സംഭാഷണ പെരുമാറ്റം
ഒരു ലൈവ് ഫോൺ കോളിന്റെ സമയക്രമവും പേസിങ്ങും — ഇടപെടലുകൾ, നിശ്ശബ്ദത, ഇടവേളകൾ — നിങ്ങളുടെ ഏജന്റ് എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു എന്നത് Engine ടാബ് നിയന്ത്രിക്കുന്നു. ഇത് ഏജന്റ് ബിൽഡറിൽ /agent/setup എന്നതിൽ സജ്ജമാക്കുക.
system prompt, greeting, കൂടാതെ end / fallback / busy / voicemail സന്ദേശങ്ങൾ എന്നിവ ഇവിടെയല്ല, Agent ടാബിലാണ് ക്രമീകരിക്കുന്നത്. ഈ ടാബ് പൂർണ്ണമായും ഏജന്റ് ഒരു കോൾ എങ്ങനെ പേസ് ചെയ്യുന്നു എന്നതിനെക്കുറിച്ചാണ്, അത് എന്ത് പറയുന്നു എന്നതിനെക്കുറിച്ചല്ല. ഏജന്റ്സ് അവലോകനം കാണുക.
Barge-in ഉം ഇടപെടലുകളും
Behavior ടാബ്: ഇടപെടൽ ക്രമീകരണങ്ങൾ (ബാർജ്-ഇൻ, ഇടപെടലിൽ TTS നിർത്തുക, സെൻസിറ്റിവിറ്റി), നിശ്ശബ്ദത കണ്ടെത്തൽ.
Barge-in കോളർക്ക് ഏജന്റിനെ വാക്യത്തിന്റെ നടുവിൽ തടസ്സപ്പെടുത്താൻ അനുവദിക്കുന്നു. അനുബന്ധമായ രണ്ട് നിയന്ത്രണങ്ങൾ ഇതിനെ ഭരിക്കുന്നു:
- Allow barge-in — കോളർക്ക് തടസ്സപ്പെടുത്താൻ കഴിയുമോ എന്നത്.
- Stop TTS on interrupt — തടസ്സപ്പെടുത്തുമ്പോൾ ഏജന്റ് ഉടനെ സംസാരം നിർത്തുമോ എന്നത്.
- Interrupt sensitivity — ഒരു തടസ്സം എത്ര എളുപ്പത്തിൽ പ്രവർത്തനക്ഷമമാകുന്നു എന്നത് (low / medium / high). ഉയർന്ന സെൻസിറ്റിവിറ്റി ഏജന്റിനെ വേഗത്തിൽ വഴങ്ങാൻ പ്രേരിപ്പിക്കുന്നു, ഇത് പ്രതികരണശേഷിയുള്ളതായി തോന്നുമെങ്കിലും പശ്ചാത്തല ശബ്ദത്തിൽ തെറ്റിയേക്കാം; താഴ്ന്ന സെൻസിറ്റിവിറ്റി അതിന്റെ ഊഴം നിലനിർത്തുമെങ്കിലും കോളറുടെ മേൽ സംസാരിക്കുന്നതായി തോന്നാം.
ഇത് നിങ്ങളുടെ കോളർമാരുടെ പരിസ്ഥിതിക്ക് അനുയോജ്യമായി ക്രമീകരിക്കുക.
Voice-activity-detection പാഡിങ്
VAD ക്രമീകരണങ്ങൾ സംസാരം എപ്പോൾ ആരംഭിക്കുന്നു, നിർത്തുന്നു എന്ന് കണ്ടെത്തി ഊഴം മാറൽ രൂപപ്പെടുത്തുന്നു:
- Speech detection padding (
prefix_padding_ms) — കണ്ടെത്തിയ സംസാരത്തിന് മുമ്പ് എത്ര ഓഡിയോ നിലനിർത്തണം, അങ്ങനെ ഒരു വാക്കിന്റെ തുടക്കം മുറിഞ്ഞുപോകില്ല. - Silence duration (
silence_duration_ms) — ഊഴം പൂർത്തിയായതായി കണക്കാക്കുന്നതിന് മുമ്പ് കോളർ എത്ര നേരം നിശ്ശബ്ദമായിരിക്കണം.
