Enterprise AI CallcenterUz saviem serveriem

Kā darbojas AI balss aģents: visa saruna paliek Jūsu serveros

Zvans pienāk caur Jūsu SIP pakalpojumu sniedzēju vai PBX. No turienes viss — runas atpazīšana, atbildes izvēle, runas sintēze, ieraksti — notiek Jūsu infrastruktūrā.

Arhitektūra

Ilustrācija: Ilustrācija: lokāls MI zvanu centrs — dati paliek Jūsu telpās JŪSU TELPAS — DATI NEIZIET ĀRĀ AI Fortis GPU serveris runas atpazīšana · balss · hub Valodas modelis lokāls (pēc izvēles) SIP trunk / PBX Jūsu CRM / ERP Zvanītājs Jūsu pakalpojumu sniedzējs (API) Ilustrācija
Ar Jūsu LLM pakalpojumu sniedzēju caur API ārā iziet tikai replikas teksts; ar lokālu LLM — nekas.

Komponenti

Telefonijas vārteja

Darbojas Jūsu serverī un pieslēdzas Jūsu SIP trunk vai PBX. Ienākošie un izejošie zvani, aizņemtības noteikšana, pāradresācija kolēģim.

Runas atpazīšana

Mūsu pašu runas atpazīšana GPU serverī, pielāgota tālruņa skaņai un katrai valodai, ko piegādājam.

Balss

Mūsu pašu neironu balsis, optimizētas telefona sarunām un pareizam uzsvaram. Pēc pieprasījuma — individuāla balss Jūsu zīmolam.

Sarunas vadība

Kurš runā kad, zvanītāja iejaukšanās, pauzes, aizsardzība pret atkārtošanos, MI atklāšana un paziņojums par ierakstu.

Valodas modelis

Formulē atbildes un izlemj, kad izsaukt rīku. Jūsu esošais pakalpojumu sniedzējs caur API vai pilnībā lokāls modelis bez interneta.

Vadības telpa

Aģenti un versijas, kampaņas, „nezvanīt” saraksts, zvanīšanas laiks, ieraksti, transkripcijas, datu izguve, klientu portāli, lomas, audita žurnāls.

Vienas replikas ceļš — ar izmērītiem laikiem

Ilustrācija: Ilustrācija: viena zvana replika ar izmērītiem laikiem
Zvanītājs
SIP vārteja
Runas atpazīšana
Valodas modelis + rīki
Balss
atbildēts 0,14–0,31 s laikā pirmā skaņa 136 ms (mediāna) runas beigas → pirmā skaņa 1,4 s (mediāna, testa zvani) Ilustrācija
  1. Zvanītājs runā; audio caur SIP nonāk vārtejā Jūsu serverī.
  2. Runas atpazīšana pārvērš runu tekstā, kamēr zvanītājs vēl pabeidz teikumu.
  3. Valodas modelis izlemj atbildi un, ja nepieciešams, izsauc rīku (piem., atlikuma pārbaude CRM).
  4. Balss sintezē atbildi pa daļām, tāpēc pirmā skaņa sākas, pirms visa atbilde ir gatava.
  5. Zvans, transkripcija un izgūtie lauki tiek saglabāti hub; tīmekļa āķis informē Jūsu sistēmas.

Laiki ir laboratorijas un testa zvanu mērījumi (2026. gada oktobris). Visas replikas laiks galvenokārt ir atkarīgs no Jūsu izvēlētā valodas modeļa.

Kas notiek Jūsu serveros zvana laikā

Zvans nonāk Jūsu telefonijas vārtejā caur esošo SIP trunk vai PBX. No turienes tas nonāk mūsu pašu runas atpazīšanā, kas pārvērš zvanītāja vārdus tekstā Jūsu ēkas iekšienē. Sarunas slānis izlemj, ko darīt tālāk, ar Jūsu izvēlēto valodas modeli: Jūsu esošais nodrošinātājs caur API, un tad tiek nosūtīts tikai replikas teksts, vai pilnībā lokāls modelis bez interneta savienojuma.

