Kako deluje glasovni bot: celoten klic ostane na vaših strežnikih

Klic pride prek vašega ponudnika SIP ali telefonske centrale. Od tam naprej se vse — razpoznavanje govora, odločanje, kaj povedati, sinteza glasu, posnetki — zgodi znotraj vaše infrastrukture.

Arhitektura

Ilustracija: Ilustracija: lokalni AI klicni center — podatki ostanejo v vaših prostorih VAŠI PROSTORI — PODATKI NE ODIDEJO Strežnik GPU AI Fortis razpoznavanje govora · glas · hub Jezikovni model lokalno (neobvezno) Trunk SIP / PBX Vaš CRM / ERP Klicatelj vaš ponudnik (API) Ilustracija
Z vašim ponudnikom LLM prek API-ja odide le besedilo izmenjav; z lokalnim LLM nič.

Komponente

Telefonski prehod

Deluje na vašem strežniku in se poveže z vašim SIP trunkom ali naročniško centralo. Dohodni in odhodni klici, zaznavanje zasedenosti, prevezava na sodelavca.

Razpoznavanje govora

Naše lastno razpoznavanje govora, ki teče na strežniku z grafičnimi procesorji, prilagojeno telefonskemu zvoku in vsakemu jeziku, ki ga dobavimo.

Glas

Naši lastni nevronski glasovi, optimizirani za telefonske pogovore in pravilne naglase. Na zahtevo glas po meri za vašo blagovno znamko.

Upravljanje pogovora

Kdo govori kdaj, klicateljevo vskakovanje v besedo, premori, zaščita pred ponavljanjem, razkritje AI in obvestilo o snemanju.

Jezikovni model

Oblikuje odgovore in odloči, kdaj poklicati orodje. Vaš obstoječi ponudnik prek API-ja ali popolnoma lokalni model brez interneta.

Nadzorna soba

Agenti in različice, kampanje, seznam za nepoklicanje, čas klicanja, posnetki, prepisi, izluščanje podatkov, portali za stranke, vloge, revizijski dnevnik.

Pot ene izmenjave — z izmerjenimi časi

Ilustracija: Ilustracija: ena izmenjava klica z izmerjenimi časi
Klicatelj
Prehod SIP
Razpoznavanje govora
Jezikovni model + orodja
Glas
sprejeto v 0,14–0,31 s prvi zvok 136 ms (mediana) konec govora → prvi zvok 1,4 s (mediana, testni klici) Ilustracija
  1. Klicatelj govori; zvok prek SIP prispe do prehoda na vašem strežniku.
  2. Razpoznavanje govora pretvarja govor v besedilo, medtem ko klicatelj še zaključuje.
  3. Jezikovni model določi odgovor in po potrebi pokliče orodje (npr. poizvedbo o stanju v CRM).
  4. Glas sintetizira odgovor po delih, zato se prvi zvok začne, preden je celoten odgovor pripravljen.
  5. Klic, prepis in izluščena polja se shranijo v hub; webhook obvesti vaše sisteme.

Časi so laboratorijske meritve in meritve testnih klicev (oktober 2026). Celoten čas izmenjave je odvisen predvsem od jezikovnega modela, ki ga izberete.

Kaj se med klicem dogaja na vaših strežnikih

Klic prispe na vaš telefonski prehod prek obstoječega SIP trunka ali centrale. Od tam gre v naše lastno razpoznavanje govora, ki besede klicalca pretvori v besedilo znotraj vaše stavbe. Pogovorni sloj odloča, kaj sledi, z jezikovnim modelom po vaši izbiri: z vašim obstoječim ponudnikom prek API-ja, pri čemer se pošlje le besedilo izmenjav, ali s povsem lokalnim modelom brez internetne povezave.

Če agent potrebuje podatke, kliče vaše sisteme prek orodij HTTP in uporablja le dejanja, ki ste jih dovolili. Odgovor nato gre v naše lastne glasovne modele, ki ga izgovorijo nazaj v klic. Posnetki, prepisi in dnevniki ostanejo na vaših strežnikih, z rokom hrambe, ki ga nastavite po naročniku.

Ker vsak korak teče znotraj vaše infrastrukture, lahko vaša varnostna ekipa preveri pretok podatkov, omrežna pravila in revizijsko sled enako kot pri vsakem drugem notranjem sistemu. Nič pri klicu ni odvisno od govorne storitve v oblaku, zato obdržite nadzor nad podatki in stroški.

Med pilotom te korake merimo na vaši lastni strojni opremi in z izbranim jezikovnim modelom, ker prav ta model predstavlja največji del zakasnitve. Dobite številke za svojo postavitev, vaša ekipa pa vidi, kako se agent obnaša na resničnih klicih, preden se karkoli razširi. Ista nadzorna soba nato prikazuje žive klice, kampanje, posnetke in revizijsko sled za vsakega agenta.

Strojna oprema in zmogljivost

Dobavimo podjetniške strežnike z grafičnimi procesorji, dimenzionirane za vaš obseg. To smo izmerili na enem od naših laboratorijskih strežnikov:

KonfiguracijaSočasni kliciPrvi zvok glasu (mediana / p95)
Podjetniški strežnik z GPU — standardna nastavitev50.000+136 / 178 ms
Podjetniški strežnik z GPU — nastavitev za največjo natančnost16p95 156 ms
Strežnik samo s CPU (manjše namestitve)697 / 179 ms

Izmerjeno s pravim razpoznavanjem govora na posnetem bolgarskem govoru. Produkcijski strežniki so dimenzionirani za vaš obseg; večji obseg pomeni več strežnikov.

Oglejte si stopnje strojne opreme v konfiguratorju →

Pogosta vprašanja

Ali res vse deluje na naših strežnikih?

Da: naše lastno razpoznavanje govora in glasovni modeli, upravljanje pogovora, telefonski prehod, kampanje in posnetki. Jezikovni model izberete sami: vaš obstoječi ponudnik prek API-ja (takrat se pošlje le besedilo izmenjav) ali popolnoma lokalni model brez interneta.

Kakšna strojna oprema je potrebna?

Dobavimo podjetniške strežnike z grafičnimi procesorji, dimenzionirane za vaš obseg. Za primerjavo: eden od naših laboratorijskih strežnikov je obvladal 50.000+ sočasnih klicev. Glejte 2. korak konfiguratorja.

Kako hitro agent odgovori?

V naših testnih klicih z oblačnim jezikovnim modelom je bil mediani čas od konca klicateljevega stavka do prvega zvoka odgovora 1,4 s; sam glas se začne 136 ms po tem, ko je besedilo odgovora pripravljeno. Največji del predstavlja jezikovni model, zato ga z vašo izbiro izmerimo v pilotnem projektu.

S katero telefonijo deluje?

S katerim koli standardnim SIP trunkom ali naročniško centralo (PBX): vaše obstoječe številke in operater ostanejo.

Oglejte si delovanje na vašem lastnem scenariju

Rezervirajte 20-minutni klic, poslušajte agenta ali pa naj za eno od vrst vaših klicev izdelamo brezplačnega vzorčnega agenta. Brez obveznosti.

  • GDPR že v zasnovi
  • Deluje na vaših lastnih strežnikih
  • Delovanje in podpora 24/7
  • 5-članska ekipa v Sofiji, EU

Že deluje v produkciji v organizacijah v Bolgariji — imena so zaščitena s pogodbo o zaupnosti (NDA).

Kako dokazujemo →