പ്രതികരണ കാലതാമസം
Response delay (response_delay_ms) ഏജന്റ് മറുപടി പറയുന്നതിന് മുമ്പ് ഒരു ചെറിയ ഇടവേള ചേർക്കുന്നു, അങ്ങനെ കോളർ നിർത്തുന്ന നിമിഷം തന്നെ അത് കയറിവരില്ല — ഒരു ചെറിയ കാലതാമസം കൂടുതൽ സ്വാഭാവികമായി തോന്നുകയും വെറുതെ ഇടവേള എടുക്കുന്ന കോളറുടെ മേൽ കയറുന്നത് ഒഴിവാക്കുകയും ചെയ്യുന്നു.
നിശ്ശബ്ദത കൈകാര്യം ചെയ്യൽ
കോളർ നിശ്ശബ്ദമാകുമ്പോൾ ഏജന്റ് എന്തു ചെയ്യണമെന്ന് ഈ ക്രമീകരണങ്ങൾ തീരുമാനിക്കുന്നു — silence timeout, maximum silence duration, കൂടാതെ maximum silence count (അവസാനിപ്പിക്കുന്നതിന് മുമ്പ് ഏജന്റ് എത്ര തവണ വീണ്ടും പ്രോംപ്റ്റ് ചെയ്യുന്നു). ഉചിതമായ മൂല്യങ്ങൾ കോളിനെ വളരെ വേഗത്തിൽ അവസാനിപ്പിക്കാതെ തന്നെ, നിശ്ശബ്ദത കാരണം കോൾ കേടായതായി തോന്നുന്നത് തടയുന്നു.
ഫില്ലർ വാക്കുകൾ
ഇടവേളകളിലും ഊഴം മാറുമ്പോഴും സ്വാഭാവിക സംഭാഷണ ശബ്ദങ്ങളും ചെറിയ അംഗീകാരങ്ങളും ഉപയോഗിക്കാൻ ഏജന്റിനെ അനുവദിക്കാൻ filler words പ്രവർത്തനക്ഷമമാക്കുക, കൂടാതെ വേണമെങ്കിൽ നിങ്ങളുടെ സ്വന്തം ലിസ്റ്റ് നൽകുക. ഈ ചെറിയ സ്പർശങ്ങൾ ഏജന്റിനെ കൂടുതൽ മനുഷ്യസമാനവും റോബോട്ടിക് അല്ലാത്തതുമാക്കുന്നു.
മെമ്മറിയും കോളിന് ശേഷമുള്ള വിശകലനവും
Engine ടാബ് കുറച്ച് ക്രോസ്-കട്ടിങ് ടോഗിളുകളും തുറന്നുകാട്ടുന്നു:
- Call history memory — ഒരേ കോൺടാക്റ്റുമായുള്ള മുൻ കോളുകൾ ഏജന്റിനെ ഓർമ്മിക്കാൻ അനുവദിക്കുക.
- Auto-summarize ഉം sentiment analysis ഉം — ഓപ്റ്റ്-ഇൻ കോളിന് ശേഷമുള്ള വിശകലനം (Guardrails ടാബിലും ലഭ്യമാണ്).
പേസിങ് ശരിക്കും വോയ്സിൽ മാത്രമേ പ്രകടമാകൂ. സമയക്രമം പേപ്പറിൽ വിലയിരുത്താൻ ബുദ്ധിമുട്ടായതിനാൽ, /agent/interface എന്നതിലെ voice test ൽ barge-in, നിശ്ശബ്ദത കൈകാര്യം ചെയ്യൽ, ഫില്ലർ വാക്കുകൾ എന്നിവ സ്ഥിരീകരിക്കുക.