Fish Audio har lanserat Live 3, en röstmodell för agenter som lyssnar medan de talar. Företaget uppger att modellen kan bekräfta att den hört den som ringer, vänta tills personen pratat klart eller sluta prata när personen ändrar sig. Den kortaste rapporterade svarstiden är 186 millisekunder.
Modellen är tänkt att hantera det ojämna tempot i vanliga samtal. Någon kanske gör en paus för att komma ihåg ett telefonnummer, säger ”ja” för att visa att hen lyssnar eller ändrar en beställning innan meningen är klar. Fish Audio säger att Live 3 kan svara kort med ett ”mm” eller ”okej” utan att ta över samtalet, och fortsätta prata efter en enkel bekräftelse.
Tajmningen är en del av modellen
Fish Audio menar att ett snabbt svar inte alltid är ett väl tajmat svar. Många röstbaserade agenter samordnar taligenkänning, resonemang, talsyntes och turtagning i separata delar av ett system. I stället bygger Live 3 in samtalstajmningen i talmodellen, uppger företaget.
Enligt Fish Audios medgrundare och vd Rissa Cao har modellen tränats på mänskliga samtal för att lära sig när den ska bekräfta, vänta, svara eller sluta prata. Företagets exempel handlar bland annat om en person som uppger ett nummer i flera delar och om någon som ändrar en pizzabeställning mitt i samtalet. Det här är demonstrationer från Fish Audio, inte oberoende tester av hur Live 3 fungerar i olika samtal eller bullriga miljöer.
Var kan man använda Live 3?
Fish Audio uppger att Live 3 finns via företagets Agent Platform och API, och att företag kan installera modellen lokalt. Vid lanseringen stöder den engelska. Kunderna tillhandahåller instruktioner, verktyg och arbetsflöden för sina agenter, medan Live 3 står för talet och samtalstajmningen.
Varför det spelar roll
För företag som bygger telefonagenter för bokningar, beställningar eller kundsupport är Live 3 tänkt att göra det möjligt för den som ringer att rätta sig eller avbryta utan att behöva börja om samtalet. Fish Audio har inte redovisat några oberoende resultat, så det är oklart hur tillförlitligt modellen hanterar verkliga samtal.
