ਜ਼ਿਆਦਾਤਰ ਆਟੋਮੇਟਿਡ ਫ਼ੋਨ ਕਾਲਾਂ ਬੇਕਾਰ ਹੁੰਦੀਆਂ ਹਨ। ਨਵੀਂ ਤਕਨਾਲੋਜੀ ਇਸ ਹਕੀਕਤ ਨੂੰ ਬਦਲ ਦਿੰਦੀ ਹੈ।
ਪੁਰਾਣੀ ਸਮੱਸਿਆ ਇਹ ਨਹੀਂ ਸੀ ਕਿ ਫ਼ੋਨ ਆਟੋਮੇਸ਼ਨ ਦੀ ਆਵਾਜ਼ ਸੁਹਾਵਣੀ ਨਹੀਂ ਸੀ। ਉਸ ਵਿੱਚ ਅਸਲ ਗੱਲਬਾਤ ਨੂੰ ਅੱਗੇ ਲੈ ਜਾਣ ਜਿੰਨੀ ਸਮਝ ਨਹੀਂ ਸੀ।
ਫ਼ੋਨ ਕਾਲ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨਾ ਹੋਰ ਸੌਖਾ ਹੁੰਦਾ ਜਾਂਦਾ ਹੈ।
ਹਰ ਨਵੀਂ ਪੀੜ੍ਹੀ ਗੱਲਬਾਤ ਦਾ ਹੋਰ ਸੰਦਰਭ ਮਸ਼ੀਨ ਦੇ ਹਵਾਲੇ ਕਰਦੀ ਹੈ।
ਕਾਲਰ ਨੂੰ ਮਸ਼ੀਨ ਵਾਲੀ ਭਾਸ਼ਾ ਬੋਲਣੀ ਪੈਂਦੀ ਸੀ।
ਕਾਲਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਦਾ ਮਤਲਬ ਸੀ ਮੈਨੂ, ਕੀਪੈਡ ਬ੍ਰਾਂਚਾਂ ਅਤੇ ਕਤਾਰਾਂ। ਇਹ ਤਰੀਕਾ ਉਦੋਂ ਹੀ ਕੰਮ ਕਰਦਾ ਸੀ, ਜਦੋਂ ਕਾਲਰ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਸਹੀ ਰਾਹ ਪਤਾ ਹੁੰਦਾ ਸੀ।
ਪੂਰਾ ਇੰਟੈਂਟ ਇੱਕ ਬਟਨ ਦਬਾਉਣ ਤੱਕ ਸਿਮਟ ਜਾਂਦਾ ਹੈ। ਇਸ ਕਰਕੇ ਮੈਨੂ ਤੋਂ ਬਾਹਰ ਦੀ ਹਰ ਗੱਲ ਜਾਂ ਤਾਂ ਕਾਲ ਟ੍ਰਾਂਸਫ਼ਰ ਕਰਵਾ ਦਿੰਦੀ ਹੈ ਜਾਂ ਕਾਲਰ ਨੂੰ ਉਹੀ ਗੱਲ ਮੁੜ ਕਹਿਣੀ ਪੈਂਦੀ ਹੈ।
ਨਤੀਜਾ · ਕਾਲਰ ਅੰਦਾਜ਼ਾ ਲਾ ਕੇ ਵਿਕਲਪ ਚੁਣਦਾ ਹੈ, ਉਡੀਕ ਕਰਦਾ ਹੈ ਅਤੇ ਫਿਰ ਉਹੀ ਗੱਲ ਦੁਬਾਰਾ ਸਮਝਾਉਂਦਾ ਹੈ।
ਤੈਅ ਦਾਇਰੇ ਵਿੱਚ ਸਿਸਟਮ ਗੱਲ ਸਮਝਦੇ ਸਨ, ਬਾਹਰ ਹੁੰਦੇ ਹੀ ਫੇਲ੍ਹ ਹੋ ਜਾਂਦੇ ਸਨ।
ਟੀਮਾਂ ਨੇ ਖ਼ਾਸ ਕਾਲ ਫ਼ਲੋ ਲਈ ਅਕੂਸਟਿਕ ਮਾਡਲ, ਇੰਟੈਂਟ ਕਲਾਸੀਫਾਇਰ ਅਤੇ ਸਲੌਟ ਐਕਸਟ੍ਰੈਕਟਰ ਟ੍ਰੇਨ ਕੀਤੇ। ਇਹ ਕੰਮ ਦੇ ਸਨ, ਪਰ ਇਨ੍ਹਾਂ ਵਿੱਚ ਬਦਲਾਅ ਕਰਨਾ ਮਹਿੰਗਾ ਪੈਂਦਾ ਸੀ।
ਸਿਸਟਮ ਇੱਕ ਟ੍ਰੇਨ ਕੀਤਾ ਇੰਟੈਂਟ ਤਾਂ ਪਛਾਣ ਲੈਂਦਾ ਹੈ, ਪਰ ਦੂਜੀ ਬੇਨਤੀ ਛੱਡ ਦਿੰਦਾ ਹੈ ਜਾਂ ਅਗਲਾ ਸਵਾਲ ਸਕ੍ਰਿਪਟ ਮੁਤਾਬਕ ਹੀ ਪੁੱਛਦਾ ਹੈ।
ਨਤੀਜਾ · ਜੀਵਨ ਸਾਥੀ ਵਾਲੀ ਜਾਣਕਾਰੀ ਗੁੰਮ ਹੋ ਜਾਂਦੀ ਹੈ, ਕਿਉਂਕਿ ਉਹ ਟ੍ਰੇਨ ਕੀਤੇ ਫ਼ਲੋ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ।
ਸਟੈਕ ਲਚਕੀਲਾ ਤਾਂ ਹੋ ਗਿਆ, ਪਰ ਹਰ ਪੜਾਅ ਪਿਛਲੇ ਪੜਾਅ ’ਤੇ ਭਰੋਸਾ ਕਰਦਾ ਰਿਹਾ।
ਅੱਜਕੱਲ੍ਹ ਆਮ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਢਾਂਚਾ ਸਪੀਚ-ਟੂ-ਟੈਕਸਟ, ਇੱਕ LLM ਅਤੇ ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਨੂੰ ਕਾਲ ਦੇ ਇੱਕੋ ਲੂਪ ਵਿੱਚ ਜੋੜਦਾ ਹੈ।
ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਗਲਤ ਹੋਵੇ ਜਾਂ ਕਾਲਰ ਵਿਚਾਲੇ ਬੋਲ ਪਏ, ਤਾਂ LLM ਕਾਲ ਨੂੰ ਗਲਤ ਸਮਝ ਕੇ ਵੀ ਪੂਰੇ ਭਰੋਸੇ ਨਾਲ ਜਵਾਬ ਦੇ ਦਿੰਦਾ ਹੈ।
ਨਤੀਜਾ · ਸੁਣਨ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਹੁੰਦੀ ਹੈ, ਤੇ ਸਿਸਟਮ ਉਹੀ ਗਲਤੀ ਬੋਲ ਕੇ ਦੁਹਰਾ ਦਿੰਦਾ ਹੈ।
ਸਿਸਟਮ ਇੱਕੋ ਲੂਪ ਵਿੱਚ ਸੁਣ, ਸੋਚ ਅਤੇ ਗਲਤੀ ਸੁਧਾਰ ਸਕਦਾ ਹੈ।
ThunderPhone ਆਡੀਓ ਦੀ ਸਮਝ, ਮਾਡਲ ਰੂਟਿੰਗ, ਟਰਨ-ਟੇਕਿੰਗ ਅਤੇ ਜਵਾਬ ਤਿਆਰ ਕਰਨ ਨੂੰ ਇੱਕੋ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਤਾਲਮੇਲ ਨਾਲ ਚਲਾਉਂਦਾ ਹੈ।
ਕਈ ਰਸਤਿਆਂ ਰਾਹੀਂ ਸੁਣਨਾ ਅਤੇ ਆਡੀਓ ਦੇ ਸੰਦਰਭ ਨੂੰ ਸਮਝਣ ਵਾਲੀ ਰੀਜ਼ਨਿੰਗ ਇੱਕੋ ਪੜਾਅ ’ਤੇ ਹੋਣ ਵਾਲੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਕਾਲਰ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਘਟਾਉਂਦੇ ਹਨ।
ਨਤੀਜਾ · ਕਾਲ ਅੱਗੇ ਵਧਦੀ ਰਹਿੰਦੀ ਹੈ—ਕਾਲਰ ਨੂੰ ਸਿਸਟਮ ਨਾਲ ਜੂਝਣਾ ਨਹੀਂ ਪੈਂਦਾ।
ਅਸਲ ਬ੍ਰੇਕਥਰੂ ਹੋਰ ਸੁਹਾਵਣੀ ਰੋਬੋਟਿਕ ਆਵਾਜ਼ ਨਹੀਂ ਹੈ। ਇਹ ਉਹ ਆਰਕੀਟੈਕਚਰ ਹੈ ਜੋ ਕਾਲ ਨੂੰ ਸਹੀ ਰਾਹ ’ਤੇ ਰੱਖਦਾ ਹੈ।
ਆਵਾਜ਼ ਦੀ ਬਿਹਤਰ ਸਮਝ
ਸਿਸਟਮ ਇੱਕੋ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ’ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਥਾਂ ਵੱਖ-ਵੱਖ ਸਿਗਨਲਾਂ ਦੀ ਤੁਲਨਾ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਆਡੀਓ ਦੇ ਆਧਾਰ ’ਤੇ ਰੀਜ਼ਨਿੰਗ ਕਰ ਸਕਦਾ ਹੈ।
ਬਿਹਤਰ ਟਾਈਮਿੰਗ
ਕਦੋਂ ਕਿਸ ਨੇ ਬੋਲਣਾ ਹੈ ਅਤੇ ਵਿਚਕਾਰ ਟੋਕੇ ਜਾਣ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਣਾ ਹੈ—ਦੋਵੇਂ ਗੱਲਬਾਤ ਦੇ ਲੂਪ ਦਾ ਹਿੱਸਾ ਹਨ।
ਬਿਹਤਰ ਰੂਟਿੰਗ
ਗੱਲਬਾਤ ਦੇ ਹਰ ਟਰਨ ਦੀ ਲੋੜ ਮੁਤਾਬਕ ਤੇਜ਼ ਪਾਥ ਜਾਂ ਹੋਰ ਡੂੰਘੀ ਰੀਜ਼ਨਿੰਗ ਚੁਣੀ ਜਾ ਸਕਦੀ ਹੈ।
ਬਿਹਤਰ ਤਜਰਬਾ
ਕਾਲ ਕਰਨ ਵਾਲੇ ਆਟੋਮੇਸ਼ਨ ਨੂੰ ਆਪਣੀ ਗੱਲ ਮੁੜ ਸਮਝਾਉਣ ਵਿੱਚ ਘੱਟ ਅਤੇ ਕੰਮ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਵੱਧ ਸਮਾਂ ਲਾਉਂਦੇ ਹਨ।