Kako radi AI kontakt centar: cijeli poziv ostaje na vašim poslužiteljima

Poziv stiže preko vašeg SIP pružatelja ili telefonske centrale. Od tog trenutka sve — prepoznavanje govora, odlučivanje što reći, sinteza glasa, snimke — događa se unutar vaše infrastrukture.

Arhitektura

Ilustracija: Ilustracija: lokalni AI pozivni centar — podaci ostaju u vašim prostorima VAŠI PROSTORI — PODACI NE IZLAZE AI Fortis GPU poslužitelj prepoznavanje govora · glas · hub Jezični model lokalno (neobavezno) SIP trunk / PBX Vaš CRM / ERP Pozivatelj vaš pružatelj (API) Ilustracija
S vašim pružateljem LLM-a putem API-ja izlazi samo tekst izmjena; s lokalnim LLM-om ništa.

Komponente

Telefonski pristupnik

Radi na vašem poslužitelju i povezuje se s vašim SIP trunkom ili kućnom centralom. Dolazni i odlazni pozivi, prepoznavanje zauzeća, prosljeđivanje kolegi.

Prepoznavanje govora

Naše vlastito prepoznavanje govora, na GPU poslužitelju, prilagođeno telefonskom zvuku i svakom jeziku koji isporučujemo.

Glas

Naši vlastiti neuronski glasovi, optimizirani za telefonske razgovore i ispravan naglasak. Prilagođeni glas za vaš brend na zahtjev.

Upravljanje razgovorom

Tko govori kada, upadanje pozivatelja u riječ, stanke, zaštita od ponavljanja, obavijest da je riječ o AI-ju i o snimanju.

Jezični model

Oblikuje odgovore i odlučuje kada pozvati alat. Vaš postojeći pružatelj putem API-ja ili potpuno lokalni model bez interneta.

Kontrolna soba

Agenti i verzije, kampanje, popis za nepozivanje, vrijeme pozivanja, snimke, transkripti, izdvajanje podataka, klijentski portali, uloge, revizijski zapisnik.

Put jedne izmjene — s izmjerenim vremenima

Ilustracija: Ilustracija: jedna izmjena u pozivu s izmjerenim vremenima
Pozivatelj
SIP pristupnik
Prepoznavanje govora
Jezični model + alati
Glas
javljanje za 0,14–0,31 s prvi zvuk 136 ms (medijan) kraj govora → prvi zvuk 1,4 s (medijan, testni pozivi) Ilustracija
  1. Pozivatelj govori; zvuk preko SIP-a stiže do pristupnika na vašem poslužitelju.
  2. Prepoznavanje govora pretvara govor u tekst dok pozivatelj još završava.
  3. Jezični model određuje odgovor i po potrebi poziva alat (npr. provjeru stanja u CRM-u).
  4. Glas sintetizira odgovor u dijelovima, pa prvi zvuk počinje prije nego što je cijeli odgovor spreman.
  5. Poziv, transkript i izdvojena polja pohranjuju se u hub; webhook obavještava vaše sustave.

Vremena su laboratorijska mjerenja i mjerenja testnih poziva (listopad 2026.). Ukupno vrijeme izmjene najviše ovisi o jezičnom modelu koji odaberete.

Što se tijekom poziva događa na vašim poslužiteljima

Poziv stiže na vaš telefonski pristupnik preko postojećeg SIP trunka ili centrale. Odatle ide u naše vlastito prepoznavanje govora, koje riječi pozivatelja pretvara u tekst unutar vaše zgrade. Razgovorni sloj odlučuje što dalje, s jezičnim modelom po vašem izboru: vaš postojeći pružatelj preko API-ja, pri čemu se šalje samo tekst izmjena, ili potpuno lokalni model bez internetske veze.

Ako agent treba podatke, poziva vaše sustave preko HTTP alata i koristi samo radnje koje ste dopustili. Odgovor zatim ide u naše vlastite glasovne modele, koji ga izgovaraju natrag u poziv. Snimke, transkripti i zapisnici ostaju na vašim poslužiteljima, uz rok čuvanja koji postavljate po klijentu.

Budući da svaki korak teče unutar vaše infrastrukture, vaš sigurnosni tim može provjeriti tok podataka, mrežna pravila i revizijski zapis na isti način kao za bilo koji drugi interni sustav. Ništa u pozivu ne ovisi o govornoj usluzi u oblaku, pa zadržavate kontrolu nad podacima i troškovima.

Tijekom pilota ove korake mjerimo na vašem vlastitom hardveru i s vašim odabranim jezičnim modelom, jer upravo taj model čini najveći dio kašnjenja. Dobivate brojke za svoju postavu, a vaš tim vidi kako se agent ponaša na stvarnim pozivima prije nego što se išta pokrene u cijelosti. Ista upravljačka soba tada prikazuje pozive uživo, kampanje, snimke i revizijski zapis za svakog agenta.

Hardver i kapacitet

Isporučujemo poslovne GPU poslužitelje dimenzionirane prema vašem obujmu. Ovo smo izmjerili na jednom od naših laboratorijskih poslužitelja:

KonfiguracijaIstodobni poziviPrvi zvuk glasa (medijan / p95)
Poslovni GPU poslužitelj — standardna postavka50.000+136 / 178 ms
Poslovni GPU poslužitelj — postavka najveće točnosti16p95 156 ms
Poslužitelj samo s CPU-om (manje instalacije)697 / 179 ms

Izmjereno sa stvarnim prepoznavanjem govora na snimljenom bugarskom govoru. Produkcijski poslužitelji dimenzioniraju se prema vašem obujmu; veći obujam znači više poslužitelja.

Pogledajte razine hardvera u konfiguratoru →

Česta pitanja

Radi li zaista sve na našim poslužiteljima?

Da: naše vlastito prepoznavanje govora i glasovni modeli, upravljanje razgovorom, telefonski pristupnik, kampanje i snimke. Jezični model birate vi: vaš postojeći pružatelj putem API-ja (tada se šalje samo tekst izmjena u razgovoru) ili potpuno lokalni model bez interneta.

Koji je hardver potreban?

Isporučujemo poslovne GPU poslužitelje dimenzionirane prema vašem obujmu. Za usporedbu, jedan naš laboratorijski poslužitelj obradio je 50.000+ istodobnih poziva. Pogledajte 2. korak konfiguratora.

Koliko brzo agent odgovara?

U našim testnim pozivima s jezičnim modelom u oblaku medijan vremena od kraja pozivateljeve rečenice do prvog zvuka odgovora bio je 1,4 s; sam glas počinje 136 ms nakon što je tekst odgovora spreman. Jezični model čini najveći dio, pa ga mjerimo s vašim izborom u pilot-projektu.

S kojom telefonijom radi?

S bilo kojim standardnim SIP trunkom ili kućnom centralom (PBX): vaši postojeći brojevi i operater ostaju.

Pogledajte kako radi na vašem vlastitom scenariju

Rezervirajte razgovor od 20 minuta, poslušajte agenta ili neka izradimo besplatnog oglednog agenta za jednu vrstu vaših poziva. Bez obveze.

  • GDPR ugrađen u dizajn
  • Radi na vašim vlastitim poslužiteljima
  • Rad i podrška 24/7
  • Tim od 5 osoba u Sofiji, EU

Već radi u produkciji u organizacijama u Bugarskoj — nazivi su pod NDA.

Kako dokazujemo →