Enterprise AI CallcenterOn-premise
Jak funguje voicebot: celý hovor zůstává na vašich serverech
Hovor přichází přes vašeho SIP poskytovatele nebo ústřednu (PBX). Od té chvíle se vše — rozpoznávání řeči, rozhodnutí, co říct, syntéza hlasu, nahrávky — odehrává ve vaší infrastruktuře.
Architektura
Komponenty
Telefonní brána
Běží na vašem serveru a připojuje se k vašemu SIP trunku nebo ústředně. Příchozí a odchozí hovory, detekce obsazeno, přepojení na kolegu.
Rozpoznávání řeči
Naše vlastní rozpoznávání řeči běžící na GPU serveru, vyladěné pro telefonní zvuk a pro každý jazyk, který dodáváme.
Hlas
Naše vlastní neuronové hlasy, optimalizované pro telefonní rozhovory a správný přízvuk. Na přání vlastní hlas pro vaši značku.
Řízení konverzace
Kdo kdy mluví, skákání do řeči volajícím, pauzy, ochrana proti opakování, oznámení AI a upozornění na nahrávání.
Jazykový model
Formuluje odpovědi a rozhoduje, kdy použít nástroj. Váš stávající poskytovatel přes API, nebo plně lokální model bez internetu.
Velín
Agenti a verze, kampaně, seznam čísel, na která se nevolá, časy volání, nahrávky, přepisy, extrakce dat, klientské portály, role, auditní záznam.
Cesta jedné repliky — s naměřenými časy
- Volající mluví; zvuk přichází přes SIP na bránu na vašem serveru.
- Rozpoznávání řeči převádí řeč na text, ještě než volající domluví.
- Jazykový model rozhodne o odpovědi a v případě potřeby zavolá nástroj (např. dotaz na zůstatek v CRM).
- Hlas syntetizuje odpověď po částech, takže první zvuk zazní dřív, než je celá odpověď hotová.
- Hovor, přepis a extrahovaná pole se uloží do hubu; webhook informuje vaše systémy.
Časy jsou z laboratorních měření a testovacích hovorů (říjen 2026). Celková doba repliky závisí hlavně na zvoleném jazykovém modelu.
Co se děje na vašich serverech během hovoru
Hovor dorazí na vaši telefonní bránu přes stávající SIP trunk nebo ústřednu. Odtud jde do našeho vlastního rozpoznávání řeči, které slova volajícího převede na text uvnitř vaší budovy. Konverzační vrstva rozhoduje, co dál, s jazykovým modelem podle vaší volby: u vašeho stávajícího poskytovatele přes API, kdy se odesílá pouze text replik, nebo u plně lokálního modelu bez připojení k internetu.
Pokud agent potřebuje data, volá vaše systémy přes HTTP nástroje a používá jen akce, které jste povolili. Odpověď pak jde do našich vlastních hlasových modelů, které ji namluví zpět do hovoru. Nahrávky, přepisy a logy zůstávají na vašich serverech, s dobou uchování nastavenou pro každého klienta.
Protože každý krok běží uvnitř vaší infrastruktury, může váš bezpečnostní tým ověřit tok dat, síťová pravidla i auditní záznam stejně jako u jakéhokoli jiného interního systému. Nic na hovoru nezávisí na cloudové řečové službě, takže si udržíte kontrolu nad daty i nad náklady.
Během pilotu tyto kroky měříme na vašem vlastním hardwaru a s vámi zvoleným jazykovým modelem, protože právě tento model tvoří největší část zpoždění. Získáte čísla pro své nasazení a váš tým uvidí, jak se agent chová na skutečných hovorech, než se cokoli spustí naplno. Stejná řídicí místnost pak ukazuje živé hovory, kampaně, nahrávky a auditní záznam každého agenta.
Hardware a kapacita
Dodáváme podnikové GPU servery dimenzované podle vašeho objemu. Toto jsme naměřili na jednom z našich laboratorních serverů:
| Konfigurace | Souběžné hovory | První zvuk hlasu (medián / p95) |
|---|---|---|
| Podnikový GPU server — standardní nastavení | 50 000+ | 136 / 178 ms |
| Podnikový GPU server — nastavení pro maximální přesnost | 16 | p95 156 ms |
| Server pouze s CPU (malá nasazení) | 6 | 97 / 179 ms |
Měřeno se skutečným rozpoznáváním řeči na nahrané bulharské řeči. Produkční servery dimenzujeme podle vašeho objemu; vyšší objem znamená více serverů.
Časté dotazy
Opravdu vše běží na našich serverech?
Ano: naše vlastní rozpoznávání řeči a hlasové modely, řízení konverzace, telefonní brána, kampaně i nahrávky. Jazykový model je na vaší volbě: váš stávající poskytovatel přes API (pak se odesílá jen text replik) nebo plně lokální model bez internetu.
Jaký hardware je potřeba?
Dodáváme podnikové GPU servery dimenzované podle vašeho objemu. Pro představu: jeden z našich laboratorních serverů zvládl 50 000+ souběžných hovorů. Viz krok 2 konfigurátoru.
Jak rychle agent odpovídá?
V našich testovacích hovorech s cloudovým jazykovým modelem byl medián doby od konce věty volajícího po první zvuk odpovědi 1,4 s; samotný hlas začíná 136 ms poté, co je text odpovědi připraven. Největší část tvoří jazykový model, proto ji měříme s vaší volbou v pilotním provozu.
S jakou telefonií funguje?
S jakýmkoli standardním SIP trunkem nebo ústřednou: vaše stávající čísla i operátor zůstávají.
Podívejte se, jak funguje na vašem vlastním scénáři
Domluvte si 20minutový hovor, poslechněte si agenta, nebo si nechte zdarma postavit ukázkového agenta pro jeden typ hovorů. Bez závazků.
- GDPR už v návrhu
- Běží na vašich vlastních serverech
- Provoz a podpora 24/7
- 5členný tým v Sofii, EU
Už běží v produkčním provozu v organizacích v Bulharsku — názvy jsou pod NDA.