Voice AI Full Duplex: Mengapa Percakapan Nyata Membutuhkan Dua Jalur Terbuka

Sebagian besar voice AI masih berbicara seperti walkie-talkie. Anda berbicara, menunggu, lalu ia menjawab, dan jika Anda mencoba menyela, ia tetap melanjutkan atau malah kehilangan alur pembicaraan.

Manusia tidak berbicara seperti itu. Dalam panggilan sungguhan, kedua pihak mendengarkan dan berbicara secara bersamaan. Kita berkata "hmm" saat lawan bicara masih di tengah kalimat. Kita menyela untuk mengoreksi detail. Kita berhenti sejenak untuk berpikir tanpa menyerahkan giliran bicara.

Model suara full duplex dirancang untuk menangani percakapan semacam itu. Berikut cara kerjanya, mengapa hal ini penting bagi pengalaman pelanggan, dan bagaimana Maven Voice menerapkannya dalam panggilan dukungan sungguhan.

Apa arti "full duplex"

Istilah ini berasal dari dunia telekomunikasi. Istilah ini menggambarkan cara sebuah kanal menangani lalu lintas dua arah.

• Half duplex: Data bergerak ke dua arah, tetapi secara bergantian. Walkie-talkie adalah contoh klasiknya. Tekan untuk berbicara, lepas untuk mendengar, dan ucapkan "ganti" agar pihak lain tahu bahwa sekarang giliran mereka.
• Full duplex: Data bergerak ke dua arah secara bersamaan. Panggilan telepon bersifat full duplex. Anda dapat mendengar lawan bicara saat Anda sedang berbicara.

Sebagian besar voice agent saat ini berperilaku seperti sistem half duplex, meskipun berjalan di jalur telepon full duplex. Agen menunggu hening, menyimpulkan bahwa penelepon sudah selesai, membuat balasan, lalu memutarnya. Selama berbicara, agen nyaris tidak mendengar apa pun.

Model suara full duplex tetap mendengarkan saat berbicara. Model ini memproses audio yang masuk dan menghasilkan audio keluar secara paralel, sehingga dapat merespons penelepon secara real time.

Cara kerja model suara full duplex

Untuk memahami perubahannya, mulailah dari cara sebagian besar voice agent dibangun saat ini. Pendekatan yang umum adalah pipeline bertingkat:

1. Speech-to-text mentranskripsikan audio penelepon.
2. Turn detection menunggu jeda yang cukup lama untuk menyimpulkan bahwa penelepon sudah selesai.
3. Language model membaca transkrip dan menulis balasan.
4. Text-to-speech mengubah balasan tersebut kembali menjadi audio.

Setiap perpindahan tahap menambah jeda, dan setiap langkah membuang sebagian informasi. Transkripsi menghilangkan nada, keraguan, dan penekanan. Turn detection menebak berdasarkan hening, sehingga penelepon yang berhenti sejenak untuk mencari nomor akun malah terpotong, sementara penelepon yang berbicara cepat harus menunggu jeda yang canggung.

Model full duplex meringkas rantai tersebut. Model ini bekerja langsung pada audio di kedua arah, yang sering disebut speech-to-speech, dan menjalankan proses mendengar serta berbicara sebagai dua aliran yang berkelanjutan. Hal ini memungkinkan beberapa perilaku yang penting dalam panggilan langsung:

• Barge-in. Saat penelepon menyela dengan "Bukan, alamat yang satunya," model berhenti, menerima koreksi tersebut, dan menyesuaikan diri. Model tidak melanjutkan skrip yang sudah ditolak penelepon.
• Backchannel. Isyarat kecil seperti "baik" atau "oke" menandakan bahwa agen mengikuti pembicaraan tanpa mengambil alih giliran bicara.
• Pergantian giliran yang alami. Model membaca intonasi dan konteks selain hening, sehingga dapat membedakan jeda untuk berpikir dari kalimat yang sudah selesai.
• Sinyal paralinguistik. Frustrasi, kebingungan, dan urgensi tersampaikan melalui cara sesuatu diucapkan. Model yang mendengar audio secara langsung dapat meresponsnya, sedangkan transkrip akan menghilangkannya.

