Apresentando o Live 3: Criado para o ritmo da conversa

Você pausa para lembrar um número. Diz "sim" enquanto alguém explica. Muda de ideia no meio de um pedido. Esses momentos fazem parte de uma conversa.

Hoje, estamos apresentando o Live 3, o modelo de voz full-duplex da Fish Audio. Ele continua ouvindo enquanto fala, para que uma pausa, um reconhecimento rápido ou uma mudança de ideia possam moldar o que acontece a seguir.

Um "hum-hum" discreto. Espaço para terminar um pensamento. Liberdade para intervir.

O Live 3 foi criado para dar às pessoas espaço para falar naturalmente. Experimente você mesmo em fish.audio/agents.

Aprendendo o ritmo da conversa

Velocidade e tempo de conversação não são o mesmo problema. Um agente pode iniciar uma resposta rapidamente e, ainda assim, falar no momento errado. Uma pausa após "Que horas vocês abrem?" pode significar que você terminou. Uma pausa no meio de um número de telefone significa que há mais por vir.

A maioria dos agentes de voz coordena o reconhecimento de fala, o raciocínio, a geração de fala e a alternância de turnos em partes separadas de um fluxo. Fazer com que essas partes trabalhem juntas de forma natural exige cuidado. O Live 3 traz a temporização conversacional para dentro do próprio modelo de fala.

Nós o treinamos em conversas humanas reais para que ele aprenda quando reconhecer, esperar, responder ou parar. Esses comportamentos foram aprendidos com pessoas, não escritos como uma lista de regras.

"A solução até agora tem sido mais regras e mais limites", disse Rissa Cao, cofundadora e CEO da Fish Audio. "Acreditamos que um modelo deve aprender isso a partir de conversas reais, da mesma forma que os modelos de linguagem aprendem gramática."

Reconhecendo sem interromper

Leia um número em partes: "415... 555... 0132." O Live 3 pode dizer "hum-hum" ou "ok, 415" entre elas e esperar pelo restante.

Esse pequeno reconhecimento faz duas coisas ao mesmo tempo. Ele informa que os dígitos foram ouvidos e mantém a palavra aberta. Você pode respirar, verificar os próximos números e continuar.

O Live 3 pode decidir responder em apenas 186 milissegundos. Reações curtas como "hum-hum", "ok" e confirmações rápidas mantêm a troca fluindo enquanto a resposta completa está sendo preparada.

Sabendo quando você quer intervir

Nem todo som é uma interrupção. Se um agente estiver explicando seus serviços e horários de funcionamento, você pode dizer "sim" ou "hum-hum" para mostrar que está acompanhando. O Live 3 continua falando.

Então você diz: "Espere, na verdade, eu só preciso de quinta-feira". Ele para e abre espaço para o seu novo pedido.

Essa distinção muda a sensação de toda a chamada. Você pode reconhecer o que ouve sem cortá-lo acidentalmente e mudar de direção sem esperar que uma resposta longa termine.

Dando espaço para você mudar de ideia

"Eu gostaria de duas pizzas... não, três. Três grandes. E... na verdade, faça uma delas ser de margherita."

O Live 3 espera por cada correção em vez de interromper com o item errado. Você ainda está decidindo o que quer. Ele deixa espaço para que esse pensamento termine.

Chamadas de suporte, reservas e pedidos estão repletos desses momentos. As pessoas hesitam, lembram de outro detalhe e revisam um pedido no meio da frase. Um agente que segue esse ritmo permite que a conversa avance sem fazer com que o interlocutor comece tudo de novo.

Ouça a diferença

Uma voz pode soar natural por si só. O verdadeiro teste é o que acontece quando alguém responde.

O Live 3 ouve durante toda a interação: reconhecendo sem dominar a fala, deixando espaço quando há mais por vir e cedendo quando você interrompe. Você traz as instruções, ferramentas e fluxos de trabalho que tornam o agente seu. O Live 3 traz o ritmo da conversa.

O Live 3 fala inglês hoje. Ele está disponível na Fish Agent Platform e através da nossa API, e empresas podem implantá-lo localmente (on-premises).

Pausa. Pense. Mude de ideia. Continue falando.

Experimente o Live 3 em fish.audio/agents →