Phần lớn voice AI hiện nay vẫn nói chuyện như bộ đàm. Bạn nói, bạn chờ, nó trả lời, và nếu bạn cố chen ngang, nó vẫn tiếp tục nói hoặc mất hẳn mạch hội thoại.
Con người không nói chuyện như vậy. Trong một cuộc gọi thực, cả hai bên vừa nghe vừa nói cùng lúc. Chúng ta nói "ừm" khi người kia đang nói dở câu. Chúng ta ngắt lời để đính chính một chi tiết. Chúng ta ngừng lại suy nghĩ mà không nhường lượt nói.
Mô hình giọng nói song công toàn phần được xây dựng để xử lý kiểu hội thoại đó. Dưới đây là cách chúng hoạt động, vì sao chúng quan trọng với trải nghiệm khách hàng và cách Maven Voice ứng dụng chúng vào các cuộc gọi hỗ trợ thực tế.
"Song công toàn phần" nghĩa là gì
Thuật ngữ này bắt nguồn từ ngành viễn thông, mô tả cách một kênh truyền xử lý lưu lượng hai chiều.
- Bán song công (half duplex): Dữ liệu di chuyển theo cả hai chiều, nhưng mỗi lúc chỉ một chiều. Bộ đàm là ví dụ điển hình. Nhấn để nói, thả ra để nghe và nói "hết" để bên kia biết đến lượt mình.
- Song công toàn phần (full duplex): Dữ liệu di chuyển theo cả hai chiều cùng lúc. Cuộc gọi điện thoại là song công toàn phần. Bạn có thể nghe người kia trong khi mình đang nói.
Phần lớn voice agent ngày nay hoạt động như hệ thống bán song công, dù chúng chạy trên đường dây điện thoại song công toàn phần. Tác tử chờ khoảng lặng, xác định người gọi đã nói xong, tạo câu trả lời rồi phát lại. Trong lúc nói, nó gần như không nghe được gì.
Mô hình giọng nói song công toàn phần tiếp tục lắng nghe trong khi nói. Nó xử lý âm thanh đầu vào và tạo âm thanh đầu ra song song, nhờ đó có thể phản ứng với người gọi theo thời gian thực.
Cách mô hình giọng nói song công toàn phần hoạt động
Để thấy điều gì thay đổi, hãy bắt đầu từ cách phần lớn voice agent được xây dựng hiện nay. Cách tiếp cận phổ biến là một pipeline nối tiếp:
- Speech-to-text chuyển âm thanh của người gọi thành văn bản.
- Phát hiện lượt nói chờ một khoảng ngừng đủ dài để xác định người gọi đã nói xong.
- Mô hình ngôn ngữ đọc bản ghi và soạn câu trả lời.
- Text-to-speech chuyển câu trả lời đó trở lại thành âm thanh.
Mỗi lần chuyển giao lại thêm độ trễ, và mỗi bước lại làm mất thông tin. Việc chuyển thành văn bản loại bỏ giọng điệu, sự ngập ngừng và cách nhấn giọng. Phát hiện lượt nói đoán dựa trên khoảng lặng, nên người gọi ngừng lại để tìm số tài khoản sẽ bị ngắt lời, còn người nói nhanh lại phải chờ qua một khoảng lặng gượng gạo.
Mô hình song công toàn phần gộp chuỗi đó lại. Chúng làm việc trực tiếp với âm thanh theo cả hai chiều, thường gọi là speech-to-speech, và vận hành việc nghe và nói như 2 luồng liên tục. Điều này mở ra một số hành vi quan trọng trong cuộc gọi trực tiếp:
- Ngắt lời (barge-in). Khi người gọi chen vào "Không, địa chỉ kia cơ", mô hình dừng lại, tiếp nhận lời đính chính và điều chỉnh. Nó không tiếp tục nói hết một kịch bản mà người gọi đã bác bỏ.
- Tín hiệu phản hồi (backchannel). Những tín hiệu nhỏ như "vâng" hay "được ạ" cho thấy tác tử đang theo dõi mà không giành lượt nói.
- Luân phiên lượt nói tự nhiên. Mô hình đọc ngữ điệu và ngữ cảnh cùng với khoảng lặng, nên có thể phân biệt một khoảng ngừng để suy nghĩ với một ý đã nói trọn.
- Tín hiệu cận ngôn ngữ. Sự bực bội, bối rối và gấp gáp thể hiện qua cách một điều được nói ra. Mô hình nghe trực tiếp âm thanh có thể phản hồi những tín hiệu đó, trong khi bản ghi văn bản sẽ làm chúng biến mất.
Vì sao điều này quan trọng với trải nghiệm khách hàng
Hỗ trợ qua điện thoại là nơi chất lượng hội thoại thể hiện rõ nhất. Người gọi thường căng thẳng, đang làm nhiều việc cùng lúc hoặc gọi đến vì kênh tự phục vụ đã không giúp được họ. Mỗi khoảng ngừng gượng gạo hay lời đính chính bị nói đè đều làm hao mòn sự kiên nhẫn.
