Enterprise AI CallcenterЛокально
Как работает голосовой робот: весь звонок остаётся на ваших серверах
Звонок поступает через вашего SIP-провайдера или АТС. Дальше всё — распознавание речи, выбор ответа, синтез голоса, записи — происходит в вашей инфраструктуре.
Архитектура
Компоненты
Телефонный шлюз
Работает на вашем сервере и подключается к вашему SIP-транку или АТС. Входящие и исходящие звонки, определение занятости, перевод на коллегу.
Распознавание речи
Наше собственное распознавание речи на GPU-сервере, настроенное на телефонный звук и на каждый поставляемый нами язык.
Голос
Наши собственные нейронные голоса, оптимизированные для телефонных разговоров и правильного ударения. Собственный голос для вашего бренда — по запросу.
Управление диалогом
Кто когда говорит, перебивание звонящим, паузы, защита от повторов, раскрытие ИИ и уведомление о записи.
Языковая модель
Формулирует ответы и решает, когда вызвать инструмент. Ваш текущий провайдер через API или полностью локальная модель без интернета.
Диспетчерская
Агенты и версии, кампании, список «не звонить», часы звонков, записи, расшифровки, извлечение данных, клиентские порталы, роли, журнал аудита.
Путь одной реплики — с измеренным временем
- Звонящий говорит; аудио поступает по SIP на шлюз на вашем сервере.
- Распознавание речи превращает речь в текст, пока звонящий ещё договаривает.
- Языковая модель определяет ответ и при необходимости вызывает инструмент (например, проверку баланса в CRM).
- Голос синтезирует ответ частями, поэтому первый звук раздаётся раньше, чем готов весь ответ.
- Звонок, расшифровка и извлечённые поля сохраняются в хабе; вебхук уведомляет ваши системы.
Время — это лабораторные измерения и измерения тестовых звонков (октябрь 2026). Полное время реплики зависит в основном от выбранной языковой модели.
Что происходит на ваших серверах во время звонка
Звонок попадает на ваш телефонный шлюз через действующий SIP-транк или АТС. Оттуда он идёт в наше собственное распознавание речи, которое превращает слова звонящего в текст внутри вашего здания. Разговорный уровень решает, что делать дальше, с языковой моделью на ваш выбор: ваш действующий провайдер через API, и тогда отправляется только текст реплик, или полностью локальная модель без подключения к интернету.
Если агенту нужны данные, он обращается к вашим системам через HTTP-инструменты, используя только разрешённые вами действия. Ответ затем идёт в наши собственные голосовые модели, которые озвучивают его в звонке. Записи, транскрипты и журналы остаются на ваших серверах, со сроком хранения, который вы задаёте для каждого клиента.
Поскольку каждый шаг выполняется внутри вашей инфраструктуры, ваша служба безопасности может проверить поток данных, сетевые правила и журнал аудита так же, как для любой другой внутренней системы. Ничто в звонке не зависит от облачного сервиса речи, поэтому вы сохраняете контроль и над данными, и над затратами.
Во время пилота мы измеряем эти шаги на вашем собственном оборудовании и с выбранной вами языковой моделью, потому что именно эта модель даёт наибольшую часть задержки. Вы получаете цифры для вашей конфигурации, а ваша команда видит, как агент ведёт себя на реальных звонках, ещё до любого развёртывания. Тот же пульт управления затем показывает живые звонки, кампании, записи и журнал аудита для каждого агента.
Оборудование и мощность
Мы поставляем корпоративные GPU-серверы под ваш объём. Вот что мы измерили на одном из наших лабораторных серверов:
| Конфигурация | Одновременные звонки | Первый звук голоса (медиана / p95) |
|---|---|---|
| Корпоративный GPU-сервер — стандартный режим | 50 000+ | 136 / 178 мс |
| Корпоративный GPU-сервер — режим максимальной точности | 16 | p95 156 мс |
| Сервер только с CPU (небольшие внедрения) | 6 | 97 / 179 мс |
Измерено с реальным распознаванием речи на записанной болгарской речи. Рабочие серверы подбираются под ваш объём; больший объём означает больше серверов.
Частые вопросы
Действительно ли всё работает на наших серверах?
Да: наше собственное распознавание речи и голосовые модели, управление диалогом, телефонный шлюз, кампании и записи. Языковую модель выбираете вы: ваш текущий провайдер через API (тогда передаётся только текст реплик) или полностью локальная модель без интернета.
Какое оборудование нужно?
Мы поставляем корпоративные GPU-серверы под ваш объём. Для ориентира: один из наших лабораторных серверов обслуживал 50 000+ одновременных звонков. См. шаг 2 конфигуратора.
Как быстро отвечает агент?
В наших тестовых звонках с облачной языковой моделью медианное время от конца фразы звонящего до первого звука ответа составило 1,4 с; сам голос начинает звучать через 136 мс после того, как готов текст ответа. Наибольшую часть занимает языковая модель, поэтому мы измеряем её с вашим выбором в пилотном проекте.
С какой телефонией это работает?
С любым стандартным SIP-транком или АТС: ваши номера и оператор остаются прежними.
Посмотрите, как это работает на вашем сценарии
Назначьте 20-минутный звонок, послушайте агента или поручите нам создать бесплатного пробного агента для одного из ваших типов звонков. Без обязательств.
- GDPR с этапа проектирования
- Работает на ваших собственных серверах
- Работа и поддержка 24/7
- Команда из 5 человек в Софии, ЕС
Уже работает в организациях в Болгарии — названия под NDA.