რეალურ დროში მედია
LiveKit მართავს SIP ზარს, აუდიოს გზას, ოთახს და აგენტის დაკავშირებას.
AI ხმოვანი აგენტი
ხმოვანი აგენტი, რომელიც საუბრობს და ბიზნესინსტრუმენტებს იყენებს
AI ხმოვანი აგენტი არის პროგრამული სისტემა, რომელიც სატელეფონო ხმას რეალურ დროში იღებს, ნათქვამს ამუშავებს, მიმდინარე მიზანსა და ეტაპს ადგენს, საჭირო ხელსაწყოს იძახებს და პასუხს ხმით აბრუნებს. OMO-ში გადაწყვეტილების მიღება გამოყოფილია კრიტიკული ბიზნესმოქმედებისგან, რათა შედეგი შემოწმებადი და განმეორებით უსაფრთხო იყოს.ვისთვის არის?
გუნდებისთვის, რომლებსაც სურთ განმეორებადი სატელეფონო პროცესი გადაიტანონ კონტროლირებად ავტომატიზაციაში ისე, რომ ადამიანური ესკალაცია შეინარჩუნონ.
რომელ პრობლემებს აგვარებს?
- ჩატბოტის ლოგიკის პირდაპირ ტელეფონში გადატანისას დაკარგული turn-taking
- მოდელის პასუხის და რეალურად შესრულებული მოქმედების ერთმანეთში არევა
- საუბრის ხარისხის შეფასება აუდიოს, მოვლენებისა და დაყოვნების გარეშე
რას აკეთებს OMO?
პრაქტიკული სისტემა და არა იზოლირებული მოდელი.
მდგომარეობიანი საუბარი
Pipecat-ის flow განსაზღვრავს ეტაპებს, დასაშვებ გადასვლებსა და მოსალოდნელ პასუხებს.
დეტერმინისტული ხელსაწყოები
კალენდარი, ლიდის შენახვა ან მარშრუტიზაცია სრულდება სერვერული კონტრაქტით.
სრული ტელემეტრია
ტრანსკრიპტი, მოვლენები, latency და საბოლოო შედეგი ერთ სესიაში ერთიანდება.
როგორ მუშაობს
მომხმარებლის პირველი წინადადებიდან შემოწმებულ შედეგამდე.
- 01
მოსმენა
აგენტის აუდიო pipeline იღებს მომხმარებლის ხმას საუბრის მიმდინარეობისასაც.
- 02
გააზრება
STT და LLM პასუხს მიმდინარე მდგომარეობის, წინა დადასტურებული მონაცემებისა და დაშვებული მოქმედებების მიხედვით აფასებს.
- 03
შესრულება
აგენტის გადაწყვეტილება გადადის ტიპიზებულ business service-ში და იქ მოწმდება.
- 04
პასუხი
TTS ქმნის მოკლე, ბუნებრივ პასუხს მხოლოდ რეალურად მიღებული შედეგის მიხედვით.
დარჩენილი მტკიცებულება
ყოველ შესრულებულ მოქმედებას ოპერაციული ჩანაწერი ახლავს.
- flow-ის ვერსია და მიმდინარე ეტაპი
- ხელსაწყოს მოთხოვნა და დაბრუნებული შედეგი
- ტრანსკრიპტი, აუდიო და latency breakdown
სისტემის საზღვრები
რას არ ვარაუდობს და არ გვპირდება OMO.
- LLM არ არის მონაცემთა ბაზის ან კალენდრის სიმართლის წყარო.
- აგენტს მხოლოდ წინასწარ დაშვებული ხელსაწყოების გამოყენება შეუძლია.
- შეუქცევადი მოქმედება საჭიროებს განსაზღვრულ ვალიდაციას ან დადასტურებას.
პირდაპირი პასუხები
კითხვები, რომლებსაც ბიზნესი დანერგვამდე სვამს.
რა ნაწილებისგან შედგება AI ხმოვანი აგენტი?
საბაზო ჯაჭვია ტელეფონია → აუდიოს დამუშავება → STT → საუბრისა და მდგომარეობის მართვა → ბიზნესხელსაწყო → TTS. ხარისხიანი სისტემა დამატებით იყენებს ტელემეტრიას, ვალიდაციასა და ადამიანთან გადართვის წესებს.
რით განსხვავდება ხმოვანი აგენტი IVR-ისგან?
ტრადიციული IVR წინასწარ განსაზღვრულ ღილაკებსა და მენიუს მიჰყვება. ხმოვანი აგენტი ბუნებრივ პასუხს იგებს, თუმცა უსაფრთხო მუშაობისთვის მაინც კონტროლირებად პროცესსა და დაშვებულ მოქმედებებს იყენებს.
შეიძლება აგენტმა მომხმარებელს საუბრის დროს მოუსმინოს?
დიახ. სწორად გამართულ full-duplex და turn-taking კონფიგურაციაში შემომავალი ხმა მიიღება აგენტის საუბრის დროსაც; შეწყვეტის გადაწყვეტილება ცალკე წესით მიიღება.