వాయిస్ AI తరాలు

చాలా ఆటోమేటెడ్ ఫోన్ కాల్‌లు పేలవంగా ఉంటాయి. కొత్త టెక్నాలజీ దాన్ని మారుస్తుంది.

పాత సమస్య ఏమిటంటే ఫోన్ ఆటోమేషన్‌లో ఆహ్లాదకరమైన స్వరం లేకపోవడం కాదు. నిజమైన సంభాషణను కొనసాగించేందుకు తగినంత అవగాహన లేకపోవడమే సమస్య.

ఫోన్ ట్రీలు

IVR యుగం

కాల్ చేసిన వ్యక్తే యంత్రంలా మాట్లాడాల్సి వచ్చేది.

ఆటోమేషన్ అంటే మెనూలు, కీప్యాడ్ శాఖలు, క్యూ‌లు. కాల్ చేసిన వ్యక్తికి సరైన మార్గం ముందే తెలిసినప్పుడు ఇది పనిచేసేది.

ఇబ్బందికరమైన క్షణం

ఉద్దేశం ఒక బటన్ నొక్కడంలోకి కుదించబడుతుంది, కాబట్టి మెనూకు వెలుపల ఉన్న ఏదైనా బదిలీ లేదా పునరావృతమవుతుంది.

నమూనా కాల్

IVR యుగం

కాలర్

"రేపటి అపాయింట్‌మెంట్‌ను మార్చాలి."

సిస్టమ్

"బిల్లింగ్ కోసం 1 నొక్కండి. షెడ్యూలింగ్ కోసం 2 నొక్కండి. ఇతర అన్ని ప్రశ్నల కోసం 9 నొక్కండి."

ఫలితం

కాల్ చేసిన వ్యక్తి ఊహిస్తారు, వేచి ఉంటారు, అదే విషయాన్ని మళ్లీ వివరిస్తారు.

వ్యవస్థ ఎలా ఆలోచిస్తుంది

3 దశలు

మెను prompt

పరిష్కరించబడింది

ఒక స్థిరమైన స్క్రిప్ట్ ఎంపికలను జాబితా చేస్తుంది.

DTMF శాఖ

సున్నితమైనది

ఒక బటన్ మొత్తం ఉద్దేశంగా మారుతుంది.

క్యూ

విఫలమవుతుంది

నిజమైన సందర్భం మనిషితోనే వస్తుంది.

కస్టమ్ మోడల్‌లు

ప్రారంభ AI

సిస్టమ్‌లు పరిమిత సందర్భాలనే అర్థం చేసుకున్నాయి, ఆపై విఫలమయ్యాయి.

బృందాలు నిర్దిష్ట కాల్ ఫ్లోల కోసం అకౌస్టిక్ మోడల్‌లు, ఇంటెంట్ క్లాసిఫైయర్‌లు, స్లాట్ ఎక్స్‌ట్రాక్టర్‌లకు శిక్షణ ఇచ్చాయి. ఉపయోగకరమైనవి, కానీ మార్చడం ఖరీదైనది.

ఇబ్బందికరమైన క్షణం

సిస్టమ్ శిక్షణ పొందిన ఒక ఉద్దేశాన్ని గుర్తించగలదు, ఆపై రెండో అభ్యర్థనను వదిలేయవచ్చు లేదా కఠినమైన తదుపరి ప్రశ్న అడగవచ్చు.

నమూనా కాల్

ప్రారంభ AI

కాలర్

"రేపటి అపాయింట్‌మెంట్‌ను మార్చి, నా జీవిత భాగస్వామిని చేర్చగలరా?"

సిస్టమ్

"రీషెడ్యూల్ చేయడంలో నేను సహాయం చేయగలను. మీకు ఏ తేదీ కావాలి?"

ఫలితం

శిక్షణ పొందిన ఫ్లోలో జీవిత భాగస్వామి వివరాలు లేకపోవడంతో ఆ వివరాలు కోల్పోతాయి.

వ్యవస్థ ఎలా ఆలోచిస్తుంది

3 దశలు

కస్టమ్ ASR

పరిష్కరించబడింది

ఒక డొమైన్ మరియు యాసల మిశ్రమానికి అనుగుణంగా ట్యూన్ చేయబడింది.

ఇంటెంట్ మోడల్

సున్నితమైనది

తెలిసిన అభ్యర్థనల్లో అత్యంత సమీపమైనదాన్ని వర్గీకరిస్తుంది.

స్లాట్ ఫిల్లింగ్

విఫలమవుతుంది

లేని ఫీల్డ్‌లు స్క్రిప్ట్ చేసిన సవరణను ప్రారంభిస్తాయి.

Vapi / Retell / ElevenLabs-శైలి స్టాక్‌లు

3-దశల పైప్‌లైన్‌లు

స్టాక్ మరింత అనువైనదైంది, కానీ ప్రతి దశ మునుపటి దశనే నమ్మింది.

