Questo post é stato letto 80 volte!
Prism rivoluziona assistenti vocali, la tecnologia sviluppata da Rime, si propone di superare i limiti attuali dell'intelligenza artificiale nelle conversazioni telefoniche, in particolare la difficoltà di combinare un dialogo naturale con un controllo preciso delle informazioni. Questa innovazione è pensata principalmente per le aziende che offrono servizi di assistenza e interagiscono con i clienti, con l'obiettivo di rendere gli assistenti vocali più simili a interlocutori umani, senza rinunciare alla verifica e alla modifica dei contenuti generati.
Come Prism rivoluziona assistenti vocali
Gli assistenti vocali tradizionali operano convertendo la voce in testo, generando una risposta scritta e poi riconvertendola in audio. Questo processo può tralasciare sfumature importanti della comunicazione originale, come esitazioni o toni emotivi, che sono cruciali per interpretare correttamente le intenzioni. Prism adotta invece un'architettura "speech-to-speech", elaborando direttamente l'audio. Prima di pronunciare una risposta, il sistema genera una rappresentazione testuale verificabile, permettendo alle aziende di applicare regole, controllare le informazioni e intervenire sul contenuto prima che venga comunicato.
Interruzioni e integrazione di strumenti esterni
Un altro aspetto innovativo di Prism è la gestione delle interruzioni. Il sistema continua ad ascoltare mentre parla, consentendo di reagire prontamente a nuove informazioni o cambi di argomento da parte dell'interlocutore. Inoltre, può richiamare strumenti esterni durante il dialogo per recuperare dati utili senza interrompere l'interazione. Questa funzionalità è particolarmente utile per i centralini che devono consultare archivi o gestire richieste complesse.
Prestazioni e personalizzazione di Prism
Rime ha presentato i risultati di τ-Voice, una valutazione basata su conversazioni simulate. Prism ha mostrato un tasso di completamento delle attività del 56,6%, raggiungendo l'82,5% nelle prove dedicate alle telecomunicazioni, superando il 45,6% di GPT-Live-1. Il primo audio viene generato in 0,57 secondi. Questi dati, pubblicati dallo sviluppatore, vanno considerati nel contesto delle condizioni di test dichiarate.
La personalizzazione è un elemento chiave del progetto. Le aziende potranno adattare il comportamento del modello alle proprie esigenze, utilizzando dati dalle conversazioni e informazioni specifiche del settore. Sarà possibile anche intervenire sulla pronuncia di nomi, numeri di conto e termini specialistici, migliorando la comprensibilità delle comunicazioni. Attualmente, Prism è in fase di sperimentazione con un gruppo ristretto di aziende, mentre Rime lavora allo sviluppo delle API per una più ampia personalizzazione e distribuzione agli sviluppatori.
Questo post é stato letto 80 volte!