stt přepis hovoru na text

[kurandin]

Chcete postavit něco jako https://jarabot.com/ ?

[tomplee]

Konverzační AI je aktuální věc, existuje mraky služeb a spousta firem to už používá, zkuste zavolat třeba na O2 infolinku 800 02 02 02. Ale je to extrémně neúspěšné z hlediska spokojenosti volajícího. Máme průzkum, kde to nenaštve jen asi 1% volajících. Zdá se, že řetězení API volání (jako nejdřív převod hlasu na text, pak dotaz na velký textový model, pak převod odpovědi na hlas) nemá budoucnost, a to ani pokud se dělá průběžně pomocí websockets, protože volající s tím nemají trpělivost. Takže teď čekáme na hlasově konverzační AI v reálném čase. Ta od openai momentálně funguje naprosto výborně (pro STT používá Whisper nebo GPT-4o-transcribe), umí skvěle česky i umí během řeči přecházet z jazyka do jazyka, zvládne, když člověk mluví během toho co mluví AI, když přerušuje, mění pokyny a tak. Jediný problém je, že je to hrozně drahé, minuta rozhovoru stojí asi 20 Kč, takže živý operátor je podstatně levnější. Vyzkoušet si to může každý na https://platform.openai.com/playground/realtime (nutno se registorvat a zaplatit aspoň 6 USD + dph kreditu na pár minut zkoušení).

[xsouku04]

Konverzační AI je aktuální věc, existuje mraky služeb a spousta firem to už používá, zkuste zavolat třeba na O2 infolinku 800 02 02 02. Ale je to extrémně neúspěšné z hlediska spokojenosti volajícího. Máme průzkum, kde to nenaštve jen asi 1% volajících. Zdá se, že řetězení API volání (jako nejdřív převod hlasu na text, pak dotaz na velký textový model, pak převod odpovědi na hlas) nemá budoucnost, a to ani pokud se dělá průběžně pomocí websockets, protože volající s tím nemají trpělivost. Takže teď čekáme na hlasově konverzační AI v reálném čase. Ta od openai momentálně funguje naprosto výborně (pro STT používá Whisper nebo GPT-4o-transcribe), umí skvěle česky i umí během řeči přecházet z jazyka do jazyka, zvládne, když člověk mluví během toho co mluví AI, když přerušuje, mění pokyny a tak. Jediný problém je, že je to hrozně drahé, minuta rozhovoru stojí asi 20 Kč, takže živý operátor je podstatně levnější. Vyzkoušet si to může každý na https://platform.openai.com/playground/realtime (nutno se registorvat a zaplatit aspoň 6 USD + dph kreditu na pár minut zkoušení).

Souhlasím. Spíše než nastavovat umělou inteligenci, aby si povídala se zákazníky, je lepší investovat čas do prevence. Tedy zjednodušovat webové stránky, formuláře a celý systém fungování tak, aby se problémům předcházelo a zákazník měl dotazů co nejméně a daly se vyřídit co nejrychleji.

Přijde mi, že mnohé firmy dělají pravý opak a pak mají zbytečně velký nápor na podporu. Věci jsou schopni si zkomplikovat tak, že ani živý operátor často neví správnou odpověď na trochu komplikovanější problém. Robot, ten je mimo v podstatě vždy.

Co ale smysl má už dnes, je přepis mluveného vzkazu na text. Dá se v tom pak lépe orientovat, i když to není úplně dokonalé. A zákazníkovi případně zavolat zpět, aby se problém vyřešil. To je zatím jediné, co máme v plánu.