Enterprise AI CallcenterЛокално

Како работи AI кол центар: целиот повик останува на вашите сервери

Повикот пристигнува преку вашиот SIP-провајдер или PBX. Оттаму натаму сè — препознавањето говор, одлуката што да се каже, синтезата на глас, снимките — се случува во вашата инфраструктура.

Архитектура

Илустрација: Илустрација: локален AI кол центар — податоците остануваат во вашите простории ВАШИТЕ ПРОСТОРИИ — ПОДАТОЦИТЕ НЕ ИЗЛЕГУВААТ GPU-сервер AI Fortis препознавање говор · глас · hub Јазичен модел локален (опционално) SIP trunk / PBX Вашиот CRM / ERP Повикувач вашиот провајдер (API) Илустрација
Со вашиот LLM-провајдер преку API излегува само текстот на репликите; со локален LLM — ништо.

Компонентите

Телефонски портал

Работи на вашиот сервер и се поврзува со вашиот SIP транк или PBX. Дојдовни и појдовни повици, препознавање зафатеност, префрлање на колега.

Препознавање говор

Наше сопствено препознавање говор, на GPU серверот, прилагодено за телефонски звук и за секој јазик што го испорачуваме.

Глас

Наши сопствени невронски гласови, оптимизирани за телефонски разговори и правилни акценти. Сопствен глас за вашиот бренд на барање.

Управување со разговорот

Кој зборува кога, прекинување од повикувачот, паузи, заштита од повторување, информирање дека е AI и најава за снимање.

Јазичен модел

Ги формулира одговорите и одлучува кога да повика алатка. Вашиот постоечки добавувач преку API или целосно локален модел без интернет.

Контролна соба

Агенти и верзии, кампањи, листа „не јавувај“, часови за повикување, снимки, транскрипти, извлекување податоци, клиентски портали, улоги, дневник за ревизија.

Патот на една реплика — со измерени времиња

Илустрација: Илустрација: една реплика од повик со измерени времиња
Повикувач
SIP-портал
Препознавање говор
Јазичен модел + алатки
Глас
одговорено за 0,14–0,31 с прв звук 136 ms (медијана) крај на говорот → прв звук 1,4 с (медијана, тест-повици) Илустрација
  1. Повикувачот зборува; аудиото пристигнува преку SIP до порталот на вашиот сервер.
  2. Препознавањето говор го претвора говорот во текст додека повикувачот сè уште ја завршува реченицата.
  3. Јазичниот модел го одредува одговорот и повикува алатка ако е потребно (на пр. проверка на салдо во CRM).
  4. Гласот го синтетизира одговорот на делови, па првиот звук почнува пред целиот одговор да биде готов.
  5. Повикот, транскриптот и извлечените полиња се чуваат во hub-от; webhook ги известува вашите системи.

Времињата се лабораториски мерења и мерења од тест-повици (октомври 2026). Вкупното време на реплика зависи најмногу од јазичниот модел што ќе го изберете.

Што се случува на вашите сервери за време на повик

Повикот стигнува до вашиот телефонски гејтвеј преку постојниот SIP trunk или PBX. Оттаму оди во нашето сопствено препознавање говор, кое ги претвора зборовите на повикувачот во текст во рамките на вашата зграда. Слојот на разговор одлучува што следно, со јазичен модел по ваш избор: вашиот постоечки провајдер преку API, при што се праќа само текстот на репликите, или целосно локален модел без интернет врска.

Ако на агентот му требаат податоци, ги вика вашите системи преку HTTP алатки, користејќи само дејства што сте ги дозволиле. Одговорот потоа оди во нашите сопствени гласовни модели, кои го изговараат во повикот. Снимките, транскриптите и логовите остануваат на вашите сервери, со рок на чување што го поставувате по клиент.

Бидејќи секој чекор се одвива во рамките на вашата инфраструктура, вашиот безбедносен тим може да го проверува протокот на податоци, мрежните правила и евиденцијата на настани на ист начин како за кој било друг внатрешен систем. Ништо во повикот не зависи од облачна услуга за говор, па ја задржувате контролата врз податоците и врз трошокот.

За време на пилот, ги мериме овие чекори на вашата опрема и со јазичниот модел што сте го избрале, бидејќи тој модел е најголемиот дел од доцнењето. Добивате бројки за вашето поставување, а вашиот тим гледа како агентот се однесува во вистински повици пред какво било воведување. Истата контролна соба потоа прикажува повици во живо, кампањи, снимки и евиденција на настани за секој агент.

Хардвер и капацитет

Испорачуваме enterprise GPU сервери димензионирани според вашиот обем. Ова го измеривме на еден од нашите лабораториски сервери:

КонфигурацијаИстовремени повициПрв звук на гласот (медијана / p95)
Enterprise GPU сервер — стандардна поставка50.000+136 / 178 ms
Enterprise GPU сервер — поставка за максимална точност16p95 156 ms
Сервер само со CPU (мали инсталации)697 / 179 ms

Измерено со вистинско препознавање говор на снимен бугарски говор. Продукциските сервери се димензионираат според вашиот обем; поголем обем значи повеќе сервери.

Видете ги хардверските нивоа во конфигураторот →

Често поставувани прашања

Дали навистина сè работи на нашите сервери?

Да: нашето сопствено препознавање говор и гласовни модели, управувањето со разговорот, телефонскиот портал, кампањите и снимките. Јазичниот модел го избирате вие: вашиот постоечки добавувач преку API (тогаш се испраќа само текстот на репликите) или целосно локален модел без интернет.

Каков хардвер е потребен?

Испорачуваме enterprise GPU сервери димензионирани според вашиот обем. За ориентација, еден од нашите лабораториски сервери обработи 50.000+ истовремени повици. Видете чекор 2 од конфигураторот.

Колку брзо одговара агентот?

Во нашите тест-повици со јазичен модел во облак, медијаната на времето од крајот на реченицата на повикувачот до првиот звук на одговорот беше 1,4 с; самиот глас започнува 136 ms откако текстот на одговорот е подготвен. Јазичниот модел е најголемиот дел, па го мериме со вашиот избор во пилот-проектот.

Со која телефонија работи?

Со кој било стандарден SIP транк или PBX: вашите постоечки броеви и оператор остануваат.

Видете како работи на вашето сценарио

Закажете разговор од 20 минути, слушнете го агентот или дозволете ни да изградиме бесплатен примерок-агент за еден од вашите типови повици. Без обврска.

  • GDPR уште од дизајнот
  • Работи на вашите сервери
  • Работа и поддршка 24/7
  • Тим од 5 луѓе во Софија, ЕУ

Веќе работи во продукција во организации во Бугарија — имињата се под NDA.

Како докажуваме →