Яндекс выпустил речевые модели для голосовых агентов

В анонсе названы две модели, TTS Live и обновлённая Speech Realtime Max. TTS Live анализирует смысл текста и самостоятельно подбирает интонацию, расставляет акценты и паузы. Speech Realtime Max позволяет создавать голосовых агентов, которые быстро выполняют многошаговые запросы и решают за один звонок несколько связанных задач.

Несколько задач за один звонок

Обновлённая Speech Realtime Max ведёт одну беседу сквозь цепочку связанных действий. Агент переносит запись, считает стоимость, применяет скидку и отправляет ссылку на оплату. Каждый шаг он выполняет через обращение к корпоративным системам компании в реальном времени.

Перебивание встроено в логику разговора. Если клиент прерывает агента, тот останавливается и отвечает на новую реплику.

История диалога хранит только фактически озвученную часть ответа. То, что модель не успела произнести, в контекст не попадает, поэтому ответы не дублируются и разговор не путается.

TTS Live подбирает интонацию по смыслу

Компании могут выбирать для агентов разные голоса и манеру речи. Для продаж предлагают уверенный тон, для клиентской поддержки мягкий, для уведомлений сдержанный. Отдельные варианты голоса предусмотрены для медицинских сценариев и аудиогидов.

«В обычном разговоре люди часто перебивают друг друга и меняют тему…»

Елена Белоброва, руководитель направления развития бизнеса ИИ-сервисов Yandex B2B Tech

Речевые технологии Yandex SpeechKit уже используют клиенты из разных отраслей, от образования и туризма до ритейла и городского управления. Среди них «Литрес», «Додо Пицца», образовательный сервис «Интернет-урок», МТС Exolve и ритейлер X5 Retail Group.

Агент настраивается текстовыми инструкциями

Поведение агента в Yandex AI Studio задают текстовыми инструкциями. После настройки его подключают к корпоративным системам, откуда он берёт данные для действий.

Сценарии обслуживания клиентов проверяют прямо в интерфейсе платформы. Собирать прототип с нуля не нужно. Так команда прогоняет несколько вариантов разговора до запуска.

В десятки раз больше обращений

Главное обещание анонса касается нагрузки на поддержку. По заявлению разработчика, новые модели позволят бизнесу обрабатывать в десятки раз больше обращений без вмешательства человека.

Методику расчёта компания не приводит.