زیادہ تر خودکار فون کالز بے کار ہوتی ہیں۔ نئی ٹیکنالوجی یہ صورتِ حال بدل دیتی ہے۔
پرانا مسئلہ خوش گوار آواز کی کمی نہیں تھا۔ فون آٹومیشن میں اتنی سمجھ نہیں تھی کہ حقیقی گفتگو کو آگے بڑھا سکے۔
ہر نئی نسل کے ساتھ فون کال کو خودکار بنانا آسان ہو جاتا ہے۔
ہر نئی نسل میں مشین زیادہ سیاق و سباق خود سنبھالتی ہے۔
کال کرنے والے کو مشین کی زبان میں بات کرنا پڑتی تھی۔
02ابتدائی AIسسٹمز محدود بات تو سمجھ لیتے تھے، مگر اس سے آگے ناکام ہو جاتے تھے۔
033 مرحلوں والی پائپ لائنزٹیک اسٹیک تو لچک دار ہو گیا، مگر ہر مرحلہ پچھلے مرحلے کو درست مان کر چلتا رہا۔
04ThunderPhoneیہ سسٹم ایک ہی لوپ میں سن سکتا ہے، ریزننگ کر سکتا ہے اور غلطی کی اصلاح بھی کر سکتا ہے۔
کال کرنے والے کو مشین کی زبان میں بات کرنا پڑتی تھی۔
خودکاری کا مطلب مینو، کی پیڈ برانچز اور کال کیو تھا۔ یہ اسی وقت کام کرتا تھا جب کالر کو پہلے سے درست راستہ معلوم ہو۔
انٹینٹ محض ایک بٹن دبانے تک محدود ہو جاتا ہے، اس لیے مینو سے باہر کی ہر بات کا نتیجہ کال ٹرانسفر یا وہی بات دوبارہ دہرانے کی صورت میں نکلتا ہے۔
نتیجہ · کالر اندازے سے آپشن چنتا ہے، انتظار کرتا ہے، پھر وہی بات دوبارہ سمجھاتا ہے۔
سسٹمز محدود بات تو سمجھ لیتے تھے، مگر اس سے آگے ناکام ہو جاتے تھے۔
ٹیمیں مخصوص کال فلوز کے لیے اکوسٹک ماڈلز، انٹینٹ کلاسیفائرز اور سلاٹ ایکسٹریکٹرز کو تربیت دیتی تھیں۔ یہ طریقہ کارآمد تھا، مگر اس میں تبدیلی مہنگی پڑتی تھی۔
سسٹم ایک تربیت یافتہ انٹینٹ تو پکڑ لیتا ہے، مگر دوسری درخواست چھوڑ دیتا ہے یا پھر اسکرپٹ سے بندھا فالو اپ سوال پوچھتا ہے۔
نتیجہ · شریکِ حیات کو شامل کرنے کی درخواست نظر انداز ہو جاتی ہے، کیونکہ یہ اس فلو کا حصہ نہیں جس کے لیے سسٹم کو تربیت دی گئی تھی۔
ٹیک اسٹیک تو لچک دار ہو گیا، مگر ہر مرحلہ پچھلے مرحلے کو درست مان کر چلتا رہا۔
ایک عام جدید طریقے میں اسپیچ ٹو ٹیکسٹ، LLM اور ٹیکسٹ ٹو اسپیچ کو ایک ہی کال لوپ میں جوڑ دیا جاتا ہے۔
جب ٹرانسکرپٹ غلط ہو یا کال کرنے والا بات کاٹ دے، تو LLM پورے اعتماد سے غلط بات کا جواب دے دیتا ہے۔
نتیجہ · سننے کی ایک غلطی، بول کر دیے گئے غلط جواب میں بدل جاتی ہے۔
یہ سسٹم ایک ہی لوپ میں سن سکتا ہے، ریزننگ کر سکتا ہے اور غلطی کی اصلاح بھی کر سکتا ہے۔
ThunderPhone آڈیو کو سمجھنے، ماڈل روٹنگ، گفتگو کی باریاں سنبھالنے اور جواب تیار کرنے کے تمام عمل کو ایک ہی آرکیٹیکچر میں مربوط کرتا ہے۔
متعدد طریقوں سے سننا اور آڈیو کو مدِنظر رکھ کر ریزننگ کرنا، ایک مرحلے پر ہونے والی غلطیوں کو کال کرنے والے تک پہنچنے سے پہلے ہی کم کر دیتے ہیں۔
نتیجہ · کال آگے بڑھتی رہتی ہے، اور کال کرنے والے کو سسٹم سے الجھنا نہیں پڑتا۔
اصل پیش رفت زیادہ دلکش روبوٹک آواز نہیں، بلکہ ایسا آرکیٹیکچر ہے جو کال کو درست راستے پر رکھتا ہے۔
بہتر سماعت
سسٹم کسی ایک ٹرانسکرپٹ پر بھروسا کرنے کے بجائے مختلف سگنلز کا موازنہ کر کے آڈیو سے براہِ راست نتیجہ اخذ کر سکتا ہے۔
بہتر ٹائمنگ
بولنے کی باری طے کرنا اور بات کاٹے جانے کو سنبھالنا، دونوں گفتگو کے لوپ کا حصہ ہیں۔
بہتر روٹنگ
گفتگو کے ہر مرحلے کی ضرورت کے مطابق تیز راستے یا زیادہ گہری ریزننگ منتخب کی جا سکتی ہے۔
بہتر تجربہ
کالرز کو آٹومیشن کی غلطیاں درست کرنے میں کم وقت لگتا ہے اور اپنا کام مکمل کرنے کے لیے زیادہ وقت ملتا ہے۔