Yandex B2B Tech выпустила новое поколение речевых моделей для создания голосовых ИИ-агентов
- В Yandex AI Studio появились Speech TTS Live и обновлённая Speech Realtime Max для голосовых ИИ-агентов.
- TTS Live подбирает интонацию, акценты и паузы по смыслу текста; доступны разные голоса и манеры речи, в том числе для медицинских сценариев и аудиогидов.
- Realtime Max выполняет несколько связанных задач за один звонок через корпоративные системы и реагирует на перебивания, учитывая только озвученную часть ответа.
Почему это важно: Модели позволят бизнесу обрабатывать в десятки раз больше обращений без вмешательства человека.
В Yandex AI Studio появились речевые модели нового поколения. С их помощью можно создавать голосовых ИИ-агентов, способных вести более естественный диалог с пользователями и самостоятельно решать больше задач. Агенты на базе новых моделей меняют интонацию в зависимости от контекста разговора, реагируют на перебивание и быстро выполняют многошаговые запросы. Они позволят бизнесу обрабатывать в десятки раз больше обращений без вмешательства человека.
Создать и настроить агента просто — достаточно текстовых инструкций. После этого останется подключить его к корпоративным системам. Протестировать различные сценарии обслуживания клиентов можно прямо в интерфейсе Yandex AI Studio — нет необходимости разрабатывать прототип с нуля.
Speech TTS Live — для естественной речи
Модель TTS Live анализирует смысл текста и самостоятельно подбирает интонацию, расставляет акценты и паузы. Компании могут выбирать для агентов разные голоса и манеру речи — например, уверенную для продаж, мягкую для клиентской поддержки или сдержанную для уведомлений. Есть и специальные варианты — для медицинских сценариев и аудиогидов.
Speech Realtime Max — для диалогов с большим количеством действий
Обновлённая модель Speech Realtime Max позволяет создавать голосовых агентов, способных решать за один звонок несколько связанных задач. Скажем, такой агент может перенести запись, рассчитать стоимость, применить скидку, отправить ссылку на оплату, и всё это — обращаясь к корпоративным системам в режиме реального времени. Если клиент прерывает агента, то он останавливается и реагирует на новую реплику. При этом в истории диалога учитывается только фактически озвученная часть ответа — это предотвращает путаницу и дублирование информации.
Елена Белоброва,
руководитель направления развития бизнеса ИИ-сервисов Yandex B2B Tech
В обычном разговоре люди часто перебивают друг друга и меняют тему. Поэтому важно, чтобы голосовой агент умел не только реагировать на новые реплики, но и понимал, что уже успел сказать, а что собеседник не дослушал. При этом речь агента должна звучать естественно — с правильными паузами и интонациями.
Речевые технологии Yandex SpeechKit используют компании из разных отраслей — от образования и туризма до ритейла и городского управления. В их числе — книжный сервис «Литрес», «Додо Пицца», образовательная платформа «Интернет-урок», МТС Exolve, ритейлер X5 Retail Group и другие.
Источник: Яндекс
