Enterprise AI CallcenterЛокально
Як працює голосовий бот: увесь дзвінок залишається на ваших серверах
Дзвінок надходить через вашого SIP-провайдера або АТС. Далі все — розпізнавання мовлення, вибір відповіді, синтез голосу, записи — відбувається у вашій інфраструктурі.
Архітектура
Компоненти
Телефонний шлюз
Працює на вашому сервері та підключається до вашого SIP-транка або АТС. Вхідні та вихідні дзвінки, визначення зайнятості, переведення на колегу.
Розпізнавання мовлення
Наше власне розпізнавання мовлення на GPU-сервері, налаштоване на телефонний звук і на кожну мову, яку ми постачаємо.
Голос
Наші власні нейронні голоси, оптимізовані для телефонних розмов і правильного наголосу. Власний голос для вашого бренду — на запит.
Керування розмовою
Хто коли говорить, перебивання абонентом, паузи, захист від повторів, розкриття ШІ та повідомлення про запис.
Мовна модель
Формулює відповіді й вирішує, коли викликати інструмент. Ваш нинішній провайдер через API або повністю локальна модель без інтернету.
Диспетчерська
Агенти і версії, кампанії, список «не телефонувати», години дзвінків, записи, транскрипти, витягнення даних, клієнтські портали, ролі, журнал аудиту.
Шлях однієї репліки — з виміряним часом
- Абонент говорить; аудіо надходить через SIP на шлюз на вашому сервері.
- Розпізнавання мовлення перетворює мову на текст, поки абонент ще договорює.
- Мовна модель визначає відповідь і за потреби викликає інструмент (наприклад, перевірку балансу в CRM).
- Голос синтезує відповідь частинами, тож перший звук лунає раніше, ніж готова вся відповідь.
- Дзвінок, транскрипт і витягнуті поля зберігаються в хабі; вебхук сповіщає ваші системи.
Час — це лабораторні вимірювання та вимірювання тестових дзвінків (жовтень 2026). Повний час репліки залежить переважно від обраної мовної моделі.
Що відбувається на ваших серверах під час дзвінка
Дзвінок потрапляє на ваш телефонний шлюз через наявний SIP-транк або АТС. Звідти він іде до нашого власного розпізнавання мовлення, яке перетворює слова абонента на текст усередині вашої будівлі. Розмовний рівень вирішує, що робити далі, з мовною моделлю на ваш вибір: ваш наявний провайдер через API, і тоді надсилається лише текст реплік, або повністю локальна модель без підключення до інтернету.
Якщо агентові потрібні дані, він звертається до ваших систем через HTTP-інструменти, використовуючи лише дозволені вами дії. Відповідь далі йде до наших власних голосових моделей, які озвучують її в дзвінку. Записи, транскрипти й журнали залишаються на ваших серверах, із терміном зберігання, який ви задаєте для кожного клієнта.
Оскільки кожен крок виконується всередині вашої інфраструктури, ваша команда безпеки може перевірити потік даних, мережеві правила та журнал аудиту так само, як для будь-якої іншої внутрішньої системи. Ніщо в дзвінку не залежить від хмарного сервісу мовлення, тож ви зберігаєте контроль і над даними, і над витратами.
Під час пілота ми вимірюємо ці кроки на вашому власному обладнанні та з обраною вами мовною моделлю, бо саме ця модель дає найбільшу частину затримки. Ви отримуєте цифри для вашої конфігурації, а ваша команда бачить, як агент поводиться на реальних дзвінках, ще до будь-якого розгортання. Той самий пульт керування потім показує живі дзвінки, кампанії, записи та журнал аудиту для кожного агента.
Обладнання та потужність
Ми постачаємо корпоративні GPU-сервери під ваш обсяг. Ось що ми виміряли на одному з наших лабораторних серверів:
| Конфігурація | Одночасні дзвінки | Перший звук голосу (медіана / p95) |
|---|---|---|
| Корпоративний GPU-сервер — стандартний режим | 50 000+ | 136 / 178 мс |
| Корпоративний GPU-сервер — режим максимальної точності | 16 | p95 156 мс |
| Сервер лише з CPU (невеликі впровадження) | 6 | 97 / 179 мс |
Виміряно з реальним розпізнаванням мовлення на записаній болгарській мові. Робочі сервери підбираються під ваш обсяг; більший обсяг означає більше серверів.
Часті запитання
Чи справді все працює на наших серверах?
Так: наше власне розпізнавання мовлення і голосові моделі, керування розмовою, телефонний шлюз, кампанії та записи. Мовну модель обираєте ви: ваш нинішній провайдер через API (тоді передається лише текст реплік) або повністю локальна модель без інтернету.
Яке обладнання потрібне?
Ми постачаємо корпоративні GPU-сервери під ваш обсяг. Для орієнтиру: один з наших лабораторних серверів обслуговував 50 000+ одночасних дзвінків. Див. крок 2 конфігуратора.
Як швидко відповідає агент?
У наших тестових дзвінках із хмарною мовною моделлю медіанний час від кінця фрази абонента до першого звуку відповіді становив 1,4 с; сам голос починає звучати через 136 мс після того, як готовий текст відповіді. Найбільшу частку займає мовна модель, тому ми вимірюємо її з вашим вибором у пілотному проєкті.
З якою телефонією це працює?
З будь-яким стандартним SIP-транком або АТС: ваші номери й оператор залишаються.
Подивіться, як це працює на вашому сценарії
Заплануйте 20-хвилинну розмову, послухайте агента або доручіть нам створити безкоштовного пробного агента для одного з ваших типів дзвінків. Без зобов'язань.
- GDPR від етапу проєктування
- Працює на ваших власних серверах
- Робота й підтримка 24/7
- Команда з 5 осіб у Софії, ЄС
Вже працює в організаціях у Болгарії — назви під NDA.