Full Duplex Sesli Yapay Zekâ: Gerçek Konuşmalar Neden İki Yönlü Açık Hat Gerektirir?

Sesli yapay zekânın çoğu hâlâ telsiz gibi konuşuyor. Siz konuşursunuz, beklersiniz, o yanıt verir; araya girmeye çalışırsanız ya konuşmaya devam eder ya da konuyu tamamen kaybeder.

İnsanlar böyle konuşmaz. Gerçek bir görüşmede iki taraf da aynı anda hem dinler hem konuşur. Karşımızdaki cümlesinin ortasındayken "hı hı" deriz. Bir ayrıntıyı düzeltmek için söze gireriz. Sözü karşı tarafa bırakmadan düşünmek için duraksarız.

Full duplex ses modelleri bu tür konuşmaları yönetmek için tasarlanmıştır. Nasıl çalıştıklarını, müşteri deneyimi için neden önemli olduklarını ve Maven Voice'un onları gerçek destek çağrılarında nasıl kullandığını aşağıda bulabilirsiniz.

"Full duplex" ne anlama gelir?

Terim telekomünikasyondan gelir ve bir kanalın iki yönlü trafiği nasıl taşıdığını tanımlar.

• Half duplex: Veri her iki yönde de akar, ancak bir seferde yalnızca tek yönde. Klasik örnek telsizdir. Konuşmak için basarsınız, dinlemek için bırakırsınız ve karşı taraf sıranın kendisinde olduğunu bilsin diye "tamam" dersiniz.
• Full duplex: Veri aynı anda her iki yönde akar. Telefon görüşmesi full duplex'tir. Konuşurken karşınızdakini duyabilirsiniz.

Bugün sesli ajanların çoğu, full duplex telefon hatları üzerinden çalışsa da half duplex sistemler gibi davranır. Ajan sessizliği bekler, arayanın sözünü bitirdiğine karar verir, bir yanıt üretir ve onu seslendirir. Konuşurken büyük ölçüde sağırdır.

Full duplex bir ses modeli ise konuşurken dinlemeye devam eder. Gelen sesi işlerken eş zamanlı olarak giden sesi üretir; böylece arayana gerçek zamanlı tepki verebilir.

Full duplex ses modelleri nasıl çalışır?

Neyin değiştiğini görmek için bugün çoğu sesli ajanın nasıl kurulduğuna bakalım. Yaygın yaklaşım, ardışık bir pipeline'dır:

1. Speech-to-text, arayanın sesini metne döker.
2. Konuşma sırası tespiti, arayanın sözünü bitirdiğine karar verecek kadar uzun bir duraklamayı bekler.
3. Bir dil modeli, metni okur ve yanıt yazar.
4. Text-to-speech, bu yanıtı tekrar sese dönüştürür.

Her aktarım gecikme ekler ve her adımda bilgi kaybolur. Metne dökme işlemi ses tonunu, tereddüdü ve vurguyu siler. Sıra tespiti sessizliğe dayalı tahmin yürütür; bu yüzden hesap numarasını bulmak için duraksayan arayanın sözü kesilir, hızlı konuşan arayan ise rahatsız edici bir boşlukta bekler.

Full duplex modeller bu zinciri ortadan kaldırır. Genellikle speech-to-speech olarak adlandırılan bu modeller doğrudan ses üzerinde, her iki yönde çalışır ve dinleme ile konuşmayı iki sürekli akış olarak yürütür. Bu da canlı bir görüşmede önem taşıyan bazı davranışları mümkün kılar:

• Söze girme (barge-in). Arayan "Hayır, diğer adres" diyerek araya girdiğinde model durur, düzeltmeyi alır ve buna göre ilerler. Arayanın zaten reddettiği bir senaryoyu sonuna kadar okumaz.
• Onay sinyalleri (backchannel). "Anladım" veya "tamam" gibi küçük ifadeler, ajanın sözü almadan konuşmayı takip ettiğini gösterir.
• Doğal sıra alma. Model sessizliğin yanı sıra tonlamayı ve bağlamı da okur; böylece düşünme amaçlı bir duraklamayı tamamlanmış bir düşünceden ayırt edebilir.
• Paralinguistik sinyaller. Hayal kırıklığı, kafa karışıklığı ve aciliyet, bir şeyin nasıl söylendiğinden anlaşılır. Sesi doğrudan duyan bir model buna tepki verebilir; metne dökülmüş bir transkript ise bu nüansları yok ederdi.

Müşteri deneyimi için neden önemli?

