્લોટ એક્સ્ટ્રેક્ટર્સને પ્રશિક્ષિત કર્યા. ઉપયોગી, પરંતુ બદલવામાં ખર્ચાળ.
અણઘડ ક્ષણ
સિસ્ટમ એક પ્રશિક્ષિત ઇન્ટેન્ટ પકડી શકે છે, પછી બીજી વિનંતી છોડી દે છે અથવા કઠોર ફોલો-અપ પૂછે છે.
નમૂના કૉલ
પ્રારંભિક AI
કૉલર
"શું તમે આવતીકાલની એપોઇન્ટમેન્ટ બદલીને મારા જીવનસાથીને ઉમેરી શકો છો?"
સિસ્ટમ
"હું રિશેડ્યૂલ કરવામાં મદદ કરી શકું છું. તમને કઈ તારીખ જોઈએ છે?"
પરિણામ
જીવનસાથીની વિગતો ખોવાઈ જાય છે કારણ કે તે પ્રશિક્ષિત ફ્લોમાં નથી.
સિસ્ટમ કેવી રીતે વિચારે છે
3 તબક્કાકસ્ટમ ASR
નિર્ધારિતડોમેન અને ઉચ્ચારના મિશ્રણ માટે ટ્યુન કરેલું.
ઇન્ટેન્ટ મોડેલ
નાજુકસૌથી નજીકની જાણીતી વિનંતીને વર્ગીકૃત કરે છે.
સ્લોટ ફિલિંગ
નિષ્ફળગુમ ફીલ્ડ્સ સ્ક્રિપ્ટેડ સુધારો શરૂ કરે છે.
Vapi / Retell / ElevenLabs-શૈલીના સ્ટેક્સ
3-પગલાંની પાઇપલાઇન્સ
સ્ટેક લવચીક બન્યો, પરંતુ દરેક પગલાએ અગાઉના પગલા પર વિશ્વાસ કર્યો.
એક સામાન્ય આધુનિક પેટર્ન વાણીથી-લખાણ, LLM અને લખાણથી-વાણીને એક કૉલ લૂપમાં જોડે છે.
અણઘડ ક્ષણ
જ્યારે ટ્રાન્સક્રિપ્ટ ખોટું હોય અથવા કૉલર વચ્ચે અટકાવે, ત્યારે LLM વિશ્વાસપૂર્વક ખોટા કૉલનો જવાબ આપે છે.
નમૂના કૉલ
3-પગલાંની પાઇપલાઇન્સ
કૉલર
"ના, હું આ જગ્યા ભાડે રાખું છું."
સિસ્ટમ
"સમજાયું, આ રેન્ચની મિલકત છે. શું તે સાચું છે?"
પરિણામ
સાંભળવામાં થયેલી એક ભૂલ બોલવામાં થયેલી ભૂલ બની જાય છે.
સિસ્ટમ કેવી રીતે વિચારે છે
3 તબક્કાવાણીથી લખાણ
નિષ્ફળએક ટ્રાન્સક્રિપ્ટ સત્યનો એકમાત્ર સ્ત્રોત બની જાય છે.
LLM
નાજુકમૂળ ઑડિયોમાંથી નહીં, લખાણમાંથી જનરેટ કરે છે.
લખાણથી વાણી
નિષ્ફળવિશ્વાસપૂર્વક જવાબ પાછો બોલે છે.
સંકલિત વૉઇસ AI
ThunderPhone
સિસ્ટમ એક જ લૂપમાં સાંભળી, તર્ક કરી અને સુધરી શકે છે.
ThunderPhone ઑડિયો સમજણ, મોડેલ રાઉટિંગ, વારાફેરા સંચાલન અને પ્રતિભાવ જનરેશનને એક જ આર્કિટેક્ચર તરીકે સંકલિત કરે છે.
શું બદલાય છે
અનેક સાંભળવાના માર્ગો અને ઑડિયો-સચેત તર્ક એક-પગલાની નિષ્ફળતાઓ કૉલર સુધી પહોંચે તે પહેલાં ઘટાડે છે.
નમૂના કૉલ
ThunderPhone
કૉલર
"ના, હું આ જગ્યા ભાડે રાખું છું."
સિસ્ટમ
"સમજાયું. તમે તમારું ઘર ભાડે રાખો છો, તેથી હું માલિકી સંબંધિત પ્રશ્નો છોડી દઈશ."
પરિણામ
કૉલરએ સિસ્ટમ સામે સંઘર્ષ કરવો પડે તે વિના કૉલ આગળ વધે છે.
સિસ્ટમ કેવી રીતે વિચારે છે
4 તબક્કાઑડિયો સ્ટ્રીમ
ચકાસાયેલતર્ક માટે કાચું ઑડિયો ઉપલબ્ધ રહે છે.
પુનરાવર્તિત સાંભળવું
ચકાસાયેલપગલું ભરતા પહેલાં સંકેતોની સરખામણી થાય છે.
મોડેલ રાઉટિંગ
ચકાસાયેલઝડપી અને ઊંડા માર્ગો દરેક વારમાં સહકાર આપે છે.
સ્વાભાવિક પ્રતિભાવ
ચકાસાયેલકૉલર સુધારેલો સંદર્ભ સાંભળે છે.
આનો પ્રભાવ ક્યાં પડે છે
સફળતા વધુ સુંદર રોબોટિક અવાજમાં નથી. તે એવા આર્કિટેક્ચરમાં છે જે કૉલને યોગ્ય માર્ગે રાખે છે.
વધુ સારી સાંભળવાની ક્ષમતા
સિસ્ટમ એક ટ્રાન્સક્રિપ્ટ પર ભરોસો રાખવાને બદલે સંકેતોની તુલના કરી શકે છે અને ઑડિયો પર તર્ક કરી શકે છે.
વધુ સારો સમય-નિર્ધારણ
વાર્તાલાપમાં વારો લેવો અને વચ્ચેના અવરોધોનું સંચાલન કરવું સંવાદ ચક્રનો ભાગ છે.
વધુ સારું રૂટિંગ
દરેક વાર્તાલાપ-વળાંકની જરૂરિયાત મુજબ ઝડપી માર્ગો અને વધુ ઊંડા તર્કને પસંદ કરી શકાય છે.
વધુ સારો અનુભવ
કૉલર્સ ઑટોમેશનને સુધારવામાં ઓછો સમય અને કાર્ય પૂર્ણ કરવામાં વધુ સમય વિતાવે છે.