Generácie hlasovej AI
Väčšina automatizovaných telefonátov je hrozná. Nová technológia to mení.
Starý problém nebol v tom, že automatizácia telefónnych hovorov nemala príjemný hlas. Chýbalo jej dostatočné porozumenie na udržanie skutočného rozhovoru.
Telefonát sa automatizuje jednoduchšie
Každá generácia prenáša do systému viac kontextu.
Telefónne stromové menu
Éra IVR
Volajúci musel hovoriť jazykom stroja.
Automatizácia znamenala menu, vetvy cez klávesnicu a fronty. Fungovala, keď volajúci už poznal správnu cestu.
Nešikovný moment
Zámer sa zredukuje na stlačenie tlačidla, takže všetko mimo ponuky vedie k prepojeniu alebo opakovaniu.
Ukážkový hovor
Éra IVR
Volajúci
"Potrebujem presunúť zajtrajší termín."
Systém
"Pre fakturáciu stlačte 1. Pre objednávanie termínov stlačte 2. Pre všetky ostatné otázky stlačte 9."
Výsledok
Volajúci háda, čaká a znova vysvetľuje to isté.
Ako systém uvažuje
3 etápVýzva v menu
opravenéPevný skript uvádza možnosti.
Vetva DTMF
krehkéJedno tlačidlo predstavuje celý zámer.
Front
zlyhávaSkutočný kontext prichádza až s človekom.
Vlastné modely
Počiatočná AI
Systémy rozumeli úzkym scenárom, potom sa rozpadli.
Tímy trénovali akustické modely, klasifikátory zámerov a extraktory polí pre konkrétne scenáre hovorov. Bolo to užitočné, no zmeny boli drahé.
Nešikovný moment
Systém dokáže zachytiť jeden natrénovaný zámer, potom však druhú požiadavku stratí alebo položí strnulú doplňujúcu otázku.
Ukážkový hovor
Počiatočná AI
Volajúci
"Môžete presunúť zajtrajší termín a pridať môjho manžela?"
Systém
"Môžem vám pomôcť s presunutím termínu. Aký dátum by ste chceli?"
Výsledok
Informácia o manželovi sa stratí, pretože nie je súčasťou natrénovaného scenára.
Ako systém uvažuje
3 etápVlastné ASR
opravenéVyladené pre konkrétnu oblasť a kombináciu prízvukov.
Model zámerov
krehkéKlasifikuje najbližšiu známu požiadavku.
Vyplnenie polí
zlyhávaChýbajúce údaje spúšťajú predpísané doplnenie.
Architektúry v štýle Vapi / Retell / ElevenLabs
3-krokové pipeline
Architektúra sa stala flexibilnou, no každý krok dôveroval predchádzajúcemu.
Bežný moderný prístup prepája rozpoznávanie reči, LLM a syntézu reči do jedného cyklu hovoru.
Nešikovný moment
Keď je prepis nesprávny alebo volajúci preruší hovor, LLM sebavedomo odpovie na nesprávny kontext hovoru.
Ukážkový hovor
3-krokové pipeline
Volajúci
"Nie, bývam v prenájme."
Systém
"Rozumiem, ide o ranč. Je to správne?"
Výsledok
Jediná chyba pri rozpoznaní sa zmení na chybu v odpovedi.
Ako systém uvažuje
3 etápReč na text
zlyhávaJeden prepis sa stáva jediným zdrojom pravdy.
LLM
krehkéGeneruje z textu, nie z pôvodného zvuku.
Text na reč
zlyhávaSebavedomo povie odpoveď volajúcemu.
Integrovaná hlasová AI
ThunderPhone
Systém dokáže v jednom cykle počuť, uvažovať a zotaviť sa z chýb.
ThunderPhone koordinuje porozumenie zvuku, smerovanie modelov, striedanie v rozhovore a generovanie odpovedí ako jednu architektúru.
Čo sa mení
Viaceré cesty počúvania a uvažovanie pracujúce so zvukom znižujú zlyhania v jednom kroku skôr, než sa dostanú k volajúcemu.
Ukážkový hovor
ThunderPhone
Volajúci
"Nie, bývam v prenájme."
Systém
"Rozumiem. Bývate v prenajatom bývaní, takže preskočím otázky o vlastníctve."
Výsledok
Hovor pokračuje bez toho, aby sa volajúci musel pasovať so systémom.
Ako systém uvažuje
4 etápZvukový stream
v poriadkuPôvodný zvuk zostáva dostupný na vyhodnocovanie.
Redundantné rozpoznávanie
v poriadkuSignály sa porovnávajú pred vykonaním akcie.
Smerovanie modelov
v poriadkuRýchlejšie a hlbšie cesty spolupracujú pri každom ťahu.
Prirodzená odpoveď
v poriadkuVolajúci počuje opravený kontext.
Kam to smeruje
Prelomom nie je krajší robotický hlas. Je ním architektúra, ktorá udrží hovor na správnej ceste.
Lepšie počúvanie
Systém dokáže porovnávať signály a pracovať so zvukom namiesto toho, aby sa spoliehal na jeden prepis.
Lepšie načasovanie
Striedanie v rozhovore a spracovanie prerušení sú súčasťou konverzačného cyklu.
Lepšie smerovanie
Rýchle postupy aj hlbšie uvažovanie možno vybrať podľa potrieb každého kroku konverzácie.
Lepšia skúsenosť
Volajúci trávia menej času opravovaním automatizácie a viac času dokončením úlohy.