స్పీచ్-టు-టెక్స్ట్, ఒక LLM, మరియు టెక్స్ట్-టు-స్పీచ్‌ను ఒకే కాల్ లూప్‌లో కలపడం సాధారణ ఆధునిక నమూనా.

ఇబ్బందికరమైన క్షణం

ట్రాన్స్‌క్రిప్ట్ తప్పుగా ఉన్నప్పుడు లేదా కాలర్ మధ్యలో అడ్డుకున్నప్పుడు, LLM తప్పు కాల్‌కు ధైర్యంగా సమాధానం ఇస్తుంది.

నమూనా కాల్

3-దశల పైప్‌లైన్‌లు

కాలర్

"లేదు, నేను ఆ స్థలాన్ని అద్దెకు తీసుకున్నాను."

సిస్టమ్

"అర్థమైంది, అది రాంచ్ ప్రాపర్టీ. అది సరైనదేనా?"

ఫలితం

వినడంలో జరిగిన ఒక్క పొరపాటు మాటల్లో తప్పుగా మారుతుంది.

వ్యవస్థ ఎలా ఆలోచిస్తుంది

3 దశలు

స్పీచ్ టు టెక్స్ట్

విఫలమవుతుంది

ఒక ట్రాన్స్‌క్రిప్ట్ మాత్రమే నిజానికి మూలంగా మారుతుంది.

LLM

సున్నితమైనది

అసలు ఆడియో నుంచి కాకుండా టెక్స్ట్ నుంచి రూపొందిస్తుంది.

టెక్స్ట్ టు స్పీచ్

విఫలమవుతుంది

నమ్మకంగా సమాధానాన్ని తిరిగి చెబుతుంది.

సమగ్ర వాయిస్ AI

ThunderPhone

వ్యవస్థ ఒకే లూప్‌లో వినగలదు, ఆలోచించగలదు, మరియు సరిదిద్దుకోగలదు.

ThunderPhone ఆడియో అవగాహన, మోడల్ రూటింగ్, టర్న్ తీసుకోవడం, మరియు ప్రతిస్పందన రూపొందింపును ఒకే ఆర్కిటెక్చర్‌గా సమన్వయం చేస్తుంది.

ఏం మారుతుంది

అనేక వినికిడి మార్గాలు మరియు ఆడియోను అర్థం చేసుకునే రీజనింగ్, ఒక్క దశలో జరిగే వైఫల్యాలు కాలర్ వరకు చేరకముందే తగ్గిస్తాయి.

నమూనా కాల్

ThunderPhone

కాలర్

"లేదు, నేను ఆ స్థలాన్ని అద్దెకు తీసుకున్నాను."

సిస్టమ్

"అర్థమైంది. మీరు మీ ఇంట్లో అద్దెకు ఉంటున్నారు, కాబట్టి యాజమాన్యానికి సంబంధించిన ప్రశ్నలను దాటవేస్తాను."

ఫలితం

కాలర్ వ్యవస్థతో పోరాడాల్సిన అవసరం లేకుండానే కాల్ ముందుకు సాగుతుంది.

వ్యవస్థ ఎలా ఆలోచిస్తుంది

4 దశలు

ఆడియో స్ట్రీమ్

తనిఖీలు

రీజనింగ్ కోసం ముడి ఆడియో అందుబాటులోనే ఉంటుంది.

పునరావృత వినికిడి

తనిఖీలు

చర్య తీసుకునే ముందు సంకేతాలను పోల్చుతారు.

మోడల్ రూటింగ్

తనిఖీలు

వేగవంతమైన మరియు లోతైన మార్గాలు ఒక్కో టర్న్‌లో కలిసి పనిచేస్తాయి.

సహజ ప్రతిస్పందన

తనిఖీలు

కాలర్ సరిచేసిన సందర్భాన్ని వింటారు.

ఇది ఎక్కడికి తీసుకెళ్తుంది

పురోగతి మరింత అందమైన రోబోట్ వాయిస్ కాదు. కాల్‌ను సరైన మార్గంలో ఉంచే ఆర్కిటెక్చర్.

మెరుగైన వినికిడి

ఒకే ట్రాన్స్‌క్రిప్ట్‌ను నమ్మకుండా, సిస్టమ్ సంకేతాలను పోల్చి ఆడియోపై తర్కించగలదు.

మెరుగైన సమయ నిర్వహణ

టర్న్ తీసుకోవడం, అంతరాయాలను నిర్వహించడం సంభాషణ లూప్‌లో భాగం.

మెరుగైన రూటింగ్

ప్రతి టర్న్ అవసరాలను బట్టి వేగవంతమైన మార్గాలు, లోతైన తర్కాన్ని ఎంచుకోవచ్చు.

మెరుగైన అనుభవం

కాలర్లు ఆటోమేషన్‌ను సరిదిద్దడంలో తక్కువ సమయం, పనిని పూర్తి చేయడంలో ఎక్కువ సమయం వెచ్చిస్తారు.