തലമുറകളിലെ വോയ്സ് AI
മിക്ക ഓട്ടോമേറ്റഡ് ഫോൺ കോളുകളും മോശമാണ്. പുതിയ സാങ്കേതികവിദ്യ അത് മാറ്റുന്നു.
ഫോൺ ഓട്ടോമേഷനിൽ മനോഹരമായ ശബ്ദം ഇല്ലായിരുന്നു എന്നതല്ല പഴയ പ്രശ്നം. ഒരു യഥാർത്ഥ സംഭാഷണം മുന്നോട്ട് കൊണ്ടുപോകാൻ മതിയായ ധാരണ അതിന് ഉണ്ടായിരുന്നില്ല.
ഒരു ഫോൺ കോൾ സ്വയമേവ കൈകാര്യം ചെയ്യുന്നത് എളുപ്പമാകുന്നു
ഓരോ തലമുറയും കൂടുതൽ സന്ദർഭം മെഷീനിലേക്ക് കൊണ്ടുവരുന്നു.
IVR കാലഘട്ടം
വിളിക്കുന്നയാൾക്ക് മെഷീനോട് സംസാരിക്കേണ്ടിവന്നു.
ആദ്യകാല AI
സിസ്റ്റങ്ങൾ പരിമിതമായ വഴികൾ മനസ്സിലാക്കി, പിന്നെ തകരുകയായിരുന്നു.
3-ഘട്ട പൈപ്പ്ലൈനുകൾ
സ്റ്റാക്ക് കൂടുതൽ വഴക്കമുള്ളതായെങ്കിലും, ഓരോ ഘട്ടവും മുൻഘട്ടത്തെ വിശ്വസിച്ചു.
ThunderPhone
സിസ്റ്റത്തിന് ഒരൊറ്റ ലൂപ്പിൽ കേൾക്കാനും, യുക്തിചിന്ത നടത്താനും, വീണ്ടെടുക്കാനും കഴിയും.
ഫോൺ ട്രീകൾ
IVR കാലഘട്ടം
വിളിക്കുന്നയാൾക്ക് മെഷീനോട് സംസാരിക്കേണ്ടിവന്നു.
ഓട്ടോമേഷൻ എന്നാൽ മെനുകൾ, കീപാഡ് ബ്രാഞ്ചുകൾ, ക്യൂകൾ എന്നിവയായിരുന്നു. ശരിയായ വഴി വിളിക്കുന്നയാൾക്ക് മുൻകൂട്ടി അറിയുമ്പോൾ അത് പ്രവർത്തിച്ചു.
കുഴപ്പമുള്ള നിമിഷം
ഉദ്ദേശ്യം ഒരു ബട്ടൺ അമർത്തലിലേക്ക് ചുരുക്കപ്പെടുന്നു; അതിനാൽ മെനുവിന് പുറത്തുള്ളതെല്ലാം ട്രാൻസ്ഫറോ ആവർത്തനമോ ആകുന്നു.
മാതൃകാ കോൾ
IVR കാലഘട്ടം
കോളർ
"എനിക്ക് നാളത്തെ അപ്പോയിന്റ്മെന്റ് മാറ്റണം."
സിസ്റ്റം
"ബില്ലിംഗിനായി 1 അമർത്തുക. ഷെഡ്യൂളിംഗിനായി 2 അമർത്തുക. മറ്റെല്ലാ ചോദ്യങ്ങൾക്കും 9 അമർത്തുക."
ഫലം
വിളിക്കുന്നയാൾ ഊഹിക്കുന്നു, കാത്തിരിക്കുന്നു, പിന്നെ അതേ കാര്യം വീണ്ടും വിശദീകരിക്കുന്നു.
സിസ്റ്റം എങ്ങനെ ചിന്തിക്കുന്നു
3 ഘട്ടങ്ങൾമെനു പ്രോംപ്റ്റ്
പരിഹരിച്ചുഒരു നിശ്ചിത സ്ക്രിപ്റ്റ് ഓപ്ഷനുകൾ പട്ടികപ്പെടുത്തുന്നു.
DTMF ബ്രാഞ്ച്
അസ്ഥിരംഒരു ബട്ടൺ മുഴുവൻ ഉദ്ദേശ്യവും ആകുന്നു.
ക്യൂ
പരാജയങ്ങൾയഥാർത്ഥ സന്ദർഭം ഒരു മനുഷ്യനോടൊപ്പമാണ് എത്തുന്നത്.
കസ്റ്റം മോഡലുകൾ
ആദ്യകാല AI
സിസ്റ്റങ്ങൾ പരിമിതമായ വഴികൾ മനസ്സിലാക്കി, പിന്നെ തകരുകയായിരുന്നു.