Mengapa hal ini penting bagi pengalaman pelanggan

Dukungan telepon adalah tempat kualitas percakapan paling cepat terlihat. Penelepon sering kali sedang stres, mengerjakan banyak hal sekaligus, atau menelepon karena layanan mandiri sudah gagal membantu mereka. Setiap jeda yang canggung atau koreksi yang tidak didengar menguras kesabaran.

Full duplex mengubah beberapa hal yang penting bagi pemimpin tim dukungan:

• Lebih sedikit eskalasi karena frustrasi. Penelepon menekan nol ketika merasa tidak didengar. Agen yang mampu menangani interupsi dan koreksi membuat mereka tetap dalam percakapan.
• Panggilan lebih cepat. Penelepon dapat langsung ke inti, mengonfirmasi detail di tengah kalimat, dan melewati prompt yang tidak mereka butuhkan.
• Pengambilan data lebih akurat. Nomor akun, alamat, dan detail pesanan sering disampaikan sepotong-sepotong dan disertai koreksi. Mendengarkan secara terus-menerus membantu mendapatkan data yang benar sejak awal.
• Pengalaman brand yang terdengar manusiawi. Suara masih menjadi kanal yang digunakan pelanggan untuk masalah paling mendesak. Cara agen terdengar menjadi cara perusahaan Anda terdengar.

Apa yang membuat Maven Voice berbeda

Suara yang terdengar alami baru separuh pekerjaan. Dalam panggilan dukungan, agen juga harus memahami masalah, mengambil tindakan di sistem Anda, dan tetap mematuhi kebijakan Anda. Maven Voice memadukan percakapan full duplex dengan kemampuan penalaran dan integrasi platform Maven AGI.

Speech-to-speech di produksi. Maven Voice menjalankan model voice-to-voice pada panggilan enterprise secara langsung, sehingga nada dan tempo bicara tetap utuh sejak kata pertama penelepon. Mitra kami, IBEX, menyebut Maven sebagai yang pertama membawa speech-to-speech ke produksi penuh untuk penggunaan enterprise.

Pilihan engine tanpa membangun ulang. Maven Voice bekerja dengan penyedia suara terkemuka, termasuk OpenAI dan Phonic. Anda memilih engine yang sesuai dengan use case Anda. Maven menangani orkestrasi, penalaran, dan integrasi, sehingga mengganti atau menambah engine tidak berarti memulai dari awal.

Percakapan yang berujung pada tindakan. Maven Voice terhubung dengan sistem di balik tim dukungan Anda. Agen dapat memverifikasi pesanan dan mengirimkan pengganti, memblokir kartu dan menerbitkan kartu baru, atau menjadwalkan ulang janji temu, semuanya dalam satu panggilan.

Dirancang untuk audio dunia nyata yang bising. Kami menguji Maven Voice di kereta bawah tanah, bandara, dan stadion olahraga. Penelepon tidak selalu menelepon dari ruangan yang tenang, dan agen Anda tetap harus bisa mendengar mereka.

57 bahasa, dapat berganti di tengah panggilan. Penelepon dapat mengganti bahasa selama percakapan, dan Maven Voice akan mengikutinya.

Sesuai dengan contact center Anda. Pelanggan menghubungi nomor yang sama. Maven Voice bekerja dengan sistem routing dan platform yang sudah Anda miliki, dan ketika dibutuhkan agen manusia, Maven Voice mengalihkan panggilan dengan konteks lengkap sehingga penelepon tidak perlu mengulang penjelasan.

Keamanan kelas enterprise. Redaksi audio dan teks bawaan melindungi informasi sensitif saat transit maupun saat disimpan, didukung oleh 15 sertifikasi dan asesmen, termasuk ISO 42001 dan PCI-DSS 4.0 Level 1.

Pelanggan voice seperti Papaya Pay sudah menggunakan Maven Voice untuk memberikan dukungan telepon 24/7 sambil tetap memegang kendali atas kualitas dan kontrol.

Dengarkan sendiri

Cara tercepat untuk memahami voice full duplex adalah dengan berbicara langsung dengannya. Sela pembicaraannya. Ubah pikiran Anda di tengah kalimat. Ganti bahasa. Lalu lihat bagaimana ia menyelesaikan masalah secara end-to-end.

** Jadwalkan demo Maven Voice ** dan dengarkan seperti apa panggilan Anda nantinya.