Вы делаете паузу, чтобы вспомнить цифру. Говорите «ага», пока вам что-то объясняют. Меняете свое мнение на середине заказа. Эти моменты — неотъемлемая часть разговора.
Сегодня мы представляем Live 3 — полнодуплексную голосовую модель от Fish Audio. Она продолжает слушать во время разговора, поэтому пауза, быстрое подтверждение или смена мнения могут повлиять на то, что произойдет дальше.
Тихое «угу». Пространство для завершения мысли. Возможность вклиниться в разговор.
Live 3 создана для того, чтобы у людей была возможность говорить естественно. Попробуйте сами на fish.audio/agents.
Изучение ритма беседы
Скорость и речевые паузы — это не одна и та же задача. Агент может быстро начать ответ и все равно заговорить не в тот момент. Пауза после фразы «Во сколько вы открываетесь?» может означать, что вы закончили. Пауза посреди телефонного номера означает, что впереди еще цифры.
Большинство голосовых агентов координируют распознавание речи, логику рассуждений, генерацию речи и управление очередностью реплик в разных частях пайплайна. Чтобы эти части работали вместе естественно, требуются усилия. Live 3 переносит тайминг разговора в саму языковую модель.
Мы обучили ее на реальных человеческих разговорах, чтобы она понимала, когда нужно кивнуть, подождать, ответить или остановиться. Эти модели поведения были переняты у людей, а не прописаны в виде списка правил.
«До сих пор решением было создание новых правил и пороговых значений», — говорит Рисса Цао, соучредитель и генеральный директор Fish Audio. — «Мы считаем, что модель должна учиться этому на реальных разговорах, точно так же, как языковые модели изучают грамматику».
Подтверждение без перехвата инициативы
Произнесите номер по частям: «415… 555… 0132». Live 3 может сказать «угу» или «хорошо, 415» между ними и дождаться остального.
Это небольшое подтверждение делает две вещи одновременно. Оно показывает, что цифры услышаны, и оставляет слово за вами. Вы можете перевести дыхание, проверить следующие цифры и продолжить.
Live 3 может принять решение ответить всего за 186 миллисекунд. Короткие реакции, такие как «угу», «хорошо» и быстрые подтверждения, поддерживают динамику беседы, пока готовится полный ответ.
Понимание того, когда вы хотите вклиниться
Не каждый звук является прерыванием. Если агент объясняет свои услуги и часы работы, вы можете сказать «ага» или «угу», чтобы показать, что вы следите за мыслью. Live 3 продолжает говорить.
Затем вы произносите: «Подождите, вообще-то мне нужен только четверг». Модель останавливается и дает пространство для вашего нового запроса.
Это различие меняет ощущение от всего звонка. Вы можете подтверждать услышанное, не обрывая собеседника случайно, и менять направление, не дожидаясь окончания длинного ответа.
Возможность передумать
«Я бы хотел две пиццы… нет, три. Три больших. И… вообще-то сделайте одну из них маргаритой».
Live 3 выжидает во время каждой поправки, вместо того чтобы вмешиваться с неверным товаром. Вы все еще решаете, чего именно хотите. Модель оставляет возможность закончить эту мысль.
Звонки в поддержку, бронирование и заказы полны таких моментов. Люди колеблются, вспоминают дополнительную деталь и меняют запрос прямо во время его озвучивания. Агент, который следует этому ритму, позволяет разговору двигаться дальше, не заставляя звонящего начинать сначала.
Услышьте разницу
Голос может звучать естественно сам по себе. Настоящая проверка — это то, что происходит, когда собеседник отвечает.
Прослушайте три отрывка из реальных тестовых звонков с сохранением оригинальных пауз и наложений.
Пространство для завершения заказа. Звонящий добавляет детали с паузами. Live 3 подтверждает их по ходу дела, а затем повторяет заказ.
Вклинивайтесь, когда будете готовы. Звонящий прерывает список меню заказом. Live 3 останавливается, слушает и подтверждает его.
Быстрое «ага» поддерживает разговор. Звонящий говорит «угу» и «ага», пока Live 3 зачитывает заказ в ответ. И продолжает работу.
Live 3 слушает на протяжении всего диалога: подтверждает сказанное, не перехватывая инициативу, оставляет пространство, когда ожидается продолжение, и уступает слово, когда вы вмешиваетесь. Вы предоставляете инструкции, инструменты и рабочие процессы, которые делают агента уникальным. Live 3 обеспечивает ритм разговора.
Сегодня Live 3 говорит по-английски. Она доступна на платформе Fish Agent Platform и через наш API, а предприятия могут развернуть ее локально на собственных серверах (on-premises).
Пауза. Размышление. Смена мнения. Продолжение разговора.
Попробуйте Live 3 на fish.audio/agents →
