Fish Audio مدل صوتی Live 3 را برای عامل‌هایی معرفی کرده که هنگام صحبت‌کردن هم گوش می‌دهند. این شرکت می‌گوید مدل می‌تواند حرف مخاطب را تأیید کند، منتظر بماند تا صحبتش تمام شود یا وقتی او مسیر گفت‌وگو را عوض می‌کند، مکث کند. کوتاه‌ترین زمان پاسخ‌گویی گزارش‌شده برای این مدل 186 میلی‌ثانیه است.
هدف این رویکرد، مدیریت ریتم نامنظم تماس‌های معمولی است. ممکن است کسی هنگام به‌یادآوردن شماره تلفن مکث کند، برای نشان‌دادن اینکه گوش می‌دهد بگوید «آره»، یا پیش از تمام‌کردن جمله سفارش خود را تغییر دهد. Fish Audio می‌گوید Live 3 می‌تواند بدون به‌دست‌گرفتن گفت‌وگو، با یک «اوهوم» یا «باشه» کوتاه واکنش نشان دهد و در برابر تأییدی ساده به صحبتش ادامه دهد.
زمان‌بندی بخشی از مدل است
Fish Audio می‌گوید پاسخ سریع همیشه به‌موقع نیست. بسیاری از عامل‌های صوتی، تشخیص گفتار، استدلال، تولید گفتار و نوبت‌گیری را در بخش‌های جداگانه‌ای از سیستم هماهنگ می‌کنند. به گفته این شرکت، Live 3 زمان‌بندی مکالمه را در خود مدل گفتاری جای داده است.
به گفته Rissa Cao، هم‌بنیان‌گذار و مدیرعامل Fish Audio، این مدل با گفت‌وگوهای انسانی آموزش دیده تا یاد بگیرد چه زمانی تأیید کند، منتظر بماند، پاسخ دهد یا مکث کند. نمونه‌های این شرکت شامل مخاطبی است که شماره‌ای را بخش‌بخش می‌گوید و کسی که در میانه سفارش پیتزا نظرش را عوض می‌کند. این‌ها نمایش‌هایی از سوی Fish Audio هستند، نه آزمون‌های مستقل عملکرد Live 3 در تماس‌های گوناگون یا محیط‌های پرسروصدا.
Live 3 را کجا می‌توان استفاده کرد؟
Fish Audio می‌گوید Live 3 از طریق Agent Platform و API این شرکت در دسترس است و امکان استقرار در محل برای کسب‌وکارها نیز وجود دارد. این مدل در زمان عرضه از زبان انگلیسی پشتیبانی می‌کند. به گفته شرکت، مشتریان دستورالعمل‌ها، ابزارها و گردش‌کار عامل‌های خود را فراهم می‌کنند و Live 3 گفتار و زمان‌بندی مکالمه را بر عهده می‌گیرد.
چرا مهم است
برای کسب‌وکارهایی که عامل‌های تلفنیِ رزرو، سفارش‌گیری یا پشتیبانی می‌سازند، Live 3 طوری طراحی شده که مخاطبان بتوانند حرفشان را اصلاح کنند یا میان صحبت وارد شوند، بی‌آنکه لازم باشد مکالمه از نو آغاز شود. Fish Audio نتایج عملکرد مستقلی ارائه نکرده است؛ بنابراین هنوز مشخص نیست این مدل در تماس‌های واقعی تا چه اندازه قابل‌اعتماد عمل می‌کند.
