> ## 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.

# Режими на Асистента

> Разберете трите режима на генериране на глас, налични за вашите AI асистенти, и кога да използвате всеки от тях.

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:

<Callout>
  Избирането на правилния режим може да подобри времето за отговор, естествеността и цялостното изживяване на разговора.
</Callout>

## 1. Pipeline

|                  |                                                                        |
| ---------------- | ---------------------------------------------------------------------- |
| **Етикет в UI**  | `Pipeline`                                                             |
| **Как работи**   | Speech-to-Text → LLM → Text-to-Speech                                  |
| **Латентност**   | \~800 – 1500 ms (зависи от езика и модела)                             |
| **Най-добър за** | Сложно разсъждение, динамични промпти, отговори от множество изречения |

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)

|                  |                                                               |
| ---------------- | ------------------------------------------------------------- |
| **Етикет в UI**  | `Speech-to-speech`                                            |
| **Как работи**   | Директно **speech-to-speech** генериране (без междинен текст) |
| **Латентност**   | \~300 – 600 ms (ултра ниска)                                  |
| **Най-добър за** | Естествен диалог, кратки и реактивни отговори                 |

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.

<Note>
  Speech-to-speech се развива бързо. Ако се нуждаете от персонализиран клониран глас с ниска латентност, опитайте **Dualplex**.
</Note>

## 3. Dualplex (Beta)

|                  |                                                                           |
| ---------------- | ------------------------------------------------------------------------- |
| **Етикет в UI**  | `Dualplex`                                                                |
| **Как работи**   | Мултимодален STT + LLM (speech-to-speech) с ElevenLabs TTS изход          |
| **Латентност**   | Ниска (варира според гласа и модела)                                      |
| **Най-добър за** | Бързи, естествени отговори с висококачествени/фирмени гласове (клонирани) |

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.