Fish Audio hat Live 3 vorgestellt, ein Sprachmodell für Agenten, das zuhört, während es spricht. Das Modell kann Anrufer bestätigen lassen, sie ausreden lassen oder verstummen, wenn sie das Thema wechseln, so das Unternehmen. Die kürzeste angegebene Reaktionszeit beträgt 186 Millisekunden.
Damit soll das Modell mit dem ungleichmäßigen Rhythmus gewöhnlicher Telefonate zurechtkommen. Jemand macht vielleicht eine Pause, um sich an eine Telefonnummer zu erinnern, sagt „ja“, um zu zeigen, dass er zuhört, oder ändert eine Bestellung, bevor der Satz zu Ende ist. Laut Fish Audio kann Live 3 mit einem kurzen „mhm“ oder „okay“ reagieren, ohne das Gespräch an sich zu reißen, und bei einer einfachen Bestätigung weiterreden.
Timing ist Teil des Modells
Fish Audio argumentiert, dass eine schnelle Antwort nicht zwangsläufig auch gut getimt ist. Viele Sprachagenten koordinieren Spracherkennung, Schlussfolgerungen, Sprachausgabe und Sprecherwechsel über getrennte Systemkomponenten hinweg. Live 3 verankere das Gesprächstiming dagegen direkt im Sprachmodell, so das Unternehmen.
Laut Rissa Cao, Mitgründerin und CEO von Fish Audio, wurde das Modell anhand menschlicher Gespräche trainiert. So habe es gelernt, wann es eine Bestätigung geben, warten, antworten oder aufhören soll. Zu den Beispielen des Unternehmens gehören ein Anrufer, der eine Nummer in mehreren Abschnitten nennt, und eine Person, die ihre Pizzabestellung mitten im Gespräch ändert. Dabei handelt es sich um Vorführungen von Fish Audio, nicht um unabhängige Tests der Leistung von Live 3 bei unterschiedlichen Anrufen oder in lauten Umgebungen.
Wo lässt sich Live 3 nutzen?
Laut Fish Audio ist Live 3 über die Agent Platform und die API des Unternehmens verfügbar. Für Unternehmen gibt es außerdem die Möglichkeit, das Modell vor Ort zu betreiben. Zum Start unterstützt es Englisch. Kunden stellen laut Unternehmen die Anweisungen, Tools und Abläufe für ihre Agenten bereit; Live 3 übernimmt Sprache und Gesprächstiming.
Warum es wichtig ist
Für Unternehmen, die Telefonagenten für Buchungen, Bestellungen oder den Kundendienst entwickeln, soll Live 3 es Anrufern ermöglichen, sich zu korrigieren oder ins Gespräch einzuhaken, ohne den Austausch neu beginnen zu müssen. Fish Audio hat keine unabhängigen Leistungsergebnisse vorgelegt. Wie zuverlässig das Modell mit echten Anrufen zurechtkommt, bleibt daher unklar.