നിശ്ചിത കോൾ ഫ്ലോകൾക്കായി ടീമുകൾ അക്കൗസ്റ്റിക് മോഡലുകൾ, ഇന്റന്റ് ക്ലാസിഫയറുകൾ, സ്ലോട്ട് എക്സ്ട്രാക്ടറുകൾ എന്നിവ പരിശീലിപ്പിച്ചു. ഉപയോഗപ്രദമായിരുന്നെങ്കിലും മാറ്റാൻ ചെലവേറിയതായിരുന്നു.
കുഴപ്പമുള്ള നിമിഷം
സിസ്റ്റത്തിന് പരിശീലിപ്പിച്ച ഒരു ഉദ്ദേശ്യം തിരിച്ചറിയാൻ കഴിയും, തുടർന്ന് രണ്ടാമത്തെ അഭ്യർത്ഥന നഷ്ടപ്പെടുകയോ കർശനമായ ഒരു തുടർചോദ്യം ചോദിക്കുകയോ ചെയ്യും.
മാതൃകാ കോൾ
ആദ്യകാല AI
കോളർ
"നാളത്തെ അപ്പോയിന്റ്മെന്റ് മാറ്റി എന്റെ ജീവിതപങ്കാളിയെയും ചേർക്കാമോ?"
സിസ്റ്റം
"റീഷെഡ്യൂൾ ചെയ്യാൻ ഞാൻ സഹായിക്കാം. ഏത് തീയതിയാണ് നിങ്ങൾക്ക് വേണ്ടത്?"
ഫലം
പരിശീലിപ്പിച്ച ഫ്ലോയിൽ ഇല്ലാത്തതിനാൽ ജീവിതപങ്കാളിയെക്കുറിച്ചുള്ള വിവരം നഷ്ടപ്പെടുന്നു.
സിസ്റ്റം എങ്ങനെ ചിന്തിക്കുന്നു
3 ഘട്ടങ്ങൾകസ്റ്റം ASR
പരിഹരിച്ചുഒരു ഡൊമെയ്നിനും ഉച്ചാരണങ്ങളുടെ മിശ്രിതത്തിനും അനുസരിച്ച് ട്യൂൺ ചെയ്തത്.
ഇന്റന്റ് മോഡൽ
അസ്ഥിരംഅറിയാവുന്ന ഏറ്റവും അടുത്ത അഭ്യർത്ഥനയെ വർഗീകരിക്കുന്നു.
സ്ലോട്ട് ഫില്ലിംഗ്
പരാജയങ്ങൾനഷ്ടമായ ഫീൽഡുകൾ സ്ക്രിപ്റ്റ് ചെയ്ത പരിഹാരപ്രക്രിയ ആരംഭിക്കും.
Vapi / Retell / ElevenLabs ശൈലിയിലുള്ള സ്റ്റാക്കുകൾ
3-ഘട്ട പൈപ്പ്ലൈനുകൾ
സ്റ്റാക്ക് കൂടുതൽ വഴക്കമുള്ളതായെങ്കിലും, ഓരോ ഘട്ടവും മുൻഘട്ടത്തെ വിശ്വസിച്ചു.
ഒരു സാധാരണ ആധുനിക മാതൃക, സംസാരത്തിൽ നിന്ന് വാചകത്തിലേക്ക്, ഒരു LLM, വാചകത്തിൽ നിന്ന് സംസാരത്തിലേക്ക് എന്നിവയെ ഒരു കോൾ ലൂപ്പിലേക്ക് ബന്ധിപ്പിക്കുന്നു.
കുഴപ്പമുള്ള നിമിഷം
ട്രാൻസ്ക്രിപ്റ്റ് തെറ്റായിരിക്കുമ്പോഴോ വിളിക്കുന്നയാൾ ഇടയിൽ സംസാരിക്കുമ്പോഴോ, LLM ആത്മവിശ്വാസത്തോടെ തെറ്റായ കോളിന് മറുപടി നൽകുന്നു.
മാതൃകാ കോൾ
3-ഘട്ട പൈപ്പ്ലൈനുകൾ
കോളർ
"അല്ല, ഞാൻ ആ സ്ഥലം വാടകയ്ക്കെടുത്തതാണ്."
സിസ്റ്റം
"മനസ്സിലായി, ഇത് ഒരു റാഞ്ച് പ്രോപ്പർട്ടിയാണ്. അത് ശരിയാണോ?"
ഫലം
കേൾവിയിലെ ഒരു തെറ്റ് സംസാരത്തിലെ തെറ്റായി മാറുന്നു.
സിസ്റ്റം എങ്ങനെ ചിന്തിക്കുന്നു
3 ഘട്ടങ്ങൾസംസാരത്തിൽ നിന്ന് വാചകത്തിലേക്ക്
പരാജയങ്ങൾഒരു ട്രാൻസ്ക്രിപ്റ്റ് മാത്രമാണ് സത്യത്തിന്റെ ഉറവിടമാകുന്നത്.
LLM
അസ്ഥിരംയഥാർത്ഥ ഓഡിയോയിൽ നിന്നല്ല, വാചകത്തിൽ നിന്നാണ് സൃഷ്ടിക്കുന്നത്.
