Presentamos Live 3: Diseñado para el ritmo de la conversación

Haces una pausa para recordar un número. Dices “sí” mientras alguien explica algo. Cambias de opinión a mitad de un pedido. Esos momentos son parte de una conversación.

Hoy presentamos Live 3, el modelo de voz full-duplex de Fish Audio. Se mantiene escuchando mientras habla, por lo que una pausa, un breve reconocimiento o un cambio de opinión pueden dar forma a lo que sucede a continuación.

Un sutil “ajá”. El espacio para terminar una idea. El lugar para intervenir.

Live 3 está diseñado para dar a las personas espacio para hablar de forma natural. Pruébalo tú mismo en fish.audio/agents.

Aprendiendo el ritmo de la conversación

La velocidad y la sincronización conversacional no son el mismo problema. Un agente puede comenzar una respuesta rápidamente y aun así hablar en el momento equivocado. Una pausa después de “¿A qué hora abren?” puede significar que has terminado. Una pausa a mitad de un número de teléfono significa que hay más por venir.

La mayoría de los agentes de voz coordinan el reconocimiento de voz, el razonamiento, la generación de voz y la toma de turnos a través de partes separadas de un proceso. Lograr que esas partes funcionen juntas de forma natural requiere cuidado. Live 3 integra la sincronización conversacional en el propio modelo de voz.

Lo entrenamos con conversaciones humanas reales para que aprenda cuándo reconocer, esperar, responder o detenerse. Esos comportamientos fueron aprendidos de personas, no escritos como una lista de reglas.

“La solución hasta ahora han sido más reglas y más umbrales”, dijo Rissa Cao, cofundadora y CEO de Fish Audio. “Creemos que un modelo debería aprender esto de conversaciones reales, de la misma manera que los modelos de lenguaje aprenden gramática”.

Reconocer sin interrumpir

Lee un número por partes: “415… 555… 0132”. Live 3 podría decir “ajá” o “entendido, 415” entre ellas y esperar el resto.

Ese pequeño reconocimiento logra dos cosas a la vez. Te indica que los dígitos fueron escuchados y deja la palabra abierta. Puedes tomar aire, revisar los siguientes números y continuar.

Live 3 puede decidir responder en tan solo 186 milisegundos. Reacciones cortas como “ajá”, “está bien” y confirmaciones rápidas mantienen el intercambio fluido mientras se prepara la respuesta completa.

Saber cuándo quieres intervenir

No todo sonido es una interrupción. Si un agente está explicando sus servicios y horarios de apertura, podrías decir “sí” o “ajá” para demostrar que estás siguiendo la explicación. Live 3 continúa.

Luego dices: “Espera, en realidad, solo necesito el jueves”. Se detiene y deja espacio para tu nueva solicitud.

Esa distinción cambia la sensación de toda la llamada. Puedes reconocer lo que escuchas sin cortarlo accidentalmente y cambiar de dirección sin esperar a que termine una respuesta larga.

Darte espacio para cambiar de opinión

“Quisiera dos pizzas… no, tres. Tres grandes. Y… en realidad, que una sea margarita”.

Live 3 espera a través de cada corrección en lugar de intervenir con el artículo equivocado. Todavía estás decidiendo qué quieres. Deja espacio para que esa idea termine.

Las llamadas de soporte, las reservas y los pedidos están llenos de estos momentos. La gente duda, recuerda otro detalle y revisa una solicitud a mitad de decirla. Un agente que sigue ese ritmo permite que la conversación avance sin obligar al interlocutor a empezar de nuevo.

Escucha la diferencia

Una voz puede sonar natural por sí sola. La verdadera prueba es lo que sucede cuando alguien responde.

Live 3 escucha durante todo el intercambio: reconociendo sin tomar el control, dejando espacio cuando viene más información y cediendo cuando intervienes. Tú aportas las instrucciones, herramientas y flujos de trabajo que hacen que el agente sea tuyo. Live 3 aporta el ritmo de la conversación.

Live 3 habla inglés actualmente. Está disponible en Fish Agent Platform y a través de nuestra API, y las empresas pueden implementarlo localmente (on-premises).

Pausa. Piensa. Cambia de opinión. Sigue hablando.

Prueba Live 3 en fish.audio/agents →