تقديم Live 3: مُصمم لإيقاع المحادثة الطبيعي
تتوقف قليلاً لتتذكر رقماً. تقول "أجل" بينما يشرح أحدهم شيئاً ما. تغير رأيك في منتصف طلبك. هذه اللحظات هي جزء أصيل من المحادثة.
اليوم، نُقدم Live 3، نموذج الصوت كامل الازدواج (full-duplex) من Fish Audio. إنه يستمر في الاستماع أثناء التحدث، لذا فإن التوقف المؤقت، أو التأكيد السريع، أو تغيير الرأي يمكن أن يُشكل ما سيحدث بعد ذلك.
همهمة هادئة "مم-هم". مساحة لإنهاء فكرة. مجال للمقاطعة.
تم بناء Live 3 لمنح الناس مساحة للتحدث بشكل طبيعي. جربه بنفسك عبر fish.audio/agents.
تعلم إيقاع المحادثة
السرعة وتوقيت المحادثة ليسا نفس المشكلة. يمكن للعميل الآلي أن يبدأ الرد بسرعة ومع ذلك يتحدث في اللحظة الخاطئة. التوقف بعد قول "في أي وقت تفتحون؟" قد يعني أنك انتهيت. أما التوقف في منتصف رقم هاتف فيعني أن هناك المزيد.
تنسق معظم العملاء الصوتيين بين التعرف على الكلام، والتفكير، وتوليد الكلام، وتبادل الأدوار عبر أجزاء منفصلة في خط معالجة. يتطلب جعل هذه الأجزاء تعمل معاً بشكل طبيعي عناية فائقة. يدمج Live 3 توقيت المحادثة في نموذج الكلام نفسه.
لقد قمنا بتدريبه على محادثات بشرية حقيقية ليتعلم متى يؤكد، أو ينتظر، أو يستجيب، أو يتوقف. تم تعلم هذه السلوكيات من البشر، ولم تُكتب كمجموعة من القواعد.
قالت ريسا تساو (Rissa Cao)، المؤسس المشارك والرئيس التنفيذي لشركة Fish Audio: "كان الحل حتى الآن هو المزيد من القواعد والمزيد من العتبات. نحن نعتقد أن النموذج يجب أن يتعلم هذا من المحادثات الحقيقية، تماماً كما تتعلم النماذج اللغوية القواعد."
التأكيد دون الاستحواذ على الكلام
اقرأ رقماً على أجزاء: "415... 555... 0132". قد يقول Live 3 "مم-هم" أو "حسناً، 415" بينها وينتظر البقية.
هذا التأكيد الصغير يفعل شيئين في وقت واحد. يخبرك أن الأرقام قد سُمعت، ويترك المجال مفتوحاً. يمكنك التقاط أنفاسك، والتحقق من الأرقام القليلة القادمة، والمتابعة.
يمكن لـ Live 3 أن يقرر الاستجابة في غضون 186 مللي ثانية فقط. ردود الفعل القصيرة مثل "مم-هم" و"حسناً" والتأكيدات السريعة تحافظ على استمرارية التبادل بينما يتم إعداد الإجابة الكاملة.
معرفة متى تريد المقاطعة
ليس كل صوت يمثل مقاطعة. إذا كان العميل الآلي يشرح خدماته وساعات العمل، فقد تقول "أجل" أو "مم-هم" لإظهار أنك متابع. يستمر Live 3 في الحديث.
ثم تقول، "انتظر، في الواقع، أحتاج يوم الخميس فقط". عندها يتوقف ويفسح المجال لطلبك الجديد.
هذا التمييز يغير شعور المكالمة بأكملها. يمكنك تأكيد ما تسمعه دون قطعه عن طريق الخطأ، وتغيير الاتجاه دون انتظار انتهاء إجابة طويلة.
منحك مساحة لتغيير رأيك
"أود الحصول على قطعتي بيتزا... لا، ثلاث قطع. ثلاث قطع كبيرة. و... في الواقع، اجعل واحدة منها مارجريتا".
ينتظر Live 3 خلال كل تصحيح بدلاً من المقاطعة بطلب خاطئ. فأنت لا تزال تقرر ما تريد، وهو يترك مجالاً لانتهاء تلك الفكرة.
مكالمات الدعم، والحجوزات، والطلبات مليئة بهذه اللحظات. يتردد الناس، ويتذكرون تفاصيل أخرى، ويراجعون الطلب في منتصف قوله. العميل الآلي الذي يتبع هذا الإيقاع يسمح للمحادثة بالمضي قدماً دون إجبار المتصل على البدء من جديد.
اسمع الفرق
يمكن للصوت أن يبدو طبيعياً بمفرده. لكن الاختبار الحقيقي هو ما يحدث عندما يرد شخص ما.
يستمع Live 3 طوال فترة التبادل: يؤكد دون الاستحواذ، يترك مساحة عندما يكون هناك المزيد، ويتراجع عندما تقاطعه. أنت تقدم التعليمات والأدوات وسير العمل الذي يجعل العميل خاصاً بك. و Live 3 يقدم إيقاع المحادثة.
يتحدث Live 3 الإنجليزية اليوم. وهو متوفر على منصة Fish Agent ومن خلال واجهة برمجة التطبيقات (API) الخاصة بنا، ويمكن للمؤسسات نشره محلياً (on-premises).
توقف. فكر. غير رأيك. واصل التحدث.
Jiahua Liu is the CTO and co-founder of Fish Audio, pushing breakthroughs in AI voice technology.
اقرأ المزيد من Jiahua Liu
Rissa is the CEO and co-founder of Fish Audio, pushing breakthroughs in AI voice technology. Find her latest work at @rissa_cao.
اقرأ المزيد من Rissa Cao
