Újabb hangmodellek váltak széles körben elérhetővé a telefonos asszisztensekhez
Az ElevenLabs minden ElevenAgents-munkaterületre kiterjesztette az Eleven Realtime elérhetőségét. Két modell közül lehet választani, a zajos környezet felismerése viszont továbbra is Enterprise-csomaghoz kötött.
Lezárult az Eleven Realtime fokozatos bevezetése: az ElevenLabs november 2-i közlése szerint már minden ElevenAgents-munkaterület hangalapú asszisztensei használhatják a modellcsaládot. A fejlesztők az Eleven Realtime v1 Mini és v1 Max közül választhatnak.
Mit vesz át a szolgáltató?
A dokumentáció szerint a Realtime módban az ElevenLabs kezeli a nyelvi modellhez, a beszéd felismeréséhez és előállításához tartozó beállításokat. Az asszisztens utasításai, hangja, eszközei és tudásbázisa továbbra is használható.
A Mini az alapértelmezett változat, amelyet a szolgáltató az alacsonyabb késleltetésre és költségre helyezett hangsúllyal kínál. A Max válaszadás előtt következtetési lépéseket végez. Összetett utasításokhoz és több lépésből álló eszközhasználathoz ajánlják. A Max tokenenként drágább a Mininél.
Ez választási lehetőséget ad a fejlesztőknek, de nem teszi feleslegessé a próbákat. Egy egyszerű érdeklődői kérdés és egy több feltételt egyeztető ügyintézés eltérő elvárásokat támaszthat az asszisztenssel szemben.
Meglévő kapcsolatokhoz is illeszthető
Az ElevenLabs az OpenAI Realtime felületére épülő kliensekhez is dokumentál WebSocket-kapcsolódást. Ez a már elkészült alkalmazások átállítását segítheti. Nem jelenti azt, hogy minden meglévő telefonos rendszer beállítás és ellenőrzés nélkül átvihető.
A szélesebb hozzáférés mellett egy másik fejlesztést is közöltek: a zajos környezet felismerése már az API-n és a parancssori eszközön keresztül is beállítható. Ez az Enterprise-munkaterületek hangalapú asszisztenseihez érhető el.
Nem általános zajszűrésről van szó
A funkció a hívó hátterében hallható más beszélőket érzékelve egyszer elmondhat egy előre megadott üzenetet, amely csendesebb helyre kéri az ügyfelet. A beszélgetéskezelési leírás szerint az üzenet több nyelvre is beállítható. Ez nem egyenlő azzal, hogy a rendszer minden háttérzajt kiszűr vagy minden helyzetben pontosan érti a hívót.
A magyar beszédminőségről a bejelentés nem közöl külön teszteredményeket, ezért magyar ügyfeleket kiszolgáló vállalkozásként saját feladatokon érdemes kipróbálni az új modellt. Egy teszthívásban például ellenőrizhető, hogyan kezeli a magyar neveket, az egymáshoz hasonló időpontokat vagy azt, ha az ügyfél félbeszakítja és javítja a korábbi válaszát.
Megosztom a Facebookon ↗