Song công toàn phần thay đổi một số điều mà lãnh đạo bộ phận hỗ trợ quan tâm:
- Ít chuyển tiếp hơn do khách hàng bực bội. Người gọi nhấn phím 0 khi cảm thấy không được lắng nghe. Một tác tử xử lý tốt việc ngắt lời và đính chính sẽ giữ họ ở lại cuộc hội thoại.
- Cuộc gọi nhanh hơn. Người gọi có thể nói trước, xác nhận chi tiết ngay giữa câu và bỏ qua các lời nhắc không cần thiết.
- Thu thập dữ liệu chính xác hơn. Số tài khoản, địa chỉ và thông tin đơn hàng thường được đọc rời rạc kèm theo đính chính. Lắng nghe liên tục giúp ghi nhận đúng ngay từ lần đầu.
- Trải nghiệm thương hiệu mang tính con người. Giọng nói vẫn là kênh khách hàng dùng cho những vấn đề cấp bách nhất. Cách tác tử nói cũng chính là cách doanh nghiệp thể hiện mình.
Điều làm nên khác biệt của Maven Voice
Một giọng nói tự nhiên mới chỉ là một nửa công việc. Trong cuộc gọi hỗ trợ, tác tử còn phải hiểu vấn đề, thực hiện thao tác trong hệ thống của bạn và tuân thủ chính sách của bạn. Maven Voice kết hợp hội thoại song công toàn phần với khả năng suy luận và tích hợp của nền tảng Maven AGI.
Speech-to-speech trong vận hành thực tế. Maven Voice chạy các mô hình voice-to-voice trên các cuộc gọi doanh nghiệp trực tiếp, nhờ đó giọng điệu và nhịp độ được giữ nguyên từ lời đầu tiên của người gọi. Đối tác IBEX của chúng tôi đánh giá Maven là đơn vị đầu tiên đưa speech-to-speech vào vận hành toàn diện cho doanh nghiệp.
Tự chọn engine mà không cần xây dựng lại. Maven Voice hoạt động với các nhà cung cấp giọng nói hàng đầu, bao gồm OpenAI và Phonic. Bạn chọn engine phù hợp với trường hợp sử dụng của mình. Maven đảm nhận việc điều phối, suy luận và tích hợp, nên việc thay đổi hay bổ sung engine không đồng nghĩa với việc bắt đầu lại từ đầu.
Hội thoại kết thúc bằng hành động. Maven Voice kết nối với các hệ thống phía sau đội ngũ hỗ trợ của bạn. Nó có thể xác minh đơn hàng và gửi hàng thay thế, khóa thẻ và phát hành thẻ mới hoặc đổi lịch hẹn, tất cả trong cùng một cuộc gọi.
Xây dựng cho môi trường âm thanh thực tế, nhiều tạp âm. Chúng tôi đã thử nghiệm Maven Voice ở tàu điện ngầm, sân bay và sân vận động. Người gọi không phải lúc nào cũng gọi từ một căn phòng yên tĩnh, và tác tử của bạn vẫn cần nghe rõ họ.
57 ngôn ngữ, chuyển đổi ngay trong cuộc gọi. Người gọi có thể đổi ngôn ngữ trong khi trò chuyện, và Maven Voice sẽ theo kịp.
Phù hợp với contact center của bạn. Khách hàng vẫn gọi đến các số quen thuộc. Maven Voice hoạt động với hệ thống định tuyến và nền tảng hiện có của bạn, và khi cần đến nhân viên, nó chuyển giao kèm đầy đủ ngữ cảnh để người gọi không bao giờ phải lặp lại thông tin.
Bảo mật cấp doanh nghiệp. Tính năng ẩn thông tin tích hợp sẵn cho cả âm thanh và văn bản bảo vệ dữ liệu nhạy cảm khi truyền tải và khi lưu trữ, được đảm bảo bởi 15 chứng nhận và đánh giá, bao gồm ISO 42001 và PCI-DSS 4.0 Level 1.
Các khách hàng như Papaya Pay đã và đang dùng Maven Voice để cung cấp hỗ trợ qua điện thoại 24/7 mà vẫn nắm quyền kiểm soát chất lượng.
Hãy tự mình trải nghiệm
Cách nhanh nhất để hiểu voice AI song công toàn phần là trò chuyện với nó. Ngắt lời nó. Đổi ý giữa câu. Chuyển ngôn ngữ. Rồi xem nó giải quyết vấn đề từ đầu đến cuối.
** Đặt lịch demo Maven Voice ** và nghe thử các cuộc gọi của bạn có thể như thế nào.
Trải nghiệm trên chính các cuộc hội thoại của bạn.
Yêu cầu demo cá nhân hóa miễn phí.
