Hogyan működik az AI ügyfélszolgálat: a teljes hívás az Ön szerverein marad

A hívás az Ön SIP-szolgáltatóján vagy alközpontján keresztül érkezik. Innentől minden – beszédfelismerés, a válasz eldöntése, hangszintézis, felvételek – az Ön infrastruktúráján belül történik.

Architektúra

Illusztráció: Illusztráció: on-premise AI call center – az adatok a telephelyen belül maradnak AZ ÖN TELEPHELYE – AZ ADATOK NEM HAGYJÁK EL AI Fortis GPU-szerver beszédfelismerés · hang · hub Nyelvi modell helyi (opcionális) SIP-trönk / alközpont Az Ön CRM / ERP rendszere Hívó az Ön szolgáltatója (API) Illusztráció
API-n keresztüli LLM-szolgáltató esetén csak a beszédfordulók szövege távozik; helyi LLM esetén semmi.

Az összetevők

Telefonos átjáró

Az Ön szerverén fut, és az Ön SIP trönkjéhez vagy alközpontjához kapcsolódik. Bejövő és kimenő hívások, foglaltság-érzékelés, átkapcsolás kollégához.

Beszédfelismerés

Saját beszédfelismerésünk a GPU-szerveren fut, a telefonos hangminőségre és minden általunk szállított nyelvre hangolva.

Hang

Saját neurális hangjaink, telefonbeszélgetésekre és helyes hangsúlyozásra optimalizálva. Kérésre egyedi hang az Ön márkájához.

Beszélgetésvezérlés

Ki mikor beszél, a hívó közbeszólása, szünetek, ismétlés elleni védelem, AI-tájékoztatás és felvételi értesítés.

Nyelvi modell

Megfogalmazza a válaszokat, és eldönti, mikor hívjon meg egy eszközt. Meglévő szolgáltatója API-n keresztül, vagy teljesen helyi modell, internet nélkül.

Irányítóterem

Ügynökök és verziók, kampányok, letiltási lista, hívási idősávok, felvételek, átiratok, adatkinyerés, ügyfélportálok, szerepkörök, auditnapló.

Egy beszédforduló útja – mért időkkel

Illusztráció: Illusztráció: egy hívás egy beszédfordulója mért időkkel
Hívó
SIP-átjáró
Beszédfelismerés
Nyelvi modell + eszközök
Hang
fogadva 0,14–0,31 mp alatt első hang 136 ms (medián) beszéd vége → első hang 1,4 mp (medián, teszthívások) Illusztráció
  1. A hívó beszél; a hang SIP-en keresztül érkezik az Ön szerverén lévő átjáróhoz.
  2. A beszédfelismerés szöveggé alakítja a beszédet, miközben a hívó még befejezi a mondatát.
  3. A nyelvi modell eldönti a választ, és szükség esetén meghív egy eszközt (pl. egyenleg-lekérdezés a CRM-ben).
  4. A hang részletekben szintetizálja a választ, így az első hang még a teljes válasz elkészülte előtt megszólal.
  5. A hívás, az átirat és a kinyert mezők a hubban tárolódnak; egy webhook értesíti rendszereit.

Az idők labor- és teszthívás-mérésekből származnak (2026. október). A teljes forduló ideje leginkább a választott nyelvi modelltől függ.

Mi történik az Ön szerverein egy hívás alatt

A hívás a meglévő SIP-trönkön vagy alközponton keresztül éri el az Ön telefonos átjáróját. Onnan a saját beszédfelismerőnkhöz kerül, amely a hívó szavait szöveggé alakítja az Ön épületén belül. A beszélgetési réteg dönt a következő lépésről, az Ön által választott nyelvi modellel: vagy a meglévő szolgáltatóval API-n keresztül, amikor csak a beszédfordulatok szövege megy ki, vagy teljesen helyi modellel, internetkapcsolat nélkül.

Ha az ügynöknek adatra van szüksége, HTTP-eszközökön keresztül hívja az Ön rendszereit, és csak az Ön által engedélyezett műveleteket használja. A válasz ezután a saját hangmodelljeinkhez kerül, amelyek visszabeszélik a hívásba. A felvételek, az átiratok és a naplók az Ön szerverein maradnak, ügyfelenként beállítható megőrzési idővel.

Mivel minden lépés az Ön infrastruktúráján belül fut, a biztonsági csapata ugyanúgy ellenőrizheti az adatfolyamot, a hálózati szabályokat és az auditnaplót, mint bármely más belső rendszernél. A hívás semmiben nem függ felhős beszédszolgáltatástól, így az adatok és a költségek felett is megtartja az irányítást.

A próbaüzem alatt ezeket a lépéseket az Ön saját hardverén és az Ön választotta nyelvi modellel mérjük, mert ez a modell adja a késleltetés legnagyobb részét. Megkapja a számokat az Ön kialakításához, és a csapata még az éles bevezetés előtt látja, hogyan viselkedik az ügynök valódi hívásokon. Ugyanez az irányítóterem mutatja ezután az élő hívásokat, a kampányokat, a felvételeket és minden ügynök auditnaplóját.

Hardver és kapacitás

A hívásmennyiségéhez méretezett vállalati GPU-szervereket szállítunk. Ezt mértük egyik laboratóriumi szerverünkön:

KonfigurációEgyidejű hívásokElső hang (medián / p95)
Vállalati GPU-szerver – standard beállítás50 000+136 / 178 ms
Vállalati GPU-szerver – maximális pontosságú beállítás16p95 156 ms
Csak CPU-s szerver (kis telepítésekhez)697 / 179 ms

Valós beszédfelismeréssel, rögzített bolgár beszéden mérve. Az éles szervereket az Ön volumenére méretezzük; nagyobb volumen több szervert jelent.

A hardverszinteket lásd a konfigurátorban →

Gyakori kérdések

Tényleg minden a mi szervereinken fut?

Igen: saját beszédfelismerésünk és hangmodelljeink, a beszélgetésvezérlés, a telefonos átjáró, a kampányok és a felvételek. A nyelvi modellt Ön választja: meglévő szolgáltatója API-n keresztül (ekkor csak a beszédfordulók szövege kerül továbbításra) vagy teljesen helyi modell, internet nélkül.

Milyen hardver szükséges?

A hívásmennyiségéhez méretezett vállalati GPU-szervereket szállítunk. Tájékoztatásul: egyik laboratóriumi szerverünk 50 000+ egyidejű hívást kezelt. Lásd a konfigurátor 2. lépését.

Milyen gyorsan válaszol az ügynök?

Felhőalapú nyelvi modellel végzett teszthívásainkban a hívó mondatának végétől a válasz első hangjáig eltelt idő mediánja 1,4 mp volt; maga a hang 136 ms-mal azután indul, hogy a válasz szövege elkészült. A legnagyobb részt a nyelvi modell teszi ki, ezért ezt az Ön választásával a pilotban mérjük meg.

Milyen telefonrendszerrel működik?

Bármely szabványos SIP trönkkel vagy alközponttal: meglévő telefonszámai és szolgáltatója megmaradnak.

Nézze meg működés közben, a saját forgatókönyvén

Foglaljon 20 perces beszélgetést, hallgassa meg az ügynököt, vagy kérje, hogy egyik hívástípusára ingyenes minta ügynököt készítsünk. Kötelezettség nélkül.

  • Beépített GDPR-megfelelés
  • Az Ön saját szerverein fut
  • Üzemeltetés és támogatás 24/7
  • 5 fős csapat Szófiában, az EU-ban

Már éles üzemben fut bulgáriai szervezeteknél — a nevek titoktartási megállapodás (NDA) alá esnek.

Így igazoljuk →