വാചകത്തിൽ നിന്ന് സംസാരത്തിലേക്ക്
പരാജയങ്ങൾആത്മവിശ്വാസത്തോടെ ഉത്തരം തിരികെ പറയുന്നു.
സംയോജിത വോയ്സ് AI
ThunderPhone
സിസ്റ്റത്തിന് ഒരൊറ്റ ലൂപ്പിൽ കേൾക്കാനും, യുക്തിചിന്ത നടത്താനും, വീണ്ടെടുക്കാനും കഴിയും.
ThunderPhone ഓഡിയോ മനസ്സിലാക്കൽ, മോഡൽ റൂട്ടിംഗ്, ടേൺ എടുക്കൽ, പ്രതികരണ സൃഷ്ടി എന്നിവയെ ഒരൊറ്റ ആർക്കിടെക്ചറായി ഏകോപിപ്പിക്കുന്നു.
എന്താണ് മാറുന്നത്
ഒന്നിലധികം ശ്രവണ പാതകളും ഓഡിയോ മനസ്സിലാക്കി യുക്തിചിന്ത നടത്തുന്നതും ഏകഘട്ട പരാജയങ്ങൾ വിളിക്കുന്നയാളിലെത്തുന്നതിന് മുമ്പ് കുറയ്ക്കുന്നു.
മാതൃകാ കോൾ
ThunderPhone
കോളർ
"അല്ല, ഞാൻ ആ സ്ഥലം വാടകയ്ക്കെടുത്തതാണ്."
സിസ്റ്റം
"മനസ്സിലായി. നിങ്ങൾ നിങ്ങളുടെ വീട് വാടകയ്ക്കാണ് എടുത്തിരിക്കുന്നത്, അതിനാൽ ഉടമസ്ഥതയെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾ ഞാൻ ഒഴിവാക്കും."
ഫലം
വിളിക്കുന്നയാളെ സിസ്റ്റവുമായി പൊരുതിക്കാതെ കോൾ മുന്നോട്ട് പോകുന്നു.
സിസ്റ്റം എങ്ങനെ ചിന്തിക്കുന്നു
4 ഘട്ടങ്ങൾഓഡിയോ സ്ട്രീം
പരിശോധനകൾയുക്തിചിന്തയ്ക്കായി അസംസ്കൃത ഓഡിയോ ലഭ്യമായി തുടരുന്നു.
ആവർത്തന ശ്രവണം
പരിശോധനകൾപ്രവർത്തനത്തിന് മുമ്പ് സിഗ്നലുകൾ താരതമ്യം ചെയ്യുന്നു.
മോഡൽ റൂട്ടിംഗ്
പരിശോധനകൾവേഗമേറിയതും ആഴത്തിലുള്ളതുമായ പാതകൾ ഓരോ ടേണിലും സഹകരിക്കുന്നു.
സ്വാഭാവിക പ്രതികരണം
പരിശോധനകൾതിരുത്തിയ സന്ദർഭം വിളിക്കുന്നയാൾ കേൾക്കുന്നു.
ഇതിന്റെ ഫലം
മുന്നേറ്റം കൂടുതൽ മനോഹരമായ റോബോട്ട് ശബ്ദമല്ല. കോളിനെ ശരിയായ പാതയിൽ നിലനിർത്തുന്ന ആർക്കിടെക്ചറാണ് അത്.
മെച്ചപ്പെട്ട ശ്രവണം
ഒരൊറ്റ ട്രാൻസ്ക്രിപ്റ്റിനെ വിശ്വസിക്കുന്നതിനുപകരം, സിസ്റ്റത്തിന് സിഗ്നലുകൾ താരതമ്യം ചെയ്ത് ഓഡിയോയെ അടിസ്ഥാനമാക്കി നിഗമനം ചെയ്യാനാകും.
മെച്ചപ്പെട്ട സമയക്രമം
സംഭാഷണ ഊഴം കൈകാര്യം ചെയ്യലും ഇടപെടലുകൾ കൈകാര്യം ചെയ്യലും സംഭാഷണ ചക്രത്തിന്റെ ഭാഗമാണ്.
മെച്ചപ്പെട്ട റൂട്ടിംഗ്
ഓരോ സംഭാഷണഘട്ടത്തിന്റെയും ആവശ്യങ്ങൾക്കനുസരിച്ച് വേഗത്തിലുള്ള പാതകളും ആഴത്തിലുള്ള നിരൂപണവും തിരഞ്ഞെടുക്കാം.
മെച്ചപ്പെട്ട അനുഭവം
ഓട്ടോമേഷൻ തിരുത്താൻ കോളർമാർ കുറച്ച് സമയം ചെലവഴിക്കുകയും ജോലി പൂർത്തിയാക്കാൻ കൂടുതൽ സമയം ചെലവഴിക്കുകയും ചെയ്യുന്നു.