AI Voice Agent คืออะไร ทำงานอย่างไร และใช้ทำอะไรได้บ้าง

AI Voice Agent คือซอฟต์แวร์ที่สนทนาด้วยเสียงได้ ประกอบด้วยสามส่วนที่ทำงานต่อกัน การถอดเสียงเขียนสิ่งที่คนพูดออกมา โมเดลภาษาตัดสินใจว่าจะตอบอะไร และระบบแปลงข้อความเป็นเสียงพูดคำตอบนั้นออกมา

คนเข้าถึง Voice Agent ได้ด้วยการโทรเข้าเบอร์โทรศัพท์ กดปุ่มไมโครโฟนในแอป หรือพูดกับตู้บริการหรืออุปกรณ์

1. 01ฟังการถอดเสียงแบบสตรีมมิงที่ตรวจจับรอบพูดอัตโนมัติเขียนแต่ละรอบพูดออกมา และแจ้งเมื่อผู้โทรหยุดพูด Paxa STT Lite Realtime ทำงานนี้ในอัตรา 12.5 เครดิตต่อนาทีของเสียงที่ได้รับ
2. 02ตัดสินใจโมเดลภาษาอ่านรอบพูดนั้น บทสนทนาที่ผ่านมา และคำสั่งของคุณ แล้วเขียนคำตอบ และยังค้นคำสั่งซื้อหรือจองคิวผ่านระบบของคุณเองได้ด้วย
3. 03พูดระบบแปลงข้อความเป็นเสียงเปลี่ยนคำตอบเป็นเสียง แล้วสตรีมกลับไประหว่างที่กำลังสร้าง Paxa TTS Flash v2 พูดได้ทั้งภาษาไทย อังกฤษ และจีนกลาง มีเสียงให้เลือก 50 เสียง
4. 04รับมือเมื่อถูกพูดแทรกเมื่อผู้โทรพูดแทรก Agent จะหยุดพูดแล้วฟัง เซสชันถอดเสียงจะได้รับแจ้งระหว่างที่เสียงของ Agent กำลังเล่น และไม่นับเสียงของ Agent เองเป็นรอบพูด

บทสนทนาด้วยเสียงไม่มีปุ่มส่ง Agent ต้องดูจากเสียงเองว่าผู้โทรพูดจบเมื่อไร แล้วตอบตอนนั้น ถ้าตอบเร็วไปก็พูดทับผู้โทร ถ้ารอนานไปความเงียบจะฟังเหมือนสายหลุด บทความเรื่องรอบพูดในการถอดเสียงภาษาไทยแบบเรียลไทม์ดูว่ารอบพูดในภาษาไทยแบ่งตรงไหน

แต่ละส่วนต้องเริ่มทำงานก่อนที่ส่วนก่อนหน้าจะเสร็จ การถอดเสียงส่งแต่ละรอบพูดทันทีที่จบ โมเดลภาษาสตรีมคำตอบออกมา และระบบแปลงข้อความเป็นเสียงเริ่มพูดก่อนที่คำตอบจะเขียนเสร็จทั้งหมด หน้า TTS แบบเรียลไทม์และหน้าถอดเสียงแบบเรียลไทม์อธิบายฝั่งเสียงทั้งสองด้าน

• สายบริการลูกค้าที่ตอบคำถามทั่วไป และโอนสายที่ยากกว่าให้เจ้าหน้าที่ ดูหน้างานคอลเซ็นเตอร์
• การจองและการแจ้งเตือนของคลินิก ร้านอาหาร และงานจัดส่ง
• เพื่อนคุยและตัวละครที่พูดโต้ตอบได้ ดูหน้างานเพื่อนคุย AIและหน้า AI Companion
• การสั่งงานด้วยเสียงในแอป รถยนต์ และอุปกรณ์

