Fish Audio представила Live 3 — голосовую модель для агентов, которая слушает, пока говорит. Компания утверждает, что модель может подтвердить, что слышит собеседника, подождать, пока тот закончит, или остановиться, если он сменит тему. Заявленное минимальное время отклика — 186 миллисекунд.
Модель призвана справляться с неровным ритмом обычного телефонного разговора. Человек может замолчать, вспоминая номер телефона, сказать «угу», чтобы показать, что слушает, или изменить заказ, не договорив фразу. По словам Fish Audio, Live 3 может коротко ответить «угу» или «хорошо», не перехватывая разговор, и продолжить говорить, если собеседник лишь подтверждает, что слушает.
Модель учитывает темп разговора
Fish Audio отмечает, что быстрый ответ не всегда оказывается своевременным. Многие голосовые агенты обрабатывают распознавание речи, анализ, синтез речи и передачу очереди говорить в разных частях системы. В Live 3, по словам компании, модель речи сама учитывает темп разговора.
Как рассказала сооснователь и CEO Fish Audio Rissa Cao, модель обучали на человеческих разговорах, чтобы она понимала, когда нужно подтвердить, подождать, ответить или остановиться. Среди примеров компании — собеседник, который называет номер по частям, и изменение заказа пиццы на полуслове. Это демонстрации Fish Audio, а не независимые испытания Live 3 в разных телефонных разговорах и шумных условиях.
Где можно использовать Live 3?
По данным Fish Audio, Live 3 доступна через Agent Platform и API компании; для корпоративных клиентов предусмотрено локальное развёртывание. На момент запуска модель поддерживает английский язык. Клиенты задают агентам инструкции, инструменты и рабочие процессы, а Live 3 отвечает за речь и темп разговора.
Почему это важно
Для компаний, создающих телефонных агентов для бронирования, заказов или поддержки, Live 3 призвана позволить собеседникам исправлять себя и перебивать агента без необходимости начинать разговор заново. Fish Audio не предоставила независимых результатов испытаний, поэтому пока неясно, насколько надёжно модель справляется с реальными звонками.