Ja aģentam vajadzīgi dati, tas izsauc Jūsu sistēmas caur HTTP rīkiem, izmantojot tikai Jūsu atļautās darbības. Atbilde tad nonāk mūsu pašu balss modeļos, kas to izrunā zvanā. Ieraksti, stenogrammas un žurnāli paliek Jūsu serveros ar glabāšanas termiņu, ko iestatāt katram klientam.

Tā kā katrs solis darbojas Jūsu infrastruktūrā, Jūsu drošības komanda var pārbaudīt datu plūsmu, tīkla noteikumus un audita žurnālu tāpat kā jebkurai citai iekšējai sistēmai. Zvans nav atkarīgs no mākoņa runas pakalpojuma, tāpēc kontrole pār datiem un izmaksām paliek Jums.

Izmēģinājuma laikā mēs šos soļus mērām Jūsu pašu aparatūrā un ar Jūsu izvēlēto valodas modeli, jo tieši šis modelis ir lielākā aizkaves daļa. Jūs saņemat skaitļus savai ieviešanai, un Jūsu komanda redz, kā aģents uzvedas īstos zvanos, pirms kaut kas tiek ieviests plašāk. Tā pati vadības telpa tad rāda tiešraides zvanus, kampaņas, ierakstus un audita žurnālu katram aģentam.

Aparatūra un jauda

Mēs piegādājam uzņēmuma klases GPU serverus atbilstoši Jūsu apjomam. Lūk, ko izmērījām vienā no mūsu laboratorijas serveriem:

KonfigurācijaVienlaicīgi zvaniBalss pirmā skaņa (mediāna / p95)
Uzņēmuma klases GPU serveris — standarta iestatījums50 000+136 / 178 ms
Uzņēmuma klases GPU serveris — maksimālās precizitātes iestatījums16p95 156 ms
Tikai CPU serveris (nelielām ieviešanām)697 / 179 ms

Izmērīts ar reālu runas atpazīšanu ierakstītā bulgāru runā. Ražošanas serveru jauda tiek izvēlēta atbilstoši Jūsu apjomam; lielāks apjoms nozīmē vairāk serveru.

Skatiet aparatūras līmeņus konfiguratorā →

Biežāk uzdotie jautājumi

Vai tiešām viss darbojas mūsu serveros?

Jā: mūsu pašu runas atpazīšana un balss modeļi, sarunas vadība, telefonijas vārteja, kampaņas un ieraksti. Valodas modeli izvēlaties Jūs: Jūsu esošais pakalpojumu sniedzējs caur API (tad tiek nosūtīts tikai repliku teksts) vai pilnībā lokāls modelis bez interneta.

Kāda aparatūra ir nepieciešama?

Mēs piegādājam uzņēmuma klases GPU serverus atbilstoši Jūsu apjomam. Orientējoši: viens no mūsu laboratorijas serveriem apkalpoja 50 000+ vienlaicīgus zvanus. Skatiet konfiguratora 2. soli.

Cik ātri aģents atbild?

Mūsu testa zvanos ar mākoņa valodas modeli mediānais laiks no zvanītāja teikuma beigām līdz atbildes pirmajai skaņai bija 1,4 s; pati balss sāk skanēt 136 ms pēc tam, kad atbildes teksts ir gatavs. Lielāko daļu aizņem valodas modelis, tāpēc mēs to izmērām ar Jūsu izvēli pilotprojektā.

Ar kādu telefoniju tas darbojas?

Ar jebkuru standarta SIP trunk vai PBX: Jūsu esošie numuri un operators paliek.

Skatiet, kā tas darbojas Jūsu scenārijā

Piesakiet 20 minūšu sarunu, noklausieties aģentu vai ļaujiet mums izveidot bezmaksas parauga aģentu vienam no Jūsu zvanu veidiem. Bez saistībām.

  • VDAR jau no projektēšanas
  • Darbojas uz Jūsu pašu serveriem
  • Darbība un atbalsts 24/7
  • 5 cilvēku komanda Sofijā, ES

Jau darbojas ražošanā organizācijās Bulgārijā — nosaukumi ir konfidencialitātes līgumu aizsargāti.

Kā to pierādām →