01
საუბრისა და ენობრივი დამუშავების ტერმინები
ეს ფენა გარდაქმნის მომხმარებლის ხმას გასაგებ ტექსტად, ადგენს როდის დასრულდა აზრი და ამზადებს ბუნებრივ ხმოვან პასუხს.
| ტერმინი | მარტივი განმარტება | რატომ არის მნიშვნელოვანი |
|---|---|---|
| STT | Speech-to-Text — აუდიოს ტექსტად გარდაქმნა | არასწორი სიტყვა შეიძლება არასწორ ბიზნესველად გადაიქცეს |
| TTS | Text-to-Speech — ტექსტის ხმად გარდაქმნა | განსაზღვრავს პასუხის სიცხადეს, ტონსა და ტემპს |
| LLM | ენობრივი მოდელი, რომელიც კონტექსტს განმარტავს და პასუხს აყალიბებს | არ უნდა ფლობდეს დაუმოწმებელი კრიტიკული მოქმედების უფლებას |
| Streaming | აუდიოსა და ტექსტის ნაწილებად დამუშავება დასრულების ლოდინის გარეშე | ამცირებს პასუხის დაწყების დროს |
| Interim transcript | STT-ის ჯერ კიდევ ცვალებადი შუალედური ტექსტი | სწრაფია, მაგრამ საბოლოო ქმედებისთვის ყოველთვის სანდო არ არის |
| Final transcript | STT-ის დასრულებული, სტაბილური შედეგი | მნიშვნელოვანი ველების დამუშავებისთვის უფრო უსაფრთხოა |
| Turn detection | განსაზღვრავს, როდის დაასრულა მომხმარებელმა აზრი | ძალიან ადრე გაჩერება ჭრის სიტყვას; გვიანი — ზრდის დაყოვნებას |
| Semantic end of utterance | სიტყვების მნიშვნელობით აფასებს, დასრულებულია თუ არა პასუხი | სიჩუმის გარდა ფრაზის აზრსაც ითვალისწინებს |
02
რეალურ დროში დიალოგისა და აუდიოს ტერმინები
ბუნებრივი საუბარი მოითხოვს არა მხოლოდ კარგ მოდელს, არამედ სწორ დროს, აუდიოს უწყვეტ მიწოდებასა და ფონური მეტყველებისგან დაცვას.
| ტერმინი | მარტივი განმარტება | რისკი არასწორი გამართვისას |
|---|---|---|
| Barge-in | მომხმარებელი აგენტის საუბრის დროს იწყებს ლაპარაკს | ყოველი ბგერა არ უნდა წყვეტდეს TTS-ს |
| Full duplex | ორივე მხარე ერთდროულად ისმენს და აგზავნის ხმას | echo და საკუთარი ხმის დაბრუნება STT-ს აბნევს |
| VAD | Voice Activity Detection — ადგენს არის თუ არა ხმაში საუბარი | ტელევიზორი ან ქარი შეიძლება მომხმარებლის ხმაში აერიოს |
| Noise suppression | ამცირებს უწყვეტ გარემოს ხმაურს | ზედმეტმა ფილტრმა ჩუმი ქართული თანხმოვნებიც შეიძლება დააზიანოს |
| Echo cancellation | ამცირებს დინამიკიდან მიკროფონში დაბრუნებულ აგენტის ხმას | მის გარეშე აგენტი საკუთარ პასუხს მომხმარებლის პასუხად იღებს |
| Jitter | აუდიოპაკეტების არათანაბარი მოსვლის დრო | იწვევს ნაწყვეტ ხმასა და არასტაბილურ ტრანსკრიპტს |
| Packet loss | ქსელში დაკარგული აუდიოპაკეტები | სიტყვის ნაწილი ქრება და მნიშვნელობა იცვლება |
| Codec | აუდიოს შეკუმშვისა და გადაცემის ფორმატი | ტელეფონიის ფორმატი გავლენას ახდენს STT-ისთვის მისულ ხარისხზე |
03
ტელეფონიისა და პროცესის მართვის ტერმინები
ზარი ბიზნესმოქმედებად მხოლოდ მაშინ იქცევა, როცა ტელეფონია, პროცესის მდგომარეობა და გარე სისტემის კონტრაქტი ერთმანეთთან მკაფიოდ არის დაკავშირებული.
| ტერმინი | მარტივი განმარტება | OMO-ს კონტექსტი |
|---|---|---|
| SIP | პროტოკოლი, რომელიც სატელეფონო ზარს რეალურ დროში სისტემასთან აკავშირებს | ნომერი, trunk და მარშრუტი სწორ აგენტს უკავშირდება |
| SIP trunk | სატელეფონო პროვაიდერსა და პლატფორმას შორის არხი | მართავს შემომავალ და გამავალ ნომრებს |
| Flow state | საუბრის მიმდინარე, დადასტურებული ეტაპი | ზღუდავს რომელი ინფორმაცია და მოქმედებაა ახლა დასაშვები |
| Tool call | აგენტის მიერ სერვერული ფუნქციის სტრუქტურირებული გამოძახება | ამოწმებს კალენდარს, CRM-ს ან სხვა API-ს |
| Webhook | ერთი სისტემიდან მეორეში მოვლენის უსაფრთხო შეტყობინება | აგზავნის დასრულებული ზარის ან მოქმედების შედეგს |
| Idempotency | ერთი მოთხოვნის განმეორებით შესრულება დუბლირებულ შედეგს არ ქმნის | იცავს ორმაგი ჯავშნისა და ჩანაწერისგან |
| Human handoff | ზარისა და კონტექსტის უფლებამოსილ ადამიანთან გადაცემა | გამოიყენება რთულ, გაურკვეველ ან მოთხოვნილ შემთხვევებში |
| Audit trail | სესიის ტრანსკრიპტის, მოვლენების, ხელსაწყოებისა და შედეგის თანმიმდევრული კვალი | აჩვენებს რა მოხდა და რის საფუძველზე |
S
ოფიციალური წყაროები და დამატებითი კითხვა
ტექნიკური განმარტებები გადამოწმებულია პირველწყაროებთან. ბმულები იხსნება შესაბამისი პროექტის ოფიციალურ დოკუმენტაციაში.
- Introduction to telephony — LiveKit documentation
SIP-ისა და რეალურ დროში სატელეფონო არქიტექტურის ოფიციალური შესავალი.
- Introduction to Pipecat — Pipecat documentation
ხმოვანი AI-ის რეალურ დროში მონაცემთა ნაკადის ოფიციალური მიმოხილვა.