Режими на Асистента

Documentation Index

Fetch the complete documentation index at: https://docs.aiployees.com/llms.txt

Use this file to discover all available pages before exploring further.

AI асистентите в Aiplocalls могат да говорят в три различни режима. Всеки режим определя как се разбира речта на обаждащия се и как се генерира отговорът на асистента:

​

1. Pipeline

Режимът Pipeline първо транскрибира думите на обаждащия се в текст, прекарва този текст през езиковия модел, след което конвертира отговора обратно в аудио. Това е изпитан подход, който предлага максимална гъвкавост:

• Поддържа всички гласове в библиотеката (включително персонализирани клонирани гласове).
• Справя се добре с дълги отговори или отговори в стил параграф.
• Позволява на LLM да инжектира променливи и да референцира по-ранен контекст чисто.

​

Кога да изберете Pipeline

1. Нуждаете се от богати отговори от множество изречения (напр. заявки за поддръжка, подробни обяснения).
2. Асистентът трябва да разсъждава над структурирани данни или сложни промпти.
3. Предпочитате абсолютен контрол над говорещия глас (клониран или фирмен глас).

​

2. Speech-to-Speech (Multimodal)

Режимът Speech-to-speech прескача отделната транскрипция и TTS. Вместо това използва мултимодален модел, който слуша и говори директно, създавайки по-разговорен поток:

• Бързо редуване – обаждащите се изпитват почти мгновени отговори.
• Генерира по-експресивна прозодия естествено (интонация, запълвачи).
• В момента поддържа ограничен набор гласове, но редовно се добавят нови.

​

Кога да изберете Speech-to-Speech

1. Разговорът трябва да се чувства отзивчив (продажби, потвърждения на резервации).
2. Отговорите ви са основно кратки изречения или бързи потвърждения.
3. Доволни сте от предоставените от системата опции за глас за по-бърза интеракция.

​

3. Dualplex (Beta)

Dualplex комбинира отзивчивостта на speech-to-speech с премиум гласовете и клонирането от ElevenLabs, използвани в Pipeline. Асистентът използва мултимодалния модел за разбиране на обаждащия се и планиране на отговора, след което рендира финалната реч чрез ElevenLabs за последователен, висококачествен изход.

• Почти мгновено редуване подобно на speech-to-speech.
• Достъп до библиотеката с гласове на ElevenLabs, включително персонализирани клонирани гласове.
• Отлично за кратки до средни отговори с експресивна прозодия.
• Препоръчвана по подразбиране за повечето случаи на употреба днес; в момента в Beta.

​

Кога да изберете Dualplex

1. Искате бърз диалог, но се нуждаете от фирмен или клониран глас.
2. Искате по-експресивно предаване без да се откажете от прецизния избор на глас.
3. Чувствате се комфортно да използвате нова функция, която все още е в Beta.

​

Превключване на режими

Можете да изберете режима за всеки асистент в Assistant → Settings → Voice Engine. Тествайте и трите режима, за да видите кой предлага най-добрия баланс между скорост и качество за вашия случай на употреба. Dualplex в момента е обозначен като Beta.

---

​

Съвет за напреднали: Запишете две обаждания – по едно във всеки режим – и сравнете възприеманата от обаждащия се латентност и ниво на ангажираност, за да решите кой подхожда на вашия поток.