Balss MI paaudzes
Lielākā daļa automatizēto tālruņa zvanu ir briesmīgi. Jaunā tehnoloģija to maina.
Vecā problēma nebija tā, ka tālruņa automatizācijai trūka patīkamas balss. Tai trūka pietiekamas izpratnes, lai uzturētu īstu sarunu.
Tālruņa zvanu kļūst vieglāk automatizēt
Katra paaudze pārnes mašīnā vairāk konteksta.
Tālruņa izvēlnes
IVR ēra
Zvanītājam bija jārunā mašīnas valodā.
Automatizācija nozīmēja izvēlnes, tastatūras atzarus un rindas. Tā darbojās, ja zvanītājs jau zināja pareizo ceļu.
Neveikls brīdis
Nodoms tiek saspiests līdz pogas nospiešanai, tāpēc viss ārpus izvēlnes nozīmē pārsūtīšanu vai atkārtošanu.
Zvanu paraugs
IVR ēra
Zvanītājs
"Man jāpārceļ rītdienas pieraksts."
Sistēma
"Par rēķiniem nospiediet 1. Par pierakstiem nospiediet 2. Par visiem citiem jautājumiem nospiediet 9."
Rezultāts
Zvanītājs min, gaida un vēlreiz skaidro to pašu.
Kā sistēma domā
3 posmiIzvēlnes uzvedne
izlabotsFiksēts skripts uzskaita iespējas.
DTMF atzars
nestabilsViena poga kļūst par visu nodomu.
Rinda
nedarbojasPatiesais konteksts nonāk pie cilvēka.
Pielāgoti modeļi
Agrīnais MI
Sistēmas saprata šaurus scenārijus, bet pēc tam sabruka.
Komandas apmācīja akustiskos modeļus, nodomu klasifikatorus un lauku izguves rīkus konkrētām zvanu plūsmām. Noderīgi, bet dārgi maināmi.
Neveikls brīdis
Sistēma var atpazīt vienu apmācītu nodomu, bet pēc tam ignorēt otro pieprasījumu vai uzdot neelastīgu precizējošu jautājumu.
Zvanu paraugs
Agrīnais MI
Zvanītājs
"Vai varat pārcelt rītdienas pierakstu un pievienot manu laulāto?"
Sistēma
"Varu palīdzēt pārcelt pierakstu. Kādu datumu jūs vēlaties?"
Rezultāts
Informācija par laulāto tiek pazaudēta, jo tā nav ietverta apmācītajā plūsmā.
Kā sistēma domā
3 posmiPielāgota ASR
izlabotsPielāgots konkrētai nozarei un akcentu kombinācijai.
Nodomu modelis
nestabilsKlasificē tuvāko zināmo pieprasījumu.
Lauku aizpildīšana
nedarbojasTrūkstošie lauki aktivizē skriptētu labošanas procesu.
Vapi / Retell / ElevenLabs tipa steki
3 soļu plūsmas
Steks kļuva elastīgs, taču katrs solis uzticējās iepriekšējam.
Izplatīts mūsdienu risinājums savieno runas pārvēršanu tekstā, LLM un teksta pārvēršanu runā vienā zvana ciklā.
Neveikls brīdis
Ja transkripts ir kļūdains vai zvanītājs pārtrauc, LLM pārliecinoši sniedz nepareizu atbildi uz zvanu.
Zvanu paraugs
3 soļu plūsmas
Zvanītājs
"Nē, es īrēju šo vietu."
Sistēma
"Sapratu, tas ir rančo īpašums. Vai pareizi?"
Rezultāts
Viena kļūda sadzirdētajā pārvēršas kļūdā runātajā atbildē.
Kā sistēma domā
3 posmiRuna tekstā
nedarbojasViens transkripts kļūst par vienīgo patiesības avotu.
LLM
nestabilsĢenerē no teksta, nevis sākotnējā audio.
Teksts runā
nedarbojasPārliecinoši pasaka atbildi.
Integrēts balss mākslīgais intelekts
ThunderPhone
Sistēma vienā ciklā var dzirdēt, spriest un atgūties no kļūdām.
ThunderPhone koordinē audio izpratni, modeļu maršrutēšanu, sarunas gājienu pārvaldību un atbilžu ģenerēšanu kā vienotu arhitektūru.
Kas mainās
Vairāki klausīšanās ceļi un audio izprotoša spriešana samazina viena soļa kļūmes, pirms tās sasniedz zvanītāju.
Zvanu paraugs
ThunderPhone
Zvanītājs
"Nē, es īrēju šo vietu."
Sistēma
"Sapratu. Jūs īrējat savu mājokli, tāpēc izlaidīšu jautājumus par īpašumtiesībām."
Rezultāts
Zvans virzās uz priekšu, neliekot zvanītājam cīnīties ar sistēmu.
Kā sistēma domā
4 posmiAudio straume
pārbaudaNeapstrādāts audio paliek pieejams spriešanai.
Dublēta klausīšanās
pārbaudaPirms rīcības signāli tiek salīdzināti.
Modeļu maršrutēšana
pārbaudaĀtrie un padziļinātie ceļi sadarbojas katrā sarunas gājienā.
Dabiska atbilde
pārbaudaZvanītājs dzird izlaboto kontekstu.
Ko tas nodrošina
Izrāviens nav patīkamāka robota balss. Tā ir arhitektūra, kas notur zvanu uz pareizā ceļa.
Labāka uztvere
Sistēma var salīdzināt signālus un analizēt audio, nevis uzticēties tikai vienai transkripcijai.
Labāks laiks
Sarunas kārtu pārvaldība un pārtraukumu apstrāde ir daļa no sarunas cikla.
Labāka maršrutēšana
Ātrākus ceļus un padziļinātu spriešanu var izvēlēties atbilstoši katras sarunas kārtas vajadzībām.
Labāka pieredze
Zvanītāji pavada mazāk laika, labojot automatizāciju, un vairāk laika, paveicot uzdevumu.