Wir präsentieren Live 3: Entwickelt für den Rhythmus echter Gespräche

Sie machen eine Pause, um sich an eine Nummer zu erinnern. Sagen „Ja“, während jemand etwas erklärt. Ändern Ihre Meinung mitten in einer Bestellung. Diese Momente sind Teil eines Gesprächs.

Heute stellen wir Live 3 vor, das Full-Duplex-Sprachmodell von Fish Audio. Es hört zu, während es spricht, sodass eine Pause, eine kurze Bestätigung oder ein Meinungswechsel den weiteren Verlauf direkt beeinflussen kann.

Ein leises „Hm-m“. Raum, um einen Gedanken zu Ende zu führen. Platz, um dazwischenzugehen.

Live 3 wurde entwickelt, um Menschen den Raum zu geben, natürlich zu sprechen. Probieren Sie es selbst aus unter fish.audio/agents.

Den Rhythmus von Gesprächen lernen

Geschwindigkeit und Gesprächs-Timing sind nicht dasselbe Problem. Ein Agent kann eine Antwort schnell beginnen und trotzdem im falschen Moment sprechen. Eine Pause nach „Wann haben Sie geöffnet?“ könnte bedeuten, dass Sie fertig sind. Eine Pause mitten in einer Telefonnummer bedeutet, dass noch mehr kommt.

Die meisten Sprach-Agenten koordinieren Spracherkennung, logisches Denken, Spracherzeugung und die Sprecherwechselsteuerung über separate Teile einer Pipeline. Diese Teile natürlich zusammenarbeiten zu lassen, erfordert viel Sorgfalt. Live 3 integriert das Timing des Gesprächs direkt in das Sprachmodell selbst.

Wir haben es mit echten menschlichen Gesprächen trainiert, damit es lernt, wann es bestätigen, warten, antworten oder aufhören muss. Diese Verhaltensweisen wurden von Menschen gelernt und nicht als Liste von Regeln festgeschrieben.

„Die Lösung bisher waren mehr Regeln und mehr Schwellenwerte“, sagt Rissa Cao, Mitbegründerin und CEO von Fish Audio. „Wir glauben, dass ein Modell dies aus echten Gesprächen lernen sollte, so wie Sprachmodelle Grammatik lernen.“

Bestätigen, ohne das Wort an sich zu reißen

Lesen Sie eine Nummer in Blöcken vor: „415… 555… 0132.“ Live 3 sagt vielleicht „Hm-m“ oder „Okay, 415“ dazwischen und wartet auf den Rest.

Diese kleine Bestätigung bewirkt zwei Dinge gleichzeitig. Sie signalisiert Ihnen, dass die Ziffern gehört wurden, und sie lässt das Wort bei Ihnen. Sie können tief durchatmen, die nächsten Zahlen prüfen und fortfahren.

Live 3 kann in nur 186 Millisekunden entscheiden, zu antworten. Kurze Reaktionen wie „Hm-m“, „Okay“ und schnelle Bestätigungen halten den Austausch in Gang, während die vollständige Antwort vorbereitet wird.

Wissen, wann Sie einhaken möchten

Nicht jedes Geräusch ist eine Unterbrechung. Wenn ein Agent seine Dienstleistungen und Öffnungszeiten erklärt, sagen Sie vielleicht „Ja“ oder „Hm-m“, um zu zeigen, dass Sie folgen. Live 3 spricht weiter.

Dann sagen Sie: „Warte, eigentlich brauche ich nur den Donnerstag.“ Es stoppt und macht Platz für Ihre neue Anfrage.

Dieser Unterschied verändert das Gefühl des gesamten Anrufs. Sie können das Gehörte bestätigen, ohne es versehentlich zu unterbrechen, und die Richtung ändern, ohne darauf warten zu müssen, dass eine lange Antwort zu Ende geführt wird.

Raum für Meinungsänderungen geben

„Ich hätte gerne zwei Pizzen… nein, drei. Drei große. Und… eigentlich machen Sie aus einer davon eine Margherita.“

Live 3 wartet jede Korrektur ab, anstatt mit dem falschen Artikel dazwischenzuspringen. Sie entscheiden noch, was Sie wollen. Es lässt Raum, damit dieser Gedanke beendet werden kann.

Support-Anrufe, Buchungen und Bestellungen sind voll von solchen Momenten. Menschen zögern, erinnern sich an ein weiteres Detail und revidieren eine Anfrage, während sie sie gerade aussprechen. Ein Agent, der diesem Rhythmus folgt, lässt das Gespräch voranschreiten, ohne dass der Anrufer von vorn beginnen muss.

Den Unterschied hören

Eine Stimme kann für sich allein natürlich klingen. Der echte Test ist, was passiert, wenn jemand antwortet.

Live 3 hört während des gesamten Austauschs zu: es bestätigt, ohne zu übernehmen, lässt Platz, wenn noch etwas kommt, und gibt nach, wenn Sie dazwischensprechen. Sie liefern die Anweisungen, Werkzeuge und Arbeitsabläufe, die den Agenten zu Ihrem Agenten machen. Live 3 liefert den Rhythmus des Gesprächs.

Live 3 spricht heute Englisch. Es ist auf der Fish Agent Platform und über unsere API verfügbar, und Unternehmen können es lokal (on-premises) einsetzen.

Pause machen. Nachdenken. Meinung ändern. Weiterreden.

Testen Sie Live 3 auf fish.audio/agents →