Sesli yapay zekanın nesilleri
Otomatik telefon çağrılarının çoğu berbat. Yeni teknoloji bunu değiştiriyor.
Eski sorun, telefon otomasyonunun hoş bir sesten yoksun olması değildi. Gerçek bir konuşmayı sürdürecek kadar anlayıştan yoksun olmasıydı.
Bir telefon çağrısını otomatikleştirmek kolaylaşıyor
Her nesil, makineye daha fazla bağlam aktarır.
Telefon menüleri
IVR dönemi
Arayan kişi, makinenin dilinden konuşmak zorundaydı.
Otomasyon; menüler, tuş takımı dalları ve kuyruklar demekti. Arayan kişi doğru yolu zaten biliyorsa işe yarıyordu.
Aksak an
Niyet bir tuş seçimine indirgenir; bu nedenle menü dışındaki her şey aktarmaya ya da tekrara dönüşür.
Örnek çağrı
IVR dönemi
Arayan
"Yarınki randevumu değiştirmem gerekiyor."
Sistem
"Faturalandırma için 1'e basın. Randevu işlemleri için 2'ye basın. Diğer tüm sorular için 9'a basın."
Sonuç
Arayan kişi tahminde bulunur, bekler ve aynı şeyi yeniden açıklar.
Sistem nasıl düşünüyor
3 aşamaMenü komutu
sabitSabit bir komut dizisi seçenekleri listeler.
DTMF dalı
kırılganTek bir tuş, niyetin tamamına dönüşür.
Kuyruk
bozukGerçek bağlam, bir insana bağlanıldığında ortaya çıkar.
Özel modeller
Erken dönem yapay zeka
Sistemler dar kapsamları anladı, sonra dağıldı.
Ekipler, belirli çağrı akışları için akustik modelleri, niyet sınıflandırıcılarını ve alan çıkarıcılarını eğitti. Kullanışlıydı, ancak değiştirmesi pahalıydı.
Aksak an
Sistem, eğitilmiş tek bir niyeti yakalayabilir; ardından ikinci isteği gözden kaçırır veya katı bir takip sorusu sorar.
Örnek çağrı
Erken dönem yapay zeka
Arayan
"Yarınki randevumu değiştirebilir ve eşimi de ekleyebilir misiniz?"
Sistem
"Yeniden planlamanıza yardımcı olabilirim. Hangi tarihi istersiniz?"
Sonuç
Eş bilgisi, eğitilmiş akışta yer almadığı için kaybolur.
Sistem nasıl düşünüyor
3 aşamaÖzel ASR
sabitBir alan ve aksan çeşitliliği için ayarlanmıştır.
Niyet modeli
kırılganBilinen en yakın isteği sınıflandırır.
Alan doldurma
bozukEksik alanlar, komut dizili düzeltmeyi tetikler.
Vapi / Retell / ElevenLabs tarzı altyapılar
3 adımlı işlem hatları
Altyapı esnekleşti, ancak her adım bir öncekine güvendi.
Yaygın modern bir yaklaşım, sesten metne, bir LLM'i ve metinden sese teknolojisini tek bir çağrı döngüsünde birleştirir.
Aksak an
Transkript yanlış olduğunda veya arayan sözünü kestiğinde, LLM yanlış çağrıya güvenle yanıt verir.
Örnek çağrı
3 adımlı işlem hatları
Arayan
"Hayır, evi kiralıyorum."
Sistem
"Anladım, bu bir çiftlik mülkü. Doğru mu?"
Sonuç
Tek bir duyma hatası, sözlü bir hataya dönüşür.
Sistem nasıl düşünüyor
3 aşamaSesten metne
bozukTek bir transkript, doğruluğun tek kaynağı hâline gelir.
LLM
kırılganOrijinal sesten değil, metinden üretir.
Metinden sese
bozukYanıtı güvenle sesli olarak iletir.
Entegre sesli yapay zeka
ThunderPhone
Sistem tek bir döngüde duyabilir, akıl yürütebilir ve toparlayabilir.
ThunderPhone, ses anlama, model yönlendirme, sıra alma ve yanıt üretimini tek bir mimaride koordine eder.
Neler değişiyor
Birden fazla dinleme yolu ve sesi anlayan akıl yürütme, tek adımlı hataları arayana ulaşmadan azaltır.
Örnek çağrı
ThunderPhone
Arayan
"Hayır, evi kiralıyorum."
Sistem
"Anladım. Evinizi kiralıyorsunuz, bu yüzden mülkiyet sorularını atlayacağım."
Sonuç
Arayan, sistemle uğraşmak zorunda kalmadan görüşme ilerler.
Sistem nasıl düşünüyor
4 aşamaSes akışı
kontrol edildiHam ses, akıl yürütme için erişilebilir kalır.
Yedekli dinleme
kontrol edildiSinyaller, işlem yapılmadan önce karşılaştırılır.
Model yönlendirme
kontrol edildiHızlı ve derin yollar, her turda birlikte çalışır.
Doğal yanıt
kontrol edildiArayan, düzeltilmiş bağlamı duyar.
Bunun sonucu
Asıl atılım daha hoş bir robot sesi değil. Çağrıyı doğru yolda tutan mimaridir.
Daha iyi işitme
Sistem, tek bir transkripte güvenmek yerine sinyalleri karşılaştırabilir ve ses üzerinde akıl yürütebilir.
Daha iyi zamanlama
Söz alma ve araya girme yönetimi, konuşma döngüsünün bir parçasıdır.
Daha iyi yönlendirme
Hızlı yollar ve daha derin akıl yürütme, her konuşma sırasının ihtiyaçlarına göre seçilebilir.
Daha iyi deneyim
Arayanlar otomasyonu düzeltmeye daha az, işi tamamlamaya daha çok zaman ayırır.