De flesta röst-AI-lösningar pratar fortfarande som en walkie-talkie. Du talar, du väntar, den svarar, och om du försöker avbryta fortsätter den prata eller tappar tråden helt.
Så pratar inte människor. I ett riktigt samtal lyssnar och talar båda parter samtidigt. Vi säger "mm" mitt i den andras mening. Vi avbryter för att rätta en detalj. Vi pausar för att tänka utan att lämna över ordet.
Röstmodeller med full duplex är byggda för att hantera just den sortens samtal. Här går vi igenom hur de fungerar, varför de är viktiga för kundupplevelsen och hur Maven Voice använder dem i verkliga supportsamtal.
Vad "full duplex" betyder
Begreppet kommer från telekommunikation och beskriver hur en kanal hanterar trafik i två riktningar.
- Halv duplex: Data går åt båda hållen, men bara åt ett håll i taget. En walkie-talkie är det klassiska exemplet. Tryck för att prata, släpp för att lyssna och säg "klart slut" så att den andra vet att det är dennes tur.
- Full duplex: Data går åt båda hållen samtidigt. Ett telefonsamtal är full duplex. Du kan höra den andra personen medan du själv pratar.
De flesta röstagenter i dag beter sig som system med halv duplex, trots att de körs över telefonlinjer med full duplex. Agenten väntar på tystnad, avgör att den som ringer är klar, genererar ett svar och spelar upp det. Medan den talar är den i stort sett döv.
En röstmodell med full duplex fortsätter lyssna medan den talar. Den bearbetar inkommande ljud och producerar utgående ljud parallellt, så att den kan reagera på den som ringer i realtid.
Så fungerar röstmodeller med full duplex
För att förstå vad som förändras kan vi börja med hur de flesta röstagenter byggs i dag. Det vanliga upplägget är en kaskadkopplad pipeline:
- Tal-till-text transkriberar uppringarens ljud.
- Turdetektering väntar på en tillräckligt lång paus för att avgöra att den som ringer är klar.
- En språkmodell läser transkriptionen och skriver ett svar.
- Text-till-tal omvandlar svaret till ljud igen.
Varje överlämning ger fördröjning, och varje steg kastar bort information. Transkriptionen tar bort tonläge, tvekan och betoning. Turdetekteringen gissar utifrån tystnad, så en uppringare som pausar för att leta fram ett kontonummer blir avbruten, medan en som pratar snabbt får vänta ut en besvärande tystnad.
Modeller med full duplex slår ihop den kedjan. De arbetar direkt med ljud i båda riktningarna, ofta kallat tal-till-tal, och kör lyssnande och talande som två kontinuerliga strömmar. Det möjliggör några beteenden som spelar roll i ett pågående samtal:
- Avbrott. När den som ringer avbryter med "Nej, den andra adressen" stannar modellen, tar till sig rättelsen och anpassar sig. Den läser inte klart ett manus som uppringaren redan har avvisat.
- Återkoppling. Små signaler som "uppfattat" eller "okej" visar att agenten hänger med, utan att den tar över ordet.
- Naturlig turtagning. Modellen läser av intonation och sammanhang utöver tystnad, så att den kan skilja en tankepaus från en avslutad tanke.
- Paralingvistiska signaler. Frustration, förvirring och brådska hörs i hur något sägs. En modell som hör ljudet direkt kan reagera på det, medan en transkription hade plattat till det.
Därför är det viktigt för kundupplevelsen
Telefonsupport är där samtalskvaliteten märks snabbast. De som ringer är ofta stressade, gör flera saker samtidigt eller ringer för att självservicen redan har svikit dem. Varje besvärande paus och varje rättelse som pratas över kostar tålamod.
Full duplex förändrar flera saker som en supportchef bryr sig om:
- Färre eskaleringar av ren frustration. Uppringare trycker på noll när de känner sig ohörda. En agent som hanterar avbrott och rättelser håller kvar dem i samtalet.
- Kortare samtal. Uppringare kan hoppa framåt, bekräfta uppgifter mitt i en mening och hoppa över frågor de inte behöver.
- Renare datainsamling. Kontonummer, adresser och orderuppgifter kommer ofta i fragment med rättelser. Kontinuerligt lyssnande gör det lättare att få rätt redan första gången.
- En varumärkesupplevelse som låter mänsklig. Röst är fortfarande den kanal kunderna använder för sina mest akuta problem. Hur agenten låter blir hur företaget låter.
Vad som gör Maven Voice annorlunda
En naturligt klingande röst är bara halva jobbet. I ett supportsamtal måste agenten också förstå problemet, agera i dina system och hålla sig inom dina policyer. Maven Voice kombinerar samtal med full duplex med resonemangsförmågan och integrationerna i Maven AGI-plattformen.
Tal-till-tal i produktion. Maven Voice kör tal-till-tal-modeller i verkliga företagssamtal, så att tonläge och tempo bevaras från uppringarens första ord. Vår partner IBEX har kallat Maven först med att ta tal-till-tal i full produktion för företagsbruk.
Välj motor utan att bygga om. Maven Voice fungerar med ledande röstleverantörer, bland annat OpenAI och Phonic. Du väljer den motor som passar ditt användningsfall. Maven hanterar orkestrering, resonemang och integration, så att byta eller lägga till en motor inte innebär att börja om från början.
Samtal som leder till åtgärd. Maven Voice kopplas till systemen bakom ditt supportteam. Den kan verifiera en order och skicka en ersättningsvara, spärra ett kort och utfärda ett nytt eller boka om ett möte, allt i samma samtal.
Byggd för stökigt ljud i verkligheten. Vi testade Maven Voice i tunnelbanor, på flygplatser och på idrottsarenor. Uppringare ringer inte alltid från ett tyst rum, och din agent måste höra dem ändå.
57 språk, med byte mitt i samtalet. Uppringare kan byta språk under samtalet, och Maven Voice hänger med.
Passar ditt kontaktcenter. Kunderna ringer samma nummer som tidigare. Maven Voice fungerar med din befintliga routing och dina plattformar, och när en människa behövs lämnar den över med full kontext så att uppringaren aldrig behöver upprepa sig.
Säkerhet i företagsklass. Inbyggd maskering av ljud och text skyddar känslig information både under överföring och i vila, med stöd av 15 certifieringar och granskningar, däribland ISO 42001 och PCI-DSS 4.0 Level 1.
Röstkunder som Papaya Pay använder redan Maven Voice för att erbjuda telefonsupport dygnet runt, 24/7, och behåller samtidigt kontrollen över kvaliteten.
Hör själv
Det snabbaste sättet att förstå röst med full duplex är att prata med den. Avbryt den. Ändra dig mitt i en mening. Byt språk. Se sedan hur den löser ärendet från början till slut.
** Boka en demo av Maven Voice ** och hör hur dina samtal kan låta.
Se det på dina egna konversationer.
Begär en kostnadsfri, personlig demo.
