Các thế hệ AI giọng nói
Hầu hết các cuộc gọi điện thoại tự động đều tệ. Công nghệ mới thay đổi điều đó.
Vấn đề trước đây không phải là tự động hóa điện thoại thiếu giọng nói dễ chịu. Mà là thiếu sự thấu hiểu để duy trì một cuộc trò chuyện thực sự.
Một cuộc gọi điện thoại ngày càng dễ tự động hóa
Mỗi thế hệ đưa thêm ngữ cảnh vào máy.
Cây thoại
Thời đại IVR
Người gọi phải nói theo cách của máy.
Tự động hóa đồng nghĩa với menu, nhánh phím bấm và hàng đợi. Nó hiệu quả khi người gọi đã biết đúng lộ trình.
Khoảnh khắc vụng về
Ý định bị thu gọn thành một lần nhấn nút, nên mọi thứ ngoài menu đều dẫn đến chuyển cuộc gọi hoặc lặp lại.
Cuộc gọi mẫu
Thời đại IVR
Người gọi
"Tôi cần dời lịch hẹn ngày mai."
Hệ thống
"Để thanh toán, nhấn 1. Để đặt lịch, nhấn 2. Với mọi câu hỏi khác, nhấn 9."
Kết quả
Người gọi phải đoán, chờ và giải thích lại cùng một việc.
Cách hệ thống suy nghĩ
3 giai đoạnLời nhắc menu
đã sửaMột kịch bản cố định liệt kê các lựa chọn.
Nhánh DTMF
mong manhMột nút bấm đại diện cho toàn bộ ý định.
Hàng đợi
lỗiNgữ cảnh thực sự chỉ xuất hiện khi có người hỗ trợ.
Mô hình tùy chỉnh
AI thời kỳ đầu
Hệ thống hiểu được những phạm vi hẹp, rồi nhanh chóng đổ vỡ.
Các đội ngũ đã huấn luyện mô hình âm học, bộ phân loại ý định và bộ trích xuất trường thông tin cho các luồng cuộc gọi cụ thể. Hữu ích, nhưng tốn kém khi thay đổi.
Khoảnh khắc vụng về
Hệ thống có thể nhận diện một ý định đã được huấn luyện, rồi bỏ sót yêu cầu thứ hai hoặc hỏi tiếp một cách cứng nhắc.
Cuộc gọi mẫu
AI thời kỳ đầu
Người gọi
"Bạn có thể dời lịch hẹn ngày mai và thêm vợ/chồng tôi không?"
Hệ thống
"Tôi có thể giúp đổi lịch hẹn. Bạn muốn ngày nào?"
Kết quả
Thông tin về vợ/chồng bị mất vì không có trong luồng đã được huấn luyện.
Cách hệ thống suy nghĩ
3 giai đoạnASR tùy chỉnh
đã sửaĐược tinh chỉnh cho một lĩnh vực và tập hợp giọng địa phương.
Mô hình ý định
mong manhPhân loại yêu cầu đã biết gần nhất.
Điền trường thông tin
lỗiCác trường thiếu sẽ kích hoạt quy trình khắc phục theo kịch bản.
Các hệ thống kiểu Vapi / Retell / ElevenLabs
Quy trình 3 bước
Hệ thống trở nên linh hoạt, nhưng mỗi bước đều tin bước trước.
Một mô hình hiện đại phổ biến kết nối chuyển giọng nói thành văn bản, LLM và chuyển văn bản thành giọng nói trong một vòng lặp cuộc gọi.
Khoảnh khắc vụng về
Khi bản chép lời sai hoặc người gọi ngắt lời, LLM vẫn tự tin trả lời nhầm cuộc gọi.
Cuộc gọi mẫu
Quy trình 3 bước
Người gọi
"Không, tôi thuê chỗ này."
Hệ thống
"Tôi hiểu rồi, đó là bất động sản trang trại. Có đúng không?"
Kết quả
Một lỗi nghe đơn lẻ trở thành một sai sót khi nói.
Cách hệ thống suy nghĩ
3 giai đoạnGiọng nói thành văn bản
lỗiMột bản chép lời trở thành nguồn thông tin duy nhất.
LLM
mong manhTạo phản hồi từ văn bản, không phải âm thanh gốc.
Văn bản thành giọng nói
lỗiTự tin nói lại câu trả lời.
AI giọng nói tích hợp
ThunderPhone
Hệ thống có thể nghe, suy luận và khắc phục trong một vòng lặp.
ThunderPhone điều phối việc hiểu âm thanh, định tuyến mô hình, luân phiên hội thoại và tạo phản hồi trong một kiến trúc thống nhất.
Điều thay đổi
Nhiều luồng lắng nghe và suy luận nhận biết âm thanh giúp giảm lỗi ở một bước trước khi chúng đến với người gọi.
Cuộc gọi mẫu
ThunderPhone
Người gọi
"Không, tôi thuê chỗ này."
Hệ thống
"Tôi hiểu rồi. Bạn đang thuê nhà, nên tôi sẽ bỏ qua các câu hỏi về quyền sở hữu."
Kết quả
Cuộc gọi tiếp tục mà không buộc người gọi phải vật lộn với hệ thống.
Cách hệ thống suy nghĩ
4 giai đoạnLuồng âm thanh
đạt kiểm traÂm thanh thô vẫn sẵn có để suy luận.
Lắng nghe dự phòng
đạt kiểm traCác tín hiệu được so sánh trước khi hành động.
Định tuyến mô hình
đạt kiểm traCác luồng nhanh và chuyên sâu phối hợp theo từng lượt.
Phản hồi tự nhiên
đạt kiểm traNgười gọi nghe được ngữ cảnh đã được chỉnh sửa.
Kết quả đạt được
Đột phá không nằm ở một giọng robot hay hơn. Đó là kiến trúc giúp cuộc gọi luôn đi đúng hướng.
Nghe tốt hơn
Hệ thống có thể so sánh các tín hiệu và suy luận từ âm thanh thay vì chỉ tin vào một bản chép lời.
Nhịp độ tốt hơn
Việc luân phiên lượt nói và xử lý ngắt lời là một phần của vòng lặp hội thoại.
Định tuyến tốt hơn
Các luồng xử lý nhanh và suy luận sâu hơn có thể được chọn theo nhu cầu của từng lượt hội thoại.
Trải nghiệm tốt hơn
Người gọi dành ít thời gian hơn để sửa lỗi cho hệ thống tự động và nhiều thời gian hơn để hoàn thành tác vụ.