Покоління голосового ШІ
Більшість автоматизованих телефонних дзвінків жахливі. Нові технології це змінюють.
Стара проблема полягала не в тому, що телефонній автоматизації бракувало приємного голосу. Їй бракувало достатнього розуміння, щоб підтримувати справжню розмову.
Телефонний дзвінок стає простіше автоматизувати
Кожне покоління переносить більше контексту в машину.
Телефонні дерева
Ера IVR
Абоненту доводилося говорити мовою машини.
Автоматизація означала меню, переходи за кнопками та черги. Це працювало, коли абонент уже знав правильний шлях.
Незграбний момент
Намір зводиться до натискання кнопки, тож усе поза меню стає переведенням дзвінка або повтором.
Приклад дзвінка
Ера IVR
Абонент
"Мені потрібно перенести завтрашній запис."
Система
"Для питань щодо оплат натисніть 1. Для запису натисніть 2. Для всіх інших запитань натисніть 9."
Результат
Абонент здогадується, чекає та знову пояснює те саме.
Як мислить система
3 етапівГолосове меню
виправленоФіксований сценарій перелічує варіанти.
Гілка DTMF
нестабільноОдна кнопка стає всім наміром.
Черга
помилкиСправжній контекст з’являється лише з людиною.
Кастомні моделі
Ранній ШІ
Системи розуміли вузькі сценарії, а потім розсипалися.
Команди навчали акустичні моделі, класифікатори намірів і екстрактори слотів для конкретних сценаріїв дзвінків. Корисно, але змінювати дорого.
Незграбний момент
Система може розпізнати один навчений намір, а потім пропустити другий запит або поставити жорстко задане уточнювальне запитання.
Приклад дзвінка
Ранній ШІ
Абонент
"Чи можете перенести завтрашній запис і додати мого чоловіка / мою дружину?"
Система
"Я можу допомогти перенести запис. Яку дату ви бажаєте?"
Результат
Деталь про чоловіка / дружину втрачається, бо її немає в навчальному сценарії.
Як мислить система
3 етапівКастомне ASR
виправленоНалаштовано для певної галузі та поєднання акцентів.
Модель намірів
нестабільноКласифікує найближчий відомий запит.
Заповнення слотів
помилкиВідсутні поля запускають сценарій виправлення.
Стеки на кшталт Vapi / Retell / ElevenLabs
Конвеєри з 3 кроків
Стек став гнучким, але кожен крок довіряв попередньому.
Поширений сучасний підхід об’єднує розпізнавання мовлення, LLM і синтез мовлення в один цикл дзвінка.
Незграбний момент
Коли транскрипт хибний або абонент перебиває, LLM упевнено дає відповідь не на той дзвінок.
Приклад дзвінка
Конвеєри з 3 кроків
Абонент
"Ні, я орендую це житло."
Система
"Зрозуміло, це ранчо. Правильно?"
Результат
Одна помилка розпізнавання перетворюється на усну помилку.
Як мислить система
3 етапівМовлення в текст
помилкиОдин транскрипт стає єдиним джерелом істини.
LLM
нестабільноГенерує з тексту, а не з оригінального аудіо.
Текст у мовлення
помилкиУпевнено озвучує відповідь.
Інтегрований голосовий ШІ
ThunderPhone
Система може чути, міркувати та відновлюватися в одному циклі.
ThunderPhone координує розуміння аудіо, маршрутизацію моделей, чергування реплік і генерацію відповідей як єдину архітектуру.
Що змінюється
Кілька шляхів розпізнавання та міркування з урахуванням аудіо зменшують збої на окремих кроках ще до того, як вони вплинуть на абонента.
Приклад дзвінка
ThunderPhone
Абонент
"Ні, я орендую це житло."
Система
"Зрозуміло. Ви орендуєте житло, тож я пропущу запитання про право власності."
Результат
Дзвінок рухається далі без потреби змушувати абонента боротися із системою.
Як мислить система
4 етапівАудіопотік
перевіркиНеоброблене аудіо залишається доступним для міркування.
Надлишкове розпізнавання
перевіркиСигнали порівнюються перед дією.
Маршрутизація моделей
перевіркиШвидкі та глибші шляхи почергово співпрацюють.
Природна відповідь
перевіркиАбонент чує виправлений контекст.
Що це дає
Прорив — не в приємнішому голосі робота. Він в архітектурі, що не дає дзвінку збитися з курсу.
Краще розпізнавання
Система може порівнювати сигнали та аналізувати аудіо, замість того щоб покладатися на одну транскрипцію.
Кращий таймінг
Чергування реплік і обробка перебивань є частиною циклу розмови.
Краща маршрутизація
Швидкі сценарії та глибше міркування можна обирати відповідно до потреб кожної репліки.
Кращий досвід
Абоненти витрачають менше часу на виправлення автоматизації та більше — на виконання завдання.