प्राकृतिक मानव-AI संवाद के लिए इंटरैक्शन मॉडल

हम कई सालों से इसी दिशा में काम कर रहे हैं। इस पोस्ट में हमने बताया है कि हमने क्या लॉन्च किया है, और इसके पीछे हमारी रिसर्च और प्रोडक्ट से जुड़े फैसले क्या हैं।

हमारा प्रमुख प्रोडक्ट - ElevenAgents v3 कन्वर्सेशनल के साथ

हमारा प्रमुख प्रोडक्ट - ElevenAgents के साथ v3 कन्वर्सेशनल

एक्सप्रेसिव मोड - मार्क - पर्सनल लोन इनबाउंड (पैनिक) - लॉन्च एसेट.mp4

इंटरैक्शन मॉडल को कामयाब बनाने के लिए क्या चाहिए

इंटरैक्शन सिस्टम को अच्छे से काम करने और नेचुरल, दिलचस्प बातचीत के लिए तीन चीज़ें ज़रूरी हैं:

इंटरैक्शन सिस्टम को अच्छे से काम करने और नेचुरल, दिलचस्प संवाद बनाने के लिए तीन चीज़ें ज़रूरी हैं:

• सब-सेकंड रिस्पॉन्स। ElevenAgents को इंटरनल बेंचमार्क्स पर सब-100ms टर्नअराउंड के लिए ऑप्टिमाइज़ किया गया है, और टेलीफोनी इंटीग्रेशन के लिए सब-200ms टारगेट किया गया है। Flash v2.5, हमारा सबसे तेज़ टेक्स्ट टू स्पीच मॉडल, लगभग 75ms इनफरेंस पर चलता है।*
• टर्न-टेकिंग जो इंटरप्शन को संभाले। जल्दी-जल्दी इंटरप्ट होने से बचाने के लिए आपको ऐसा टर्न-टेकिंग सिस्टम चाहिए जो साइलेंस ही नहीं, बल्कि बोली जा रही बात को भी ध्यान में रखे।
• एक्सप्रेसिव, नेचुरल डिलीवरी। मॉडल को हर पल के लिए सही टोन, स्पीड और इमोशन के साथ जवाब देना चाहिए।

हमने क्या-क्या लॉन्च किया है

हमने अब तक क्या बनाया है

Eleven v3 कन्वर्सेशनल।हमारा v3 का कन्वर्सेशनल वेरिएंट, जो ElevenAgents में फरवरी 2026 में लॉन्च हुआ, जिसमें बिल्ट-इन टर्न-टेकिंग है। जब v3 कन्वर्सेशनल को TTS मॉडल के तौर पर चुना जाता है, तो टर्न-टेकिंग मॉडल डिफॉल्ट रूप से ऑन रहता है।

स्पेक्युलेटिव टर्न-टेकिंग।v3 कन्वर्सेशनल में एक अलग फीचर, जो यूज़र की चुप्पी के दौरान LLM रिस्पॉन्स जेनरेशन को पहले ही ट्रिगर कर देता है, जिससे लेटेंसी कम महसूस होती है।

Flash v2.5।हमारा सबसे तेज़ टेक्स्ट टू स्पीच मॉडल, जिसे लो-लेटेंसी रियल टाइम यूज़ के लिए बनाया गया है, लगभग 75ms इनफेरेंस पर चलता है।*

Scribe v2।हमारा स्पीच टू टेक्स्ट मॉडल, जो इंडस्ट्री में सबसे सटीक है।

ElevenAgents एक्सप्रेसिव मोड।एजेंट्स को [laughs], [whispers], [sighs], और [slow] जैसे एक्सप्रेसिव टैग्स का इस्तेमाल कर कॉन्टेक्स्ट के हिसाब से डिलीवरी कंट्रोल करने देता है।

ElevenAgents एक्सप्रेसिव मोड। एजेंट्स को [laughs], [whispers], [sighs], और [slow] जैसे एक्सप्रेसिव टैग्स का इस्तेमाल कर संदर्भ के अनुसार डिलीवरी कंट्रोल करने देता है।

आगे का रास्ता

अभी भी कई AI बातचीत सिर्फ सवाल-जवाब जैसी लगती हैं। असली बातचीत ऐसी नहीं होती। इसी फर्क को कम करना हमारा काम है।

अभी भी कई AI बातचीत सिर्फ सवाल-जवाब जैसी लगती हैं। असली बातचीत ऐसी नहीं होती। इसी फर्क को कम करना हमारा काम है।