• ภาษาที่ผู้โทรใช้ ระบบเสียงพูดรองรับไทย อังกฤษ และจีนกลาง ส่วนการถอดเสียงรองรับหลายภาษา
• เสียงที่ใช้ ฟังทุกเสียงได้ที่หน้าเสียงทั้งหมด แล้วเลือกเสียงที่เข้ากับแบรนด์
• สิ่งที่ Agent ทำเองได้ และเมื่อไรต้องโอนสายให้เจ้าหน้าที่
• วิธีแจ้งผู้โทรว่ากำลังคุยกับ AI
• โมเดลภาษาที่ใช้เขียนคำตอบ Paxa ให้ส่วนการฟังและเสียงพูด ส่วนโมเดลภาษาคุณเลือกเองได้

หนึ่งสายมีค่าถอดเสียงของผู้โทร บวกค่าเสียงพูดของคำตอบจาก Agent ส่วนโมเดลภาษาคิดเงินโดยผู้ให้บริการโมเดลนั้น

ลองดูสายยาว 5 นาทีที่ Agent พูดรวม 1,500 ตัวอักษร การฟังทั้งสายรวมช่วงเงียบคิด 62.5 เครดิต และการพูดคิด 15 เครดิต รวมเป็น 77.5 เครดิต หรือ $0.08 ยังไม่รวมค่าโมเดลภาษา

เครดิตฟรี 100 เครดิตของบัญชีใหม่ใช้ได้กับทั้งสองส่วนระหว่างที่สร้าง โดยไม่ต้องผูกบัตร เครดิตฟรีใช้สำหรับงานส่วนตัวและการทดลอง เมื่อซื้อแพลนหรือแพ็กเครดิตใดก็ได้ เสียงและบทถอดทั้งหมดของบัญชีจะนำไปใช้เชิงพาณิชย์ได้ รวมถึงชิ้นที่ทำไว้ก่อนซื้อ ตามที่ข้อกำหนดการใช้งานระบุไว้

1. 01ฟังเสียงพิมพ์คำตอบที่ Agent ของคุณจะพูดลงในเครื่องมือเสียงพูด แล้วฟังด้วยหลาย ๆ เสียง
2. 02ทดสอบการฟังเปิด ถอดเสียงสด ในเครื่องมือถอดเสียง พูดแบบที่ผู้โทรจะพูด แล้วดูว่าแต่ละรอบพูดจบตรงไหน
3. 03ดู Agent ที่ใช้งานจริงหน้างาน Voice Agentแสดงว่าแต่ละส่วนเชื่อมกันอย่างไรใน Agent ที่รับสายโทรศัพท์

Voice Agent ต่างจากแชตบอตอย่างไร#

แชตบอตอ่านและเขียนข้อความ Voice Agent เพิ่มการถอดเสียงไว้ก่อนโมเดลภาษา และเสียงพูดไว้หลังโมเดลภาษา และต้องจัดการรอบพูดไปพร้อมกับบทสนทนา บทความเทียบการถอดเสียงสดกับการถอดจากไฟล์อธิบายฝั่งการฟัง

AI Voice Agent พูดภาษาไทยได้ไหม#

ได้ Paxa TTS Flash v2 พูดภาษาไทยได้ และอ่านชื่อภาษาอังกฤษในประโยคภาษาไทยด้วยเสียงเดียวกัน ส่วนการถอดเสียงรองรับหลายภาษา และเก็บแต่ละคำไว้ในภาษาที่พูดออกมา

ใช้โมเดลภาษาตัวไหน#

ตัวที่คุณเลือก Paxa ให้ส่วนการฟังและเสียงพูด แอปของคุณเรียกโมเดลภาษาที่เลือกไว้ระหว่างสองส่วนนี้

ถ้าผู้โทรพูดแทรกจะเกิดอะไรขึ้น#

แอปของคุณหยุดเสียงของ Agent และเซสชันถอดเสียงรับรอบพูดใหม่ของผู้โทร การแจ้งเซสชันว่า Agent กำลังพูดอยู่ช่วยไม่ให้เสียงของ Agent เองถูกนับเป็นรอบพูด