Путь одной фразы клиента
Клиент говорит: «Перенесите доставку заказа 12345 на пятницу». Чтобы робот ответил, фраза проходит через цепочку технологий:
| Этап | Технология | Результат |
|---|---|---|
| 1. Очистить звук | Шумоподавление и VAD | Речь отделена от шума и пауз |
| 2. Превратить голос в текст | ASR | «перенесите доставку заказа один два три четыре пять на пятницу» |
| 3. Понять смысл | NLU и LLM | Намерение: перенос доставки. Сущности: заказ 12345, дата — пятница |
| 4. Выполнить действие | Интеграция с CRM | Доставка перенесена, получено новое окно |
| 5. Ответить голосом | TTS | «Готово, доставка перенесена на пятницу, с 10 до 14 часов» |
В хорошей системе все этапы работают потоково: робот начинает понимать фразу ещё до того, как клиент договорил, и отвечает примерно через 0,3 секунды. Задержка больше секунды разрушает ощущение живого разговора.
ASR — распознавание речи
ASR (Automatic Speech Recognition) превращает голос в текст. От качества распознавания зависит всё остальное: если робот услышал «двенадцать тридцать пять» вместо «один два три четыре пять», дальше он работает с неверными данными.
Особенности телефонии — узкая полоса звука, шум, сжатие кодеками — делают распознавание звонков сложнее, чем расшифровку подкастов. Какие движки существуют и как выбрать свой, мы разобрали в статье «Распознавание речи для колл-центра».
NLU — понимание естественного языка
NLU (Natural Language Understanding) отвечает на вопрос «что имел в виду клиент». Два главных понятия:
- Интент (намерение) — цель обращения: узнать статус, перенести, отменить, пожаловаться. «Где мой заказ?», «Когда привезут?» и «Заказ ещё не пришёл» — один интент.
- Сущности (NER, Named Entity Recognition) — конкретные данные из фразы: номер заказа, дата, сумма, адрес, фамилия.
Классический NLU обучается на примерах фраз для каждого интента. Он быстрый и предсказуемый — хорошо подходит для типовых сценариев.
LLM — большие языковые модели
LLM (Large Language Model) — следующий уровень понимания. Языковая модель:
- понимает формулировки, которых не было в обучающих примерах;
- держит контекст длинного диалога и уточняет детали;
- отвечает на вопросы по базе знаний компании, формулируя ответ под ситуацию;
- делает краткое содержание разговора для оператора и CRM.
LLM не заменяет NLU, а дополняет его. Для действий с деньгами и персональными данными по-прежнему нужны строгие сценарии с проверками, а языковая модель отвечает за естественность диалога.
TTS — синтез речи
TTS (Text-to-Speech) превращает текст ответа в голос. Современный нейросетевой синтез звучит естественно: с интонацией, паузами, правильными ударениями. Важные моменты для контакт-центра — скорость синтеза (ответ не должен задерживаться), правильное произношение чисел, адресов и названий и единый голос во всех сценариях.
Другие технологии, о которых полезно знать
| Термин | Что это | Зачем в контакт-центре |
|---|---|---|
| VAD | Детектор голосовой активности | Понять, когда клиент начал и закончил говорить, не перебивать его |
| Диаризация | Разделение записи по говорящим | Отделить реплики оператора от реплик клиента в аналитике |
| Voice-to-intent | Определение намерения сразу по звуку | Ускорить реакцию в простых сценариях |
| Голосовая биометрия | Узнавание человека по голосу | Быстрая идентификация клиента без кодовых слов |
| RAG | Поиск по документам + генерация ответа языковой моделью | Ответы по актуальной базе знаний без «выдумок» |
| Саммаризация | Краткое содержание разговора | Автоматическое заполнение карточки обращения |
О биометрии и интентах подробнее — в статье «Интенты, сущности и голосовая биометрия».
Где речевые технологии работают в контакт-центре
- Голосовой робот — вся цепочка ASR → NLU/LLM → TTS для входящих и исходящих звонков. Обзор — в статье «Голосовой бот для бизнеса».
- Транскрибация и поиск — расшифровка всех разговоров для поиска по словам и разбора жалоб.
- Речевая аналитика — темы обращений, причины повторных звонков, соблюдение скрипта.
- Подсказки оператору — распознавание в реальном времени и ответы из базы знаний во время разговора.
- Автозаполнение CRM — краткое содержание и результат разговора попадают в карточку без ручного ввода.
Глоссарий
| Аббревиатура | Расшифровка | Коротко |
|---|---|---|
| ASR | Automatic Speech Recognition | Голос → текст |
| STT | Speech-to-Text | То же, что ASR |
| TTS | Text-to-Speech | Текст → голос |
| NLU | Natural Language Understanding | Понимание смысла фразы |
| NER | Named Entity Recognition | Извлечение данных из фразы |
| LLM | Large Language Model | Большая языковая модель |
| VAD | Voice Activity Detection | Определение, когда говорят |
| WER | Word Error Rate | Доля ошибок распознавания |
| RAG | Retrieval-Augmented Generation | Ответ языковой модели по найденным документам |
Речевые технологии в LLACOT
LLACOT AI Voice Robot объединяет все звенья цепочки:
- шумоподавление и детектор голоса на входящем SIP-звонке;
- потоковое распознавание русской речи с точностью 95 %+ на чистой речи;
- NLU и LLM: намерения, сущности, обращение к CRM и API в реальном времени;
- нейросетевой синтез речи с низкой задержкой — ответ примерно через 0,3 секунды;
- модульный стек: модели распознавания, понимания и синтеза выбираются под задачу и могут работать полностью на ваших серверах;
- аналитика диалогов: транскрибация, разметка интентов, саммаризация, точки отказа.
В контакт-центре LLACOT разговоры операторов записываются, расшифровываются, а краткое содержание звонка отправляется в карточку клиента в CRM.
Частые вопросы
Чем ASR отличается от NLU?
ASR отвечает на вопрос «что сказали» и выдаёт текст. NLU отвечает на вопрос «что имели в виду» и выдаёт намерение и данные.
Нужна ли LLM, если сценарии простые?
Не обязательно. Для узких сценариев с короткими ответами хватает классического NLU — он быстрее и требует меньше ресурсов. LLM добавляют, когда клиенты формулируют вопросы очень по-разному или нужны ответы по большой базе знаний.
Можно ли использовать речевые технологии без интернета?
Да. Все компоненты могут работать на серверах компании — это стандарт для банков, медицины и госсектора.
Услышать, как это работает
Проведём демо-звонок с роботом и покажем расшифровку и разметку диалога. Запишитесь на странице LLACOT AI Voice Robot или по телефону +7 (843) 202-35-38.