Asystent rezerwacji potrzebuje czegoś więcej niż naturalnie brzmiącego głosu. Potrzebuje niezawodnego sposobu, aby usłyszeć klienta, zareagować na właściwe żądanie i przedstawić potwierdzony wynik.
Co robi środowisko konwersacyjne?
Środowisko uruchomieniowe przetwarza mowę, decyduje, jak odpowiedzieć, i generuje dźwięk dla rozmówcy.
Aplikacja może łączyć rozpoznawanie mowy, model językowy i syntezę mowy albo używać modelu przetwarzającego dźwięk bezpośrednio. Zarządza też kolejnością wypowiedzi: kiedy słuchać, kiedy mówić i co się dzieje, gdy rozmówca przerwie.
Narzędzia biznesowe nadają rozmowie użyteczny rezultat. Narzędzie do umawiania wizyt może sprawdzić dostępność i zlecić rezerwację. Aplikacja musi odróżnić potwierdzoną rezerwację od przekroczenia limitu czasu lub nieznanego wyniku, zanim agent się odezwie.
Zarządzana platforma może dostarczyć część tych elementów. Telnyx AI Assistants udostępnia konfigurację modelu, głosu i narzędzi. Wbudowane narzędzia Vapi obejmują akcje wykonywane w trakcie rozmowy. Te ustawienia środowiska uruchomieniowego stanowią odrębne zależności przy zmianie dostawcy usług telefonicznych.
Jak agent łączy się z siecią telefoniczną?
Środowisko agenta obsługujące SIP łączy się przez łącze dostawcy usług telefonicznych ze ścieżką mediów przenoszącą dźwięk.
SIP nawiązuje i modyfikuje sesję. Środowisko musi też wysyłać i odbierać media; udana wymiana sygnalizacyjna nie oznacza, że słyszy rozmówcę.
W przypadku połączeń przychodzących numer telefoniczny kieruje rozmówcę do punktu końcowego aplikacji. W przypadku połączeń wychodzących aplikacja używa dozwolonej tożsamości dzwoniącego i numeru docelowego dostępnego dla połączenia. Dostępność numeru, prezentacja dzwoniącego i zachowanie sieci odbierającej to osobne kwestie.
Zmiana łącza nie kopiuje promptów, głosów, narzędzi ani źródeł wiedzy agenta. Zachowaj te komponenty w środowisku, które pozostawiasz, lub zmigruj je jawnie.
Co sprawia, że rozmowa działa przy przerywaniu?
Środowisko musi obsłużyć rozmówcę, który mówi w trakcie komunikatu, zmienia temat lub daje niejednoznaczną odpowiedź.
Przetestuj imiona, daty i liczby na rzeczywistej ścieżce audio telefonu. Uwzględnij szum tła, wolne narzędzia biznesowe i akcję o niepewnym wyniku. Aplikacja powinna sprawdzić operację, która mogła się zakończyć, zanim ją ponowi.
Przekazanie rozmowy człowiekowi również musi mieć określony rezultat. Agent musi wiedzieć, dokąd przekazać rozmowę i co powiedzieć, gdy ten cel jest niedostępny. Za sposób przekazywania połączeń i obsługi konferencji telefonicznych odpowiada podłączona aplikacja lub firmowa centrala telefoniczna (PBX), która kieruje połączenia do osób lub zespołów. Sprawdź to działanie na całej trasie połączenia.
Co powinienem mierzyć?
Mierz łączność telefoniczną, zachowanie konwersacyjne i realizację celów biznesowych osobno.
Zapis połączenia pokazuje wynik telefoniczny. Dźwięk i transkrypcje pomagają zweryfikować, co zostało usłyszane i powiedziane. System rezerwacji, płatności lub obsługi spraw potwierdza, czy żądana akcja faktycznie się wykonała.
Test oparty wyłącznie na transkrypcji nie pozwala ocenić jakości dźwięku ani zachowania przy przerywaniu. Odebrane połączenie nie dowodzi udanej interakcji z klientem. Brakujące nagrania, nieudana transkrypcja i niepewne wyniki narzędzi muszą być widoczne w przeglądzie.
Jak podłączyć głosową aplikację AI do Bird?
Podłączasz swoją głosową aplikację AI przez łącze SIP. Ustaw inbound_enabled na true dla połączeń przychodzących do agenta. Włącz outbound_enabled dla połączeń, które agent wykonuje. Oba kierunki są domyślnie wyłączone, więc nowe łącze odrzuca połączenia, dopóki nie włączysz potrzebnego kierunku.
Aktualizacja łącza wymaga voice_management na poziomie zapisu.
Dla dostarczania połączeń przychodzących pole sip_uri bramy zawiera hosta środowiska uruchomieniowego i opcjonalny port, bez nazwy użytkownika. destination_format staje się częścią przed @ w dostarczonym adresie SIP. Domyślna wartość +{number} przepuszcza wybrany numer bez zmian. Stała wartość kieruje wszystkie przychodzące numery na jeden adres środowiska.
Pole priority bramy określa kolejność przełączania awaryjnego: brama o wartości 0 jest próbowana przed bramą o wartości 1. Następnie przypisz posiadany numer z obsługą połączeń przychodzących do łącza w sekcji Routing przychodzący.
Dla połączeń wychodzących środowisko łączy się ze zwróconym adresem domain łącza. Przy uwierzytelnianiu kluczem API pole allowed_api_key_ids zawiera listę dozwolonych kluczy; każdy wymaga voice na poziomie zapisu. Środowisko używa bird jako nazwy użytkownika SIP, a sekretu wybranego klucza jako hasła. Aktualizacja listy dozwolonych kluczy zastępuje ją w całości, więc zachowaj klucze, których nadal używają inni klienci.
Połączenia wychodzące wymagają też zweryfikowanego identyfikatora dzwoniącego i włączonego, dostępnego kraju docelowego.
Twoje środowisko zarządza akcjami biznesowymi i przekazywaniem do człowieka. Hostowane narzędzia MCP w Bird zarządzają zasobami obszaru roboczego; nie obsługują pętli mowy i wnioskowania na żywo.
W skrócie
Środowisko uruchomieniowe zarządza rozmową.
Mowa, wnioskowanie, narzędzia i zarządzanie kolejnością wypowiedzi należą do aplikacji lub platformy obsługującej agenta.
Połączenie telefoniczne przenosi rozmowę.
Numery, sygnalizacja SIP, media i tożsamość dzwoniącego tworzą połączenie z telefonem klienta.
Przetestuj całą interakcję.
Dźwięk, przerywanie, niepewne wyniki narzędzi i przekazywanie do człowieka wymagają testów na rzeczywistej ścieżce połączenia.
System biznesowy sam potwierdza swój wynik.
Potwierdzenie głosowe ani wygenerowane podsumowanie nie dowodzą, że rezerwacja lub inna akcja zakończyła się powodzeniem.