Konuşma kalitesinin etkisi en hızlı telefon desteğinde görülür. Arayanlar çoğu zaman stresli, aynı anda birkaç işle meşgul ya da self servis seçenekleri işe yaramadığı için arıyor. Her rahatsız edici duraklama veya üzerine konuşulan her düzeltme sabrı tüketir.

Full duplex, destek liderlerinin önemsediği birkaç şeyi değiştirir:

• Hayal kırıklığından kaynaklanan daha az eskalasyon. Arayanlar dinlenmediklerini hissettiklerinde sıfıra basar. Kesintileri ve düzeltmeleri yönetebilen bir ajan, onları konuşmada tutar.
• Daha kısa çağrılar. Arayanlar ileri atlayabilir, ayrıntıları cümlenin ortasında onaylayabilir ve ihtiyaç duymadıkları yönlendirmeleri geçebilir.
• Daha temiz veri toplama. Hesap numaraları, adresler ve sipariş ayrıntıları genellikle parça parça ve düzeltmelerle gelir. Sürekli dinleme, bunları ilk seferde doğru almayı kolaylaştırır.
• İnsan gibi sesli bir marka deneyimi. Ses, müşterilerin en acil sorunları için hâlâ tercih ettiği kanaldır. Ajanın nasıl konuştuğu, şirketin nasıl algılandığını belirler.

Maven Voice'u farklı kılan nedir?

Doğal bir ses, işin yalnızca yarısıdır. Bir destek çağrısında ajanın sorunu anlaması, sistemlerinizde işlem yapması ve politikalarınızın dışına çıkmaması da gerekir. Maven Voice, full duplex konuşmayı Maven AGI platformunun akıl yürütme ve entegrasyon yetenekleriyle birleştirir.

Canlı ortamda speech-to-speech. Maven Voice, canlı kurumsal çağrılarda sesten sese modeller çalıştırır; böylece ton ve konuşma temposu arayanın ilk kelimesinden itibaren korunur. İş ortağımız IBEX, Maven'ı speech-to-speech teknolojisini kurumsal kullanım için tam olarak canlı ortama taşıyan ilk şirket olarak tanımladı.

Yeniden kurmadan motor seçimi. Maven Voice, OpenAI ve Phonic dahil önde gelen ses sağlayıcılarıyla çalışır. Kullanım senaryonuza uyan motoru siz seçersiniz. Orkestrasyon, akıl yürütme ve entegrasyonu Maven üstlenir; bu nedenle bir motoru değiştirmek veya yenisini eklemek sıfırdan başlamak anlamına gelmez.

Aksiyonla sonuçlanan konuşmalar. Maven Voice, destek ekibinizin arkasındaki sistemlere bağlanır. Aynı çağrı içinde bir siparişi doğrulayıp yenisini gönderebilir, bir kartı bloke edip yenisini çıkarabilir veya bir randevuyu yeniden planlayabilir.

Karmaşık, gerçek dünya seslerine göre tasarlandı. Maven Voice'u metrolarda, havalimanlarında ve spor stadyumlarında test ettik. Arayanlar her zaman sessiz bir odadan aramıyor ve ajanınızın onları yine de duyabilmesi gerekiyor.

57 dil, çağrı sırasında geçiş. Arayanlar konuşma sırasında dil değiştirebilir, Maven Voice da onlara uyum sağlar.

Çağrı merkezinize uyum sağlar. Müşteriler aynı numaraları arar. Maven Voice mevcut yönlendirme altyapınız ve platformlarınızla çalışır; bir insan temsilciye ihtiyaç duyulduğunda tüm bağlamla birlikte devreder, böylece arayan hiçbir şeyi tekrarlamak zorunda kalmaz.

Kurumsal düzeyde güvenlik. Yerleşik ses ve metin maskeleme, hassas bilgileri aktarım sırasında ve depolamada korur. Bu güvenlik, ISO 42001 ve PCI-DSS 4.0 Level 1 dahil 15 sertifika ve değerlendirmeyle desteklenir.

Papaya Pay gibi müşterilerimiz, kalite ve kontrolü elinde tutarken 7/24 telefon desteği sunmak için Maven Voice'u şimdiden kullanıyor.

Kendiniz dinleyin

Full duplex sesi anlamanın en hızlı yolu onunla konuşmaktır. Sözünü kesin. Cümlenin ortasında fikrinizi değiştirin. Dil değiştirin. Ardından sorunu uçtan uca nasıl çözdüğünü izleyin.

** Maven Voice demosu planlayın ** ve çağrılarınızın nasıl duyulabileceğini görün.