Enterprise AI CallcenterЛокално
Как работи AI кол център: целият разговор се обработва на Вашите сървъри
Обаждането влиза през Вашия SIP доставчик или централа. Оттам нататък всичко — разпознаване на реч, решение какво да се каже, синтез на глас, записи — става във Вашата инфраструктура.
Архитектура
Компонентите
Телефонен шлюз
Работи на Вашия сървър и се свързва с Вашия SIP транк или централа. Входящи и изходящи разговори, откриване на заето, прехвърляне към служител.
Разпознаване на реч
Наше собствено разпознаване на реч, което работи на GPU сървъра и е настроено за телефонно аудио и за всеки език, който доставяме.
Глас
Наши невронни гласове, оптимизирани за телефонен разговор и за правилни ударения. Собствен глас за Вашата марка — по заявка.
Управление на разговора
Кой говори кога, прекъсване от клиента (barge-in), паузи, защита от повторения, представяне като AI и предупреждение за запис.
Езиков модел
Формулира отговорите и решава кога да извика инструмент. Вашият настоящ доставчик през API или изцяло локален модел без интернет.
Контролна зала
Агенти и версии, кампании, списък „не звънете“, часове за обаждане, записи, транскрипции, извличане на данни, клиентски портали, роли, одитен журнал.
Пътят на една реплика — с измерени времена
- Клиентът говори; аудиото идва по SIP до шлюза на Вашия сървър.
- Разпознаването на реч превръща речта в текст, още докато клиентът довършва.
- Езиковият модел решава отговора и при нужда извиква инструмент (напр. проверка на баланс в CRM).
- Гласът синтезира отговора на части, така че първият звук тръгва, преди целият отговор да е готов.
- Разговорът, транскрипцията и извлечените полета се записват в хъба; webhook уведомява Вашите системи.
Времената са от лабораторни измервания и тестови разговори (октомври 2026). Общото време на една реплика зависи най-вече от избрания езиков модел.
Какво се случва на Вашите сървъри по време на разговор
Обаждането достига до Вашия телефонен шлюз през съществуващия Ви SIP транк или централа. Оттам то отива към нашето собствено разпознаване на реч, което превръща думите на обаждащия се в текст във Вашата сграда. Слоят на разговора решава какво да се направи след това с избрания от Вас езиков модел: Вашият настоящ доставчик чрез API, като в този случай се изпраща само текстът на репликите, или изцяло локален модел без интернет връзка.
Ако агентът има нужда от данни, той извиква Вашите системи чрез HTTP инструменти, като използва само разрешените от Вас действия. След това отговорът отива към нашите собствени гласови модели, които го изговарят в разговора. Записите, транскрипциите и журналите остават на Вашите сървъри, със сроковете за съхранение, които задавате за всеки клиент.
Тъй като всяка стъпка се изпълнява във Вашата инфраструктура, екипът Ви по сигурност може да провери потока на данни, мрежовите правила и одитния журнал по същия начин, както за всяка друга вътрешна система. Нищо в разговора не зависи от облачна услуга за реч, така че запазвате контрола както върху данните, така и върху разходите.
По време на пилотен проект измерваме тези стъпки на Вашия собствен хардуер и с избрания от Вас езиков модел, защото именно той формира най-голямата част от забавянето. Получавате числата за Вашата конфигурация, а екипът Ви вижда как се държи агентът при реални обаждания, преди каквото и да е внедряване. След това същата контролна зала показва разговорите на живо, кампаниите, записите и одитния журнал за всеки агент.
Хардуер и капацитет
Доставяме корпоративни GPU сървъри, оразмерени според Вашия обем. Ето какво измерихме на един от лабораторните ни сървъри:
| Конфигурация | Едновременни разговора | Първи звук на гласа (медиана / p95) |
|---|---|---|
| Корпоративен GPU сървър — стандартна настройка | 50 000+ | 136 / 178 ms |
| Корпоративен GPU сървър — настройка за максимална точност | 16 | p95 156 ms |
| Сървър само с процесор (малки внедрявания) | 6 | 97 / 179 ms |
Измерено с реално разпознаване на реч на запис на български говор. Продукционните сървъри се оразмеряват според обема Ви; по-голям обем означава повече сървъри.
Често задавани въпроси
Наистина ли всичко работи на наши сървъри?
Да: нашето собствено разпознаване на реч и нашите гласови модели, управлението на разговора, телефонният шлюз, кампаниите и записите. Езиковият модел е по Ваш избор: Вашият настоящ доставчик през API (тогава до него отива само текстът на репликите) или изцяло локален модел без интернет.
Какъв хардуер е нужен?
Доставяме корпоративни GPU сървъри, оразмерени според Вашия обем. За ориентир: един от лабораторните ни сървъри поддържа 50 000+ едновременни разговора. Вижте стъпка 2 в конфигуратора.
Колко бързо отговаря агентът?
В тестовите ни разговори с облачен езиков модел медианното време от края на изречението на клиента до първия звук от отговора е 1,4 s; самият глас започва 136 ms след като текстът на отговора е готов. Най-голямата част е езиковият модел, затова го измерваме с Вашия избор в пилота.
С каква телефония работи?
С всеки стандартен SIP транк или централа: съществуващите Ви номера и оператор остават същите.
Вижте го в действие с Вашия сценарий
Запазете 20-минутен разговор, чуйте агента или ни оставете да изградим безплатен примерен агент за един от Вашите видове обаждания. Без ангажимент.
- GDPR от самото начало
- Работи на Вашите собствени сървъри
- Денонощна работа и поддръжка
- Екип от 5 души в София, ЕС
Вече работи в организации в България — имената са